【情報学分野（地域産業コース）】AIシステム開発プロジェクト演習（第13週～第14週）を実施しました

　本記事では，欧洲杯外围盘口_欧洲杯滚球平台-投注|官网4年度第３クォーターから始まっているAIシステム開発プロジェクト演習の第13週～第14週に実施された授業内容についてご紹介します。

第１週～第12週の授業については以下より御覧いただけます。
【情報学分野（地域産業コース）】AIシステム開発プロジェクト演習が始まりました
【情報学分野（地域産業コース）】AIシステム開発プロジェクト演習（第5週～第8週）を実施しました
​【情報学分野（地域産業コース）】AIシステム開発プロジェクト演習（第9週～第12週）を実施しました

第13-14週 「YOLOを使ったマスク認識​」（担当：市村匠）

　１月１６日及び２３日の１?２限目において，深層学習を使った物体検出の実験を行った。LinuxがインストーされたPCを使って，Anaconda Jupyter Notebook上で開発環境を構築し，YoLo Ver5をインストールした。YoLoとはYou Only Look Onceの略で，検出窓をスライドさせる方法ではなく，画像を一度深層学習（CNN）に通すことで，オブジェクトを検出する。今回の実験では，まずgithubで公開されているYoLoの動作確認を行った。
　次に，Mask Wearing Dataset[1]を用いてマスク画像の検出を行った．ダウロードした画像の一部を学習用，検証用，テスト用に分割し，モデルを学習し，精度を向上させた。さらに，データセットには含まれない画像を用いた実験を行うため，マスクをつけた顔画像を撮影し，画像サイズを変更した上でモデルに与え，検出できることを確認した。
　しかしながら，学習回数が少ないと検出できない画像があり，図１のように，tensorboardで表示された学習曲線を見た上で，パラメタを調整しながら精度を向上させる実験を繰り返した。真陽性や偽陽性から，学習曲線の評価指標について数式を用いて理解し，パラメタ調整の方法を考えた。この結果，単純な正解率だけでなく，適合率や再現率の重要性も理解していた。
　学生は，パラメタを調整しながら何度も学習させより良いモデルを構築し，全員が自身のマスク画像の検出に成功した（図３）。

[1] Mask Wearing Dataset，https://public.roboflow.com/object-detection/mask-wearing, 2023/1/23閲覧

図１ tensorboardで表示された学習曲線（例）​


図２　学習回数が少ないと検出できなかった事例​


図３a)プログラム開発を行う学生１​


図３b)プログラム開発を行う学生２​


​図３c)プログラム開発を行う学生３