TensorFlowによるCNNで植物画像を分類（続）

　前回のこのタイトルの記事、なにか具体性がありません。少しはデータを示したらどうなのだと言われそうなので、簡単に追記します。まず、TensorFlowで書いた７層のCNN（Convolutional Neural Network）に学習させた画像は、以下のものです。

　植物の葉の形態（たくさんありますが）を、ここでは５グループに限定して、それに属する写真を学習させました。下図のとおりです。

植物の葉の形態５グループの学習用写真（合計４０枚）

　さて、数十秒で学習が終わったCNNに対して、学習時とは異なる以下の写真２枚を投入してみます。もちろん、こんなに甘くはないです（これは肝に銘じておきます）が、この２例に関してはうまく認識（分類）できました。

評価用写真２枚に対する認識（グループ識別）の結果

　まだまだ、未知の世界なのですが、学習時にも、評価時にも、使った写真の背景や明るさなどには何も手を加えていません。そのまま、学習させ、評価して、このような結果ですから、可能性を感じないわけには行きません。

　なお、この学習過程において、精度がどのように向上して行くか（誤差がどのように減少していくか）をグラフで示しておきます。これは、TensorFlowに付属のTensroboardで表示したものです。

　ここで誤解のないようにコメントして置きたいと思います。上図では、精度1.00すなわち、100%に達しています。しかし、これはどんな画像も間違いなく５グループに正確に分類できることを意味してはいません。あくまで、学習用の４０枚の画像については、すべて正しく（５グループに）グループ分けできるCNNが完成したことを意味します。ですから、学習時とはちがう別の画像を持ってきた場合には、それがどのグループに属すかの判定が正しくできる保証はありません。しかし、どれかのグループの画像に何らかの類似点がある画像を持ってきた場合は、うまくグループ分類できる可能性が（かなりの程度）あるだろうということです。