ブログ

次世代のAI 認識するから生成するへ 画像を自動生成するDCGANを試してみましたが・・・

  • このエントリーをはてなブックマークに追加
  • Pocket
  • LINEで送る

はじめまして、新入社員の工藤賢仁です。現在、我妻さんの下で人工知能(AI)関連の業務をしながら勉強しています。そんな中、新人ではあまり経験できない「ブログ記事を書く」機会を作っていただきました。文章を書くのが苦手で、お見苦しい点が多発しますが、’めげない’・’しょげない’・’泣いちゃだめ’の精神で頑張って書いていきますので最後までお付き合いよろしくお願いいたします。

今回は、画像の自動生成を目的に【DCGAN】を使って実験してみました。レポートとして共有して行きたいと思います。乞うご期待!

DCGANとは?

2017年論文で・・・今注目されている「Generative Adversarial Nets」で発表されたアイディアです。まずはざっくりとした概要について説明していきたいと思います。ディープラーニングによって乱数列から、食べ物や動物らしき画像を生み出すモデルです!詳しい内容は我妻さんに教わりながら勉強中ですので割愛させていただきます(笑)

例示(成功事例)

DCGANの有名な成功事例「Googleの猫」について簡単にご紹介します!

「Googleの猫」とは、猫の画像をYouTubeの動画から1000万枚ほど取り出してコンピューターに繰り返し入力させるというものです。猫の特徴を人間に教えられることなく、画像内で特徴を自動的に見つけ出して「猫の画像はこんな感じだよ」と独力で理解したわけです。今回はサビの画像を題材としてDCGANに触れていきたいと思います!

サビの画像を自動生成できるか試してみました

なぜサビの画像?と不思議に思う方が大多数だと思いますので簡単に理由を説明させていただきます。

サビ画像の分類を行うための画像が足りず・・・足りないならサビの画像を作ってしまおう

2016年から始まったサビの判定プロジェクトでは、認識率の高い人工知能(AI)を作るにはより多くの画像が必要となります。より認識率の高い人工知能(AI)を作るためにサビの画像を作って増していくことにしました。そのような背景からDCGANの自動画像生成でサビ画像を作ってみることになりました。

11月28日(火)18:00 実験開始しました

会社の10年前くらいのMacを利用して、サビ画像の自動生成に挑みました!生成手順は我妻さんに教えていただきながら、進めていきました。詳しい詳細は割愛させていただきます(笑)

11月29日(水)17:30 実験開始から1日目

確認してみましたが、まだ生成されず・・・また、明日ですね。

11月30日(木)18:30 実験開始から2日目

・・・まだ生成されていませんでした。

12月1日(金)18:00 実験開始から3日目

・・・まだ生成されず。なかなか時間が掛かるものなのですね。

12月4日(月)18:15 実験開始から6日目

・・・まだ生成されず。土日を挟んだのでさすがにできていると思ったのですが。

12月5日(火)18:10 実験開始から7日目

・・・。

12月6日(水)17:30 実験開始から8日目

・・・・・・。

12月7日(木)18:30 実験開始から9日目

・・・・・・・・・。すみません、無言になってしまいました(汗)

12月8日(金)17:30 実験開始から10日目

・・・まだ生成されず。また、来週ですね。

12月18日(月)18:00 実験開始から20日目

・・・まだ生成され、、てる!!!うっ!うぉ~~~~~!!
ようやく画像が生成されました。初代サビ画像の誕生です!
しかし・・・12月と言えば忘年会等々がありまして・・・年を忘れるとともに画像をチェックするのを忘れてしまいました(汗)何日で出来上がったのか正確な期間は把握できませんでした・・・だいたい14~20日間くらいで生成されたと予測されます・・・次回はしっかりと計測したいと思います(汗)

さて、お待ちかねの初代サビ画像はこちらです!!


所々は、サビのような部分も見えますが、空白が多くお世辞にもサビの画像とは言えない出来栄えでした(泣)学習データにサビ以外の割合が高い画像が多く、肝心なサビを判定できていなかったのかな?と推測しておきます!ということは、サビの割合が高い画像のみをテストデータとして扱えばよくわからない空白部分が埋まってサビ画像に近づいていくはず!

