基本的な流れは、Matlabの無料教材の下記を参照しています。
https://jp.mathworks.com/learn/tutorials/deep-learning-onramp.html
(1) プロジェクト設定
今回の作業フォルダを「deep01」としておきます。その中にLive Scriptファイル「deep01.mlx」を作成します。さらに学習用・テスト用画像フォルダ「image」を作っておきます。
(2) 画像データの用意
imageフォルダの中に、画像データを入れておきます。今回は１２個の献立を分類するので、その献立毎12個のフォルダを作成して、フォルダ名は献立名にしておきます。
注意：jpegファイルでCMYK形式のファイルは、今回の読み込みでエラーになるので省いておきます。
(3) 画像の取り込み
今回はalexnetを転移学習して利用するため、入力の画像データが227 x 227 x 3になります。データストアを作成するときに、画像を加工しておく関数を用意します。
読み込みスクリプト
サブフォルダの読み込み、フォルダ名をラベル名にする、読み込み時にimageread関数を適用する、を指定しています。学習用ファイルとテスト用ファイルを4:1にしています。分類をいくつするかを、numClassesに入れています。
ここまで実行するとWorkspaceに読み込まれます。
関数：numel 配列の要素数を返す
https://jp.mathworks.com/help/matlab/ref/numel.html
montage(food_ds)
としてみると、画像一覧が見られます。
(4) 学習ネットワークの作成
今回は学習済みモデル「alexnet」を転移学習していきます。
alexnetを読み込み、レイヤーを見てみると25層あることがわかります。
第23層：1000個の出力クラスに紐づいています。
第25層：出力層です
ここでは、２３層を全結合層：分類数12、２５層を分類出力層と指定します。
fullyConnectedLayer ：https://jp.mathworks.com/help/deeplearning/ref/nnet.cnn.layer.fullyconnectedlayer.html
classificationLayer：https://jp.mathworks.com/help/deeplearning/ref/classificationlayer.html
(5) 学習の実行
まず、学習アルゴリズムを指定します。
%学習アルゴリズム オプションの設定
options = trainingOptions('sgdm','InitialLearnRate', 0.001);
sgdm : ネットワーク学習ソルバー (sgdm, rmsprop, adamから選択) モーメンタム項付き確率的勾配降下法 (SGDM)
InitialLearnRate : 初期学習率を指定、今回は0.001(sgdmの初期学習率は0.01)
https://jp.mathworks.com/help/deeplearning/ref/trainingoptions.html
%学習の実行
[foodnet,info] = trainNetwork(trainImgs, layers, options);
時間がかかります。
学習損失のプロット：info の TrainingLoss フィールドに格納
(6) 学習済みネットワークを用いた分類
学習したネットワークを用いて、テストデータを分類してみます。
testpreds = classify(foodnet,testImgs);
numCorrect = nnz(foodpreds == testImgs.Labels)
精度を確認
foodCorrect = numCorrect / numel(foodpreds)
混同行列の作成
[foodconf, foodnames] = confusionmat(testImgs.Labels, foodpreds)
confusionchart(testImgs.Labels, foodpreds)
ヒートマップの作成
heatmap(foodnames, foodnames, foodconf)
ほうれん草のおひたし：OK(間違え:0)
味噌汁：ほぼOK(間違え:1)
カレー：肉じゃがと間違えられる(間違え:3)
コロッケ：ソーセージと唐揚げに間違えられる(間違え:3)
ソーセージ：精度低い(間違え:6)
ハンバーグ：コロッケに間違えられる(間違え:4)
パン：ぼちぼち(間違え:2)
唐揚げ：精度低い(間違え:8)
卵焼き：餃子と間違えられる(間違え:3)
肉じゃが：唐揚げと間違えられる(間違え:1)
餃子：精度低い(間違え:4)
魚の照り焼き：カレーに間違えられる(間違え:6)
ソーセージ、唐揚げ、魚の照り焼きに間違えが多い。唐揚げに間違えられるのも多い。
関数 nnz : 行列中で等しい要素数を返す
https://jp.mathworks.com/help/matlab/ref/nnz.html
confusionmat : 分類問題用の混同行列の計算
https://jp.mathworks.com/help/stats/confusionmat.html
https://github.com/smzn/deep01/blob/master/deep01.mlx
参考として
MABLABでは、JPEGでもCMYK形式の画像を受け付けていません。CMYK形式の画像を見つける方法としては、
ImageMagickをインストール
https://imagemagick.org/
環境変数の登録
例：C:\Program Files\ImageMagick-7.0.8-Q16
CMYKファイルのみカラーデータ表示させる
windows
magick identify -verbose *.jpg | ( findstr "Colorspace Image:" | findstr "CMYK Image:")
