℃-uteファン歴半年のド新規なのですが、先日バスツアーに参加しました。
初日はお昼にメンバー5人との6ショット。バスガイドさん姿がとても神々しく、一生の思い出になりました。夜はディナートークショーにカラオケ大会。ロマモが生で聴けて岡井千聖さんファンとして心から感動しました。前半ラストのultra soulもとても盛り上がり、ウルトラソウル！のタイミングの会場全体で全力ジャンプは最高でした。後半ラストchoo choo trainでも会場全体で踊りが発生して、こんな楽しいカラオケは今後ないだろうなあと思います。
2日目は朝はシーサーの色塗りで中島早貴さん、鈴木愛理さんが降臨。シーサーにサインを入れてもらい、お二人が見回る中色を塗っていきます。皆さんシーサーの色を見れば推しメンがわかるような色塗りをしていました。私も緑多めに塗りました。ランチでは岡井千聖さん、萩原舞さんのトークショー。お二人はお互いの恥ずかしい動画を公開しあって、会場を沸かせました。夕方は矢島舞美さんが琉球の姫に扮し、演奏+歌を聞かせてくれました。夜はミニライブ。個人的にはズンタカマーチ、ハエ男、ひょっこりひょうたん島が聴けて嬉しかったです。
最終日はファンのつ℃い。抽選会の後、メンバーへのサプライズで、各メンバーのファン代表2人ずつがメッセージを読み上げる企画がありました。順番は萩原舞さんからだったのですが、、一瞬で泣いてしまいました。というのも沖縄に行く前日にメンバーの方々が解散後のご自身の活動についてブログを書かれていて、矢島舞美さん、中島早貴さん、鈴木愛理さん、岡井千聖さんについては芸能界に残るとのことだったのですが、萩原舞さんは芸能界を引退されるとのことを述べており、萩原舞さんのファン代表の方の言葉は非常に胸に刺さりました。メンバーからファンへのメッセージもファンへの愛に溢れて、その言葉を聞けて本当に幸せな気持ちになれました。バスツアーで泣いちゃったので、さいたまスーパーアリーナは私は絶対泣くんだろうなあと思います。
さて、今回はGWにアイドルの顔認識に取り組んだのでその備忘録（Twitterのアイドルアカウントの分析は別で進めています）。以下はこれまでにアイドルを対象に顔認識に取り組まれた方々。
私のお題はもちろん℃-uteさん。
手順は次の通りです。
1.画像の収集
2.画像加工
3.ラベル付け
4.モデル学習
かけた時間の比率は0.5:0.5:8:1ぐらいだと思います。スクリプトを公開してくださっている方のおかげで、ラベル付け以外はそれほど苦労しませんでした。
1.画像の収集
画像取得は以下のサイトを参考にいたしました。ありがとうございます。
こちらで紹介されているスクリプトの19-25行目の認証関係と、
32-36行目のところを
SCREEN_NAMES = '''Cute_upfront'''
としただけ。
こちらのスクリプトを実行し、Cute_upfrontアカウントがTwitterにあげた画像700枚を収集できました。
2.画像加工
画像から顔の部分を切り取ります。顔の抽出にはGoogle Cloud Vision APIを使ってみたかったので、これを利用し、顔の座標特定。OpenCVを組み合わせて切り取り。
画像加工はこちらのサイトを参考にいたしました。ありがとうございます。
こちらで紹介されているスクリプトを複数の画像で実行できるように少し変更しました。
・imagesで画像ファイル名取得
・for文でimages全てを画像加工
#!/usr/bin/python
#coding:utf-8
import cv2
import os
import sys
import base64
import json
import requests
import glob
#import subprocess
# APIのURL
# APIキー
api_key = ''
#画像ファイル名取得
images = glob.glob('*.jpg')
#画像の数だけ実行
for input in images:
print input
#リクエスト用のデータ作成
with open(input, 'rb') as image:
base64_image = base64.b64encode(image.read())
data = {
'requests': [{
'image': {
'content': base64_image,
},
'features': [{
'type': 'FACE_DETECTION',
