ページの先頭です。 メニューを飛ばして本文へ
現在地 トップページ > 情報学分野(地域産業コース) > 【情報学分野(地域産業コース)】AIシステム開発プロジェクト演習(第13週~第14週)を実施しました

本文

【情報学分野(地域産業コース)】AIシステム開発プロジェクト演習(第13週~第14週)を実施しました

印刷用ページを表示する 2023年2月1日更新

 本記事では,令和4年度第3クォーターから始まっているAIシステム開発プロジェクト演習の第13週~第14週に実施された授業内容についてご紹介します。

第1週~第12週の授業については以下より御覧いただけます。
【情報学分野(地域産業コース)】AIシステム開発プロジェクト演習が始まりました
【情報学分野(地域産業コース)】AIシステム開発プロジェクト演習(第5週~第8週)を実施しました
​【情報学分野(地域産業コース)】AIシステム開発プロジェクト演習(第9週~第12週)を実施しました

 

第13-14週 「YOLOを使ったマスク認識​」(担当:市村匠)

 1月16日及び23日の1・2限目において,深層学習を使った物体検出の実験を行った。LinuxがインストーされたPCを使って,Anaconda Jupyter Notebook上で開発環境を構築し,YoLo Ver5をインストールした。YoLoとはYou Only Look Onceの略で,検出窓をスライドさせる方法ではなく,画像を一度深層学習(CNN)に通すことで,オブジェクトを検出する。今回の実験では,まずgithubで公開されているYoLoの動作確認を行った。
 次に,Mask Wearing Dataset[1]を用いてマスク画像の検出を行った.ダウロードした画像の一部を学習用,検証用,テスト用に分割し,モデルを学習し,精度を向上させた。さらに,データセットには含まれない画像を用いた実験を行うため,マスクをつけた顔画像を撮影し,画像サイズを変更した上でモデルに与え,検出できることを確認した。
 しかしながら,学習回数が少ないと検出できない画像があり,図1のように,tensorboardで表示された学習曲線を見た上で,パラメタを調整しながら精度を向上させる実験を繰り返した。真陽性や偽陽性から,学習曲線の評価指標について数式を用いて理解し,パラメタ調整の方法を考えた。この結果,単純な正解率だけでなく,適合率や再現率の重要性も理解していた。
 学生は,パラメタを調整しながら何度も学習させより良いモデルを構築し,全員が自身のマスク画像の検出に成功した(図3)。

[1] Mask Wearing Dataset,https://public.roboflow.com/object-detection/mask-wearing, 2023/1/23閲覧

AIシステム開発プロジェクト演習第13週―14週画像1
図1 tensorboardで表示された学習曲線(例)​

AIシステム開発プロジェクト演習第13週―14週画像2
図2 学習回数が少ないと検出できなかった事例​

AIシステム開発プロジェクト演習第13週―14週画像3
図3a)プログラム開発を行う学生1​

AIシステム開発プロジェクト演習第13週―14週画像4
図3b)プログラム開発を行う学生2​

AIシステム開発プロジェクト演習第13週―14週画像5
​図3c)プログラム開発を行う学生3