類似構図検索botをver.2.3に更新する(その2)
前回の記事の続き
前回の続きといったが、これは嘘だ！！
なんやかんやあって気が変わった。
今までは画像の特徴抽出にニューラルネットワークの最終畳み込み層を使ってたんだけど、
もしかしてAveragePooling後の特徴使った方がいいんじゃね？って気がしてきた。
というわけでKerasの学習済みXceptionモデルを使うことを検討する。
今使ってる特徴抽出方法と比較したときのメリットは、
- 入力画像サイズが128×128から299×299に大きくなる
- 特徴抽出データのサイズが230MBから30MBになる
- Xceptionモデルの方が精度が高い
デメリットは、
- 計算に2～3倍くらい時間がかかる(1秒以上かかる)
- Xceptionモデルの容量が今のモデルの10倍くらい
- 類似構図検索の精度が上がるかどうかは謎(落ちるかも)
デメリットの2番目は特徴抽出データのサイズが小さくなったから若干のデメリットになるくらい。
データベースの画像が増えてくるとむしろメリットになる。
一番の問題の構図検索の精度は今から実験してみよう！！
類似構図検索のテストにはこちらの類似構図検索データセットを使います。
このデータセットでバトミントンしてるゆずちゃんかテニスしてるとときんが出てきたら合格。
はいドーン！！
ドーン！！
ドーン！！
ドーン！！
ドーン！！
ドーン！！
ドーン！！
よし！合格！！
MobileNetV1(画像サイズ128×128)モデルをXceptionモデルに差し替えます！！
