電脳ヨーグルト

ネガティブからポジティブへ

【CNNでポケモン画像からタイプを判別してみた!】~久しぶりに見たフシギダネは可愛かった~

CNNを使ってポケモンの画像データとポケモンのタイプ(みず、くさ、ほのおetc...)、ポケモンの名前をそれぞれラベル付けし、Google ColaboratoryのGPUを使って学習させました。

 

そしてFlaskを用いてその学習結果をWEBアプリの機能として利用できるようにしました。

 

以下のような入力フォームがあり、画像をサーバーにアップロードすると、そのポケモンが何タイプなのか、またどのポケモンに似ているのかを返してくれます。

 

f:id:at25250410:20190831083529p:plain

 

Case1 フシギダネ

フシギダネの画像を入力しました。

 

フシギダネはどくくさタイプなので一応正しく判別できています。

 

そして、このフシギダネの画像!かわいい・・・

f:id:at25250410:20190831083537p:plain

 

Case2 ポッチャマ

次にポッチャマを判別させました。

 

分かるかな?ポッチャマ、今の大学生ぐらいの年齢ならほとんど知っているはずです。

 

分からない方は以下の画像をみてください。

 

その青いペンギン人間みたいなやつがポッチャマです。

 

ポッチャマはみずタイプなので、この画像も正しく判別できています。

 

f:id:at25250410:20190831083542p:plain

 

Case3 朝青龍

最後に、みなさんおなじみのモンゴルウランバートル出身の元横綱「朝青龍」の画像を入力しました。

 

するとどうでしょぅ!

 

ちゃんとかくとうタイプと答えが返ってきました!

 

f:id:at25250410:20190831083551p:plain

 

みたいな事をやっていました。


判別精度的には28%くらいで正直そんなに良くないです。

しかしポケモンのタイプを15種類にしたので、その分判別も難しく、ポケモンを知らない人が判別しても実際3割ぐらいしか当たらないような気がします・・・

 

15種類なのでテキトーに答えた場合の正答率は6~7%くらいなので、それよりはだいぶマシかなという感じです。

 

学習モデルやデータ画像数、画像の前処理などをもっと色々工夫すれば5割ぐらいまでなら判別精度を上げられそうな気がしなくもないような・・・難しいか(゜-゜)