12月18日(火)18:30 2回目の実験開始しました

2回目の実験は、前回の反省を生かしてサビの割合が高い84枚の画像を選定して行いました!

12月19日(火)19:15 実験開始から1日目

1日で出来上がるとは思っていないですが、少しだけ期待して確認してみます。
・・・まだ生成されず。

12月21日(木)18:00 実験開始から3日目

・・・まだ生成されず。

12月25日(月)17:45 実験開始から7日目

・・・まだまだ生成されず。

12月27日(水)17:30 実験開始から9日目

・・・まだ生成されず。明日中に生成されないと年越しで正確な生成時間を計測できない・・・

12月28日(木)10:00 実験開始から10日目

・・・ん?おっ?!生成されている!!
画像の枚数を減らしたからか10日間で生成されました(前回より一週間くらいはやい!)

生成された二代目サビ画像がこちらです…


青い!微かに垣間見られる茶色いサビ・・・残念ながら思い描いていたサビの画像にはたどり着くことができませんでした。うまくいかなかった原因を探るために画像生成の過程を見ていきたいと思います。

私の考察

1回目の画像生成過程


画像はA1,A2,…,A15,B1,B2,…,G10のような順番で生成されています。G10が先ほどご紹介しました初代サビ画像です。A14とC15あたりが一番サビに近い画像になっていました。画像内のサビの部分をうまく学習していたのでしょうか?そのあたりはよくわかっていないので勉強しておきます(^-^;

全体的に明るい色が多いので推測していた通り、画像内の背景部分の影響が大きく出ていたと考えられます。次に、サビ部分の割合が高い画像で生成した2回目の画像生成過程を見ていきます。

2回目の画像生成過程


画像生成の順番は先ほどと同じで、A1から始まりG10で終わっています。前回の反省が生きて全体的にサビに近い色合いの画像が生成されていっておりました。しかし、E10から突如、青い画像に変化してしまいました(泣)なぜこのような結果になったのか、学習データを見直してみると・・・濃紺のサビ画像が1枚だけありました。その1枚の主張の強い色合いの画像がすごく影響していることがわかりました!今回の実験では、主張の強い色合いの画像は学習データにあまり好ましくなかったのかもしれません。

結論、サビの画像を自動で生成できたらうれしいなぁと思い、試してみましたが・・・世の中そんなに甘くない!もっと勉強する必要がありました。。
「早く成功したいなら、失敗を二倍の速度で経験することだ。成功は失敗の向こう側にあるのだから」”トーマス・J・ワトソン”さんの言葉を胸に次回頑張ります!

まとめ 学んだこと

目標とする画像を生成するには、画像の枚数が重要になってくるのではないかと今回の実験で感じました。また、画像内の対象物の割合も重要で、1枚だけ特徴(色合いなど)の違う画像を使うとその画像に引っ張られてしまい望ましい結果を得られませんでした。

PCのスペックも重要です。今回はCPUを利用しましたが、よりハイスペックなGPUの方がおすすめです!生成されるまでの時間がすごくかかりましたからね(^-^;

サビ画像の生成は残念な結果となりましたが、それぞれの画像をよくよく見ると・・・綺麗な画像!
っということで二枚のサビ画像を合わせて本コラムのアイキャッチ画像を作成してみました。なかなかおしゃれな画像(ニンマリ)今回はおしゃれな画像を作ることができましたので実験は成功といったところで終わりにしようと思います(笑)次回は企業のロゴデザインなどに活用して見ようかな。

*上記の見解はあくまでも私個人の見解ですので参考程度にとらえてくだいさい(汗)

最後までお付き合いありがとうございました!

【原稿執筆】

お問い合わせ窓口

弊社製品・サービス等にご興味を持っていただきありがとうございます。
ご相談/お見積り依頼などございましたらお気軽にお問い合わせください。
otoiawase

お電話でのお問い合わせ

お電話でのお問合せは営業日の営業時間内に限らせていただいておりますのでご了承ください。
初めての方は「ホームページを見ました」と言っていただけるとスムーズに対応できます。
担当が外出ないし、席を外している場合は折り返しお電話差し上げます。
受付時間:営業日 月曜日~金曜日 9:00~17:30

 

 

  • このエントリーをはてなブックマークに追加
  • Pocket
  • LINEで送る