'maxResults': 10,
}]
}]
}
# リクエスト送信
header = {'Content-Type': 'application/json'}
response = requests.post(api_url + api_key, json.dumps(data))#, header)
# 分析結果の取得
if response.status_code == 200:
#print response.text
json_response = json.loads(response.text)
# 顔認識の結果が含まれていれば切り出す
if json_response['responses'][0].has_key('faceAnnotations'):
# 認識できた顔の数だけループ
for i, face in enumerate(json_response['responses'][0]['faceAnnotations']):
# 顔画像位置
vertices = [(v.get('x', 0.0), v.get('y', 0.0)) for v in face['fdBoundingPoly']['vertices']]
#print vertices
# 顔画像の切り出し
src = cv2.imread(input)
dst = src[int(vertices[0][1]):int(vertices[2][1]), int(vertices[0][0]):int(vertices[2][0])]
dst = cv2.resize(dst, (112,112))
# 顔画像の出力パスを作成
root, ext = os.path.splitext(input)
face_image_path = root + '_face' + str(i) + ext
# 顔画像の出力
cv2.imwrite(face_image_path , dst)
else:
print u'顔が認識されませんでした'
else:
print 'Http response error'
プログラムを画像が入ったフォルダに入れて動かすと、顔の切り出しが完了です。
3.ラベル付け
目と手を使って振り分けました。左は岡井千聖さん、右は中島早貴さんです。
教師なしで似てる顔を分類してくれるGooglePhotoに全て入れれば大分楽できるなとは思いながらも、自力で3-4日かけて泥臭くやりました（ニコニコしながら）。この作業は好きな写真じゃなかったらなかなか辛いと思います。結果、メンバーごとに以下のフォルダに写真を分け終わりました。
4.モデル学習
TensorFlowを使いました。
こちらで紹介されているスクリプトを参考にしました。ありがとうございます。
訓練データ・テストデータの画像とラベルの一覧ファイル（train.txtとtest.txt）は下画像の通りに準備（1列目に画像ファイルのパス、2列目にラベル（矢島さんであれば0、中島さんであれば1、鈴木さんであれば2、岡井さんであれば3、萩原さんであれば4とした））。訓練データとテストデータの比率は877枚：218枚です。
NUM_CLASSESは5（メンバーの数）に変更。また、tensorflowのバージョン移行に対応して、少し修正しました。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import sys
import cv2
import numpy as np
import tensorflow as tf
import tensorflow.python.platform
NUM_CLASSES = 5
IMAGE_SIZE = 112
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3
flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_string('train', 'train.txt', 'File name of train data')
flags.DEFINE_string('test', 'test.txt', 'File name of test data')
flags.DEFINE_string('train_dir', 'メンバーのフォルダを置いたディレクトリ', 'Directory to put the training data.')
flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 10, 'Batch size'
'Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')
def inference(images_placeholder, keep_prob):
""" 予測モデルを作成する関数
引数:
images_placeholder: 画像のplaceholder
keep_prob: dropout率のplace_holder
返り値:
y_conv: 各クラスの確率(のようなもの)
"""
# 重みを標準偏差0.1の正規分布で初期化
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
# バイアスを標準偏差0.1の正規分布で初期化
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
# 畳み込み層の作成
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
# プーリング層の作成
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
# 入力を112x112x3に変形
x_image = tf.reshape(images_placeholder, [-1, 112, 112, 3])
# 畳み込み層1の作成
with tf.name_scope('conv1') as scope:
W_conv1 = weight_variable([5, 5, 3, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
# プーリング層1の作成
with tf.name_scope('pool1') as scope:
h_pool1 = max_pool_2x2(h_conv1)
# 畳み込み層2の作成
with tf.name_scope('conv2') as scope:
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
# プーリング層2の作成
with tf.name_scope('pool2') as scope:
h_pool2 = max_pool_2x2(h_conv2)
# 全結合層1の作成
with tf.name_scope('fc1') as scope:
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
# dropoutの設定
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
# 全結合層2の作成
with tf.name_scope('fc2') as scope:
W_fc2 = weight_variable([1024, NUM_CLASSES])
b_fc2 = bias_variable([NUM_CLASSES])
# ソフトマックス関数による正規化
with tf.name_scope('softmax') as scope:
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
# 各ラベルの確率のようなものを返す
return y_conv
def loss(logits, labels):
""" lossを計算する関数
引数:
logits: ロジットのtensor, float - [batch_size, NUM_CLASSES]
labels: ラベルのtensor, int32 - [batch_size, NUM_CLASSES]
返り値:
cross_entropy: 交差エントロピーのtensor, float
"""
# 交差エントロピーの計算
cross_entropy = -tf.reduce_sum(labels*tf.log(logits))
# TensorBoardで表示するよう指定
tf.scalar_summary("cross_entropy", cross_entropy)
return cross_entropy
def training(loss, learning_rate):
""" 訓練のOpを定義する関数
引数:
loss: 損失のtensor, loss()の結果
learning_rate: 学習係数
返り値:
train_step: 訓練のOp
"""
train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
return train_step
def accuracy(logits, labels):
""" 正解率(accuracy)を計算する関数
引数:
logits: inference()の結果
labels: ラベルのtensor, int32 - [batch_size, NUM_CLASSES]
返り値:
accuracy: 正解率(float)
"""
correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
tf.scalar_summary("accuracy", accuracy)
return accuracy
if __name__ == '__main__':
# ファイルを開く
f = open(FLAGS.train, 'r')
# データを入れる配列
train_image = []
train_label = []
for line in f:
# 改行を除いてスペース区切りにする
line = line.rstrip()
l = line.split()
# データを読み込んで112x112に縮小
print(l[0])
img = cv2.imread(l[0])
#img = cv2.resize(img, (112, 112))
# 一列にした後、0-1のfloat値にする
train_image.append(img.flatten().astype(np.float32)/255.0)
# ラベルを1-of-k方式で用意する
tmp = np.zeros(NUM_CLASSES)
tmp[int(l[1])] = 1
train_label.append(tmp)
# numpy形式に変換
train_image = np.asarray(train_image)
train_label = np.asarray(train_label)
f.close()
f = open(FLAGS.test, 'r')
test_image = []
test_label = []
for line in f:
line = line.rstrip()
l = line.split()
img = cv2.imread(l[0])
#img = cv2.resize(img, (112, 112))
test_image.append(img.flatten().astype(np.float32)/255.0)
tmp = np.zeros(NUM_CLASSES)
tmp[int(l[1])] = 1
test_label.append(tmp)
test_image = np.asarray(test_image)
test_label = np.asarray(test_label)
f.close()
with tf.Graph().as_default():
# 画像を入れる仮のTensor
images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
# ラベルを入れる仮のTensor
labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
# dropout率を入れる仮のTensor
keep_prob = tf.placeholder("float")
# inference()を呼び出してモデルを作る
logits = inference(images_placeholder, keep_prob)
