TensorFlowでディープラーニング使うと、画像のマッチングをさせたり、画像に特徴を注入する画像加工が、簡単にできることを、みんなでワイワイ楽しむオーディエンス参加型セッションです

1. AI入門 第1回
「AIの歴史とTensorFlow」
2017/06/02 ver0.5作成
2017/07/03 ver0.9作成
2017/08/03 ver1.0作成

2. 1
本セッションの趣旨
最初に、AIがどのような歴史を辿ってきたかを軽く紐解きます
次に、巷でよく耳にする「ディープラーニング」について解説します
その後、
「TensorFlowでディープラーニング使うと、
画像のマッチングをさせたり、画像に特徴
を注入する画像加工が、簡単にできる」
ということを、オーディエンス参加型のデモにて、みんなでワイワイ
楽しもうと思います
「人工知能」が、割と気軽に扱えることを体感するセッションです

3. 2
1. AIの歴史とディープラーニング
2. TensorFlowについて
3. TensorFlowを使えるようにする
4. 類似画像DBとのマッチング
5. 学習した特徴を画像に注入
6. ここから先の進み方
目次

4. 3
１．AIの歴史とディープラーニング

5. 4
AI研究・開発は、デジタルコンピュータの登場とほぼ同じ位、長い
歴史をもっています
これまで、2度の「AI冬の時期」があり、現在は、第3次ブームの
真っ最中です
１．AIの歴史とディープラーニング：これまで
？

6. 5
１．AIの歴史とディープラーニング：AIの成果
当初、期待されていた、「人間のように自律的に思考するAI」は、
今もまだ実現できていませんが、各ブームでの副次的な成果は、
様々なコンピューティングや生活に影響を及ぼしています
以下のうち、AIブームで生み出されたものは、どれでしょう？
 自然言語処理
 機械翻訳
 音声認識
 オブジェクト指向プログラミング
 リレーショナルDB
 関数型プログラミング
 インターネット（TCP/IP）
 証券市場（電子取引）

7. 6
１．AIの歴史とディープラーニング
第3次AIブームの立役者は、「ディープラーニング」です
一言で言えば、「期待する値に限りなく近い値を回答できるよう、
マシンに計算させまくって学習してもらう」というアルゴリズムです
ディープラーニングが革新的なのは、「データが持つ特徴を、自動
抽出」できる点です（≒人手が不要）

8. 7
２．TensorFlowについて

9. 8
２．TensorFlowについて
ディープラーニングの急先鋒と言えば、Googleがオープンソース
提供している機械学習エンジン、TensorFlowが最も有名です
（Google内でも使われている、らしい）
ちなみに、「Tensor」とは、数値／配列／行列（マトリクス）
／3次元配列（データキューブ） の”全て”を指します
※3次元以上の配列もデータキューブと呼ばれます
p.s.呼び方は、「テンサーフロー？」、「テンソルフロー？」
※

10. 9
２．TensorFlowについて
TensorFlowは、ディープラーニングだけで無く、以下に挙げる
様々な機械学習アルゴリズムが利用できます
 決定木
 ランダムフォレスト
 サポートベクターマシン（SVM）
 k近傍法
 ロジスティック回帰
 線形多項分類（ハードマックス／ソフトマックス）
 ニューラルネットワーク
 畳み込みニューラルネットワーク（CNN）
 再帰型ニューラルネットワーク（RNN）
など

11. 10
３．TensorFlowを使えるようにする

12. 11
３．TensorFlowを使えるようにする
TensorFlowを使い始めるのに、3種類の方法があります
① 各種OS用のpip（Pythonパッケージマネージャ）経由
でインストールする
② 【Windows、Mac】Anaconda（Python開発環境マ
ネージャ）経由でインストールする
③ DockerからTensorFlowイメージをインスト―ル(pull)
する
Dockerが最もお手軽ではありますが、今回は、画像をアレコレ
操作する都合から、Windows版を使って解説します

13. 12
３．TensorFlowを使えるようにする
「Anaconda」は、数学系、科学系、データ分析系のPython
パッケージを、一括でインストールでき、かつ複数の環境も管理で
きるアプリで、TensorFlowも簡単にインストールできます

14. 13
３．TensorFlowを使えるようにする
ターミナルを起動し、TensorFlowをpipでインストールします
# pip install tensorflow

15. 14
３．TensorFlowを使えるようにする
PythonコマンドでREPLが起動し、TensorFlowがエラー無く
importできれば、インストールは成功です
exit()と打てば、Pythonを抜けて、ターミナルに戻ります
インストール失敗しているときは、以下のようなエラーが返ります
# python
>>> import tensorflow as tf
>>>
>>> import tensorflow as tf
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'tensorflow'
>>> exit()
#

