手書き数字を認識するAIを作ってみよう : 目次
- 画像データの準備と確認
- 画像データを読み込んでみよう
- 画像データの一覧を読み込んでみよう
- 学習データとテストデータを準備する
- 保存したデータを開いてみる
- モデルを作る
- 学習（トレーニング）させてみよう
- モデルを評価しよう
- 学習データで認識させてみよう(1)
- 学習データで認識させてみよう(2)
- 学習データで認識させてみよう(3)
- テストデータで認識させてみよう
- モデルと重みパラメータを保存しよう
- 学習済みモデルをロードしよう
- 学習済みモデルをロードして，認識してみよう
画像データを読み込んでみよう
モジュールのインポート
Python で画像処理をするためのモジュールは Pillow (PIL)である．この Pillow のドキュメントは https://pillow.readthedocs.io/en/stable/ にある． さらに，numpy と os をインポートする．
モジュールを読み込む (01-readfile.py（抜粋）)
from PIL import Image
import numpy as np
import os
画像データの読み込み
モジュールの読み込みができれば，ファイルを開いて numpy の配列に変換して表示してみよう．なお，Windows 環境では，フォルダの区切りが円マーク（またはバックスラッシュ）で，Mac や Linux で '/' になる．この違いを吸収するために os.path.sep.join( ) を利用している．詳細はここを参照してください．
画像データを読み込み，配列として表示 (01-readfile.py)
from PIL import Image
import numpy as np
import os
filepath = os.path.sep.join(['png', '0-01.png'])
img = Image.open(filepath)
data = np.asarray(img)
print(data)
[[[255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [ 34 24 21 255] [ 34 24 21 255] [ 34 24 21 255] [ 34 24 21 255] [ 34 24 21 255] [ 34 24 21 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255]] ...（中略）... [[255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255] [255 255 255 255]]]
上記の出力はピクセル（画素）ごとの RGBA データである．ここで A は透明度を意味している．つまり，出力の最初の15行は画像データの1行目の各ピクセルの RGBA 値であり，出力の最後の15行は画像データの最後の1行の RGBA 値である．画像データの最初の1行は5番目のピクセルから10番目のピクセルが RGBA = [34, 24, 21, 255] の色（黒に近い色）で，それ以外のピクセルは RGBA ＝[255, 255, 255, 255] の白色であることを意味している．さらに，最後の15行はすべてのピクセルが白である．なお，Python での配列の添字（インデックス）は0番目からスタートすることにも注意しておこう．
画像データの変換
画像データを RGBA 形式で読み込むことができたので，データを様々な形式変換してみよう．
RGBデータに変換
まず，RGBA データを RGB に変換する．つまり，透明度の指定を削除する変換である．これには img.convert("RGB") を実行するとよい．
画像データをRGBに変換 (01-readfile.py)
from PIL import Image
import numpy as np
import os
filepath = os.path.sep.join(['png', '0-01.png'])
img = Image.open(filepath)
img = img.convert("RGB") ## RGBカラーに変換
data = np.asarray(img)
print(data)
[[[255 255 255] [255 255 255] [255 255 255] [255 255 255] [ 34 24 21] [ 34 24 21] [ 34 24 21] [ 34 24 21] [ 34 24 21] [ 34 24 21] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255]] ...（中略）... [[255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255] [255 255 255]]]
CMYKデータに変換
次に，CMYK に変換する．これには img.convert("CMYK") を実行するとよい．
画像データをCMYKに変換 (01-readfile.py)
from PIL import Image
import numpy as np
import os
filepath = os.path.sep.join(['png', '0-01.png'])
img = Image.open(filepath)
img = img.convert("CMYK") ## CMYKカラーに変換
data = np.asarray(img)
print(data)
[[[ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [221 231 234 0] [221 231 234 0] [221 231 234 0] [221 231 234 0] [221 231 234 0] [221 231 234 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0]] ...（中略）... [[ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0] [ 0 0 0 0]]]
グレースケールに変換
次に，グレースケールに変換する．これには img.convert("L") を実行するとよい．実行結果を確認すると，0が黒，255が白となるようなグレースケールになっていることがわかる．
画像データをグレースケールに変換 (01-readfile.py)
from PIL import Image
import numpy as np
import os
filepath = os.path.sep.join(['png', '0-01.png'])
img = Image.open(filepath)
img = img.convert("L") ## グレースケールに変換
data = np.asarray(img)
print(data)
[[255 255 255 255 26 26 26 26 26 26 255 255 255 255 255] [255 255 255 26 26 26 26 26 26 26 26 255 255 255 255] [255 255 26 26 26 26 255 255 26 26 26 26 255 255 255] [255 255 26 26 26 255 255 255 255 26 26 26 26 255 255] [255 255 26 26 255 255 255 255 255 255 26 26 26 255 255] [255 255 26 26 255 255 255 255 255 255 255 26 26 26 255] [255 255 26 26 255 255 255 255 255 255 255 26 26 26 255] [255 255 26 26 26 255 255 255 255 255 255 255 26 26 255] [255 255 26 26 26 255 255 255 255 255 255 255 26 26 255] [255 255 255 26 26 26 255 255 255 255 255 26 26 26 255] [255 255 255 26 26 26 26 255 255 255 26 26 26 255 255] [255 255 255 255 26 26 26 26 26 26 26 26 26 255 255] [255 255 255 255 255 26 26 26 26 26 26 26 255 255 255] [255 255 255 255 255 255 255 255 255 255 255 255 255 255 255] [255 255 255 255 255 255 255 255 255 255 255 255 255 255 255]]
白黒データに変換
最後に，白黒データに変換する．これには img.convert("P") を実行するとよい．実行結果を確認すると，0が白，1が黒となるような白黒データになっていることがわかる．
画像データを白黒に変換 (01-readfile.py)
from PIL import Image
import numpy as np
import os
filepath = os.path.sep.join(['png', '0-01.png'])
img = Image.open(filepath)
img = img.convert("P") ## 白黒に変換
data = np.asarray(img)
print(data)
[[0 0 0 0 1 1 1 1 1 1 0 0 0 0 0] [0 0 0 1 1 1 1 1 1 1 1 0 0 0 0] [0 0 1 1 1 1 0 0 1 1 1 1 0 0 0] [0 0 1 1 1 0 0 0 0 1 1 1 1 0 0] [0 0 1 1 0 0 0 0 0 0 1 1 1 0 0] [0 0 1 1 0 0 0 0 0 0 0 1 1 1 0] [0 0 1 1 0 0 0 0 0 0 0 1 1 1 0] [0 0 1 1 1 0 0 0 0 0 0 0 1 1 0] [0 0 1 1 1 0 0 0 0 0 0 0 1 1 0] [0 0 0 1 1 1 0 0 0 0 0 1 1 1 0] [0 0 0 1 1 1 1 0 0 0 1 1 1 0 0] [0 0 0 0 1 1 1 1 1 1 1 1 1 0 0] [0 0 0 0 0 1 1 1 1 1 1 1 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]