# loss()を呼び出して損失を計算
loss_value = loss(logits, labels_placeholder)
# training()を呼び出して訓練
train_op = training(loss_value, FLAGS.learning_rate)
# 精度の計算
acc = accuracy(logits, labels_placeholder)
# 保存の準備
saver = tf.train.Saver()
# Sessionの作成
sess = tf.Session()
# 変数の初期化
sess.run(tf.initialize_all_variables())
# TensorBoardで表示する値の設定
summary_op = tf.merge_all_summaries()
summary_writer = tf.train.SummaryWriter(FLAGS.train_dir, sess.graph_def)
# 訓練の実行
for step in range(FLAGS.max_steps):
for i in range(len(train_image)/FLAGS.batch_size):
# batch_size分の画像に対して訓練の実行
batch = FLAGS.batch_size*i
# feed_dictでplaceholderに入れるデータを指定する
sess.run(train_op, feed_dict={
images_placeholder: train_image[batch:batch+FLAGS.batch_size],
labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
keep_prob: 0.5})
# 1 step終わるたびに精度を計算する
train_accuracy = sess.run(acc, feed_dict={
images_placeholder: train_image,
labels_placeholder: train_label,
keep_prob: 1.0})
print "step %d, training accuracy %g"%(step, train_accuracy)
# 1 step終わるたびにTensorBoardに表示する値を追加する
summary_str = sess.run(summary_op, feed_dict={
images_placeholder: train_image,
labels_placeholder: train_label,
keep_prob: 1.0})
summary_writer.add_summary(summary_str, step)
# 訓練が終了したらテストデータに対する精度を表示
print "test accuracy %g"%sess.run(acc, feed_dict={
images_placeholder: test_image,
labels_placeholder: test_label,
keep_prob: 1.0})
# 最終的なモデルを保存
save_path = saver.save(sess, "model.ckpt")
終わるまで30分ぐらいだったかと思います。最後にコマンドラインで以下を実行。
tensorboard --logdir （スクリプトを実行したディレクトリ）
実行後以下にアクセスすると、tensorboard（モデルの精度、学習過程をグラフで見せてくれる）が見れるようになります。
画像は訓練データの的中精度です（一度ガクンと精度が落ちてるところがありますが、原因調査までは至れていません）。訓練データについては80ステップ程で精度100%まで達していました。
最後にテストデータの精度をチェック。
#!/usr/bin/env python
#! -*- coding: utf-8 -*-
import sys
import numpy as np
import tensorflow as tf
import cv2
NUM_CLASSES = 5
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3
def inference(images_placeholder, keep_prob):
""" モデルを作成する関数
引数:
images_placeholder: inputs()で作成した画像のplaceholder
keep_prob: dropout率のplace_holder
返り値:
cross_entropy: モデルの計算結果
"""
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])
with tf.name_scope('conv1') as scope:
W_conv1 = weight_variable([5, 5, 3, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
with tf.name_scope('pool1') as scope:
h_pool1 = max_pool_2x2(h_conv1)
with tf.name_scope('conv2') as scope:
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
with tf.name_scope('pool2') as scope:
h_pool2 = max_pool_2x2(h_conv2)
with tf.name_scope('fc1') as scope:
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
with tf.name_scope('fc2') as scope:
W_fc2 = weight_variable([1024, NUM_CLASSES])
b_fc2 = bias_variable([NUM_CLASSES])
with tf.name_scope('softmax') as scope:
y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
return y_conv
if __name__ == '__main__':
test_image = []
for i in range(1, len(sys.argv)):
img = cv2.imread(sys.argv[i])
img = cv2.resize(img, (28, 28))
test_image.append(img.flatten().astype(np.float32)/255.0)
test_image = np.asarray(test_image)
images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
keep_prob = tf.placeholder("float")
logits = inference(images_placeholder, keep_prob)
sess = tf.InteractiveSession()
saver = tf.train.Saver()
sess.run(tf.global_variables_initializer())
saver.restore(sess, "model.ckpt")
for i in range(len(test_image)):
accr = logits.eval(feed_dict={
images_placeholder: [test_image[i]],
keep_prob: 1.0 })[0]
pred = np.argmax(logits.eval(feed_dict={
images_placeholder: [test_image[i]],
keep_prob: 1.0 })[0])
print pred,accr
テストデータの精度は75%ぐらいでした。パラメータチューニングをしない状態でそれぐらいの精度出るんですね。明日は春ツアー千秋楽@名古屋で朝早いので半端ですが、今回はここで終わり！