16. 15
３．TensorFlowを使えるようにする
REPL内で、TensorFlowを使った簡単な行列計算プログラムを
書いてみましょう
# python
>>> import tensorflow as tf
>>> sess = tf.Session()
>>> xt = tf.constant( [ [ 1, 3 ], [ 2, 7 ] ], tf.int32, name="x" )
>>> print( sess.run( xt ) )
[[1 3]
[2 7]]
>>> yt = tf.constant( [ [ 3, 5 ], [ 6, 9 ] ], tf.int32, name="y" )
>>> print( sess.run( yt ) )
[[3 5]
[6 9]]
>>> add_t = tf.add( xt, yt )
>>> print( sess.run( add_t ) )
[[ 4 8]
[ 8 16]]

17. 16
4．類似画像DBとのマッチング

18. 17
4．類似画像DBとのマッチング
TensorFlow用の「機械学習モデル」のチュートリアルがgithub
にアップされているので、以下コマンドで手元にダウンロードします
画像DBとして、「ImageNet」という、様々な画像を持つサイト
を使い、このサイトにある画像との類似画像マッチングを行います
マッチング対象の画像として、下記のキュートな猫の画像を
「a.png」というファイル名で保存します
(ディープラーニングと言えば、やっぱ猫ですよねw)
# cd 【Anacondaインストール先】Anaconda3envstf110Libsite-
packagestensorflow
# git clone https://github.com/tensorflow/models

19. 18
4．類似画像DBとのマッチング
チュートリアルのImageNet配下にある、classify_image.py
を使うと、ImageNetとの類似画像マッチングを行います
# cd modelstutorialsimageimagenet
# python classify_image.py --image_file="a.png"
tabby, tabby cat (score = 0.74141)
tiger cat (score = 0.11748)
Egyptian cat (score = 0.00662)
beaker (score = 0.00310)
Persian cat (score = 0.00211)
tabby cat
(トラ猫) tiger cat
(トラ猫)
beaker
(ビーカー)
Persian cat
(ペルシャ猫)Egyptian cat
(エジプト猫)

20. 19
4．類似画像DBとのマッチング
他の画像で遊んでみよう！

21. 20
4．類似画像DBとのマッチング
画像認識の課題には、こんなものがあります
a. 複数の対象を判別できない
 たとえば、服の販売画像のモデルが、帽子やチョーカー
をしていた場合、どれが商品なのか判別できない
 画像とは別に、商品を判別する別データが必要
 たとえば、複数の人が挙手している様を見て、何人手
を挙げているかが認識率弱い
b. 特徴から判断はできるが、対象が何なのかを理解しない
 対象の「概念」を理解している訳では無い
 人間がいとも簡単にできる系統類似判別は困難
こうした課題は、画像認識だけで無く、音声認識においても同様
で、ディープラーニングでも解決し切れない領域の1つです

22. 21
５．学習した特徴を画像に注入

23. 22
５．学習した特徴を画像に注入
TensorFlow用の「画像特徴注入」のコードが、githubにアップ
されているので、以下コマンドで手元にダウンロードします
各種画像処理ライブラリをインストールします
以下URLにブラウザでアクセスし、特徴学習済みモデル
(.ckptファイル)をダウンロードします
今回は、葛飾北斎の絵画で学習したモデル「wave.ckpt」を
使ってみます
# cd ......
# git clone https://github.com/lengstrom/fast-style-transfer
https://drive.google.com/drive/folders/0B9jhaT37ydSyRk9UX0wwX3BpMzQ
# conda install pillow scipy numpy

24. 23
５．学習した特徴を画像に注入
fast-style-transfer配下にある、evaluate.pyを使い、先程
ダウンロードした特徴学習済みモデルを、画像に適用します
北斎風になりました
# cd fast-style-transfer
# python evaluate.py --checkpoint ./wave.ckpt --in-path ./a.png --
out-path ./out.png

25. 24
６．ここから先の進み方

26. 25
６．ここから先の進み方
今回は、TensorFlowの入門として、チュートリアルの機械学習
モデルを使って、「画像マッチング」と「特徴注入」を行いました
ここから先の進み方として、以下のようなルートがあります
① チュートリアルにある、他のモデルを試す
https://www.tensorflow.org/tutorials/
② AI入門 第2回
「EMR／Spark／Mahoutでレコメンドエンジンを作る」
で、TensorFlow以外の機械学習について学ぶ
https://www.slideshare.net/piacere_ex/ai2emrsparkmahoutlt
③ 画像データだけでなく、時系列データの
特徴抽出やデータ分析にチャンレジする