あなたが書いた数字を、人工知能は正しく認識できるか？ – 第３回（全4回）

• 前回の記事

 

前回までは人工知能の一般論が中心でした。今回は、人工知能の認識精度を上げる為に、デモの開発中に試したことを説明します。

デモの内部構造について

デモの内部構造は、以下のようになっています。

 

左下のmnistデータセットは、様々な人が書いた手書き数字（28×28ピクセルの白黒画像）を約６万枚集めた、一般公開されているデータ集です。それぞれの画像に、正解（０〜９のいずれか）がタグ付けされているところがポイントです。

それ以外の要素については、前回説明ずみなので説明を省きます。

 

検証１：前処理を工夫して、認識精度を上げる

いろいろな前処理を試して、精度向上の効果を検証しました。以下は、その結果と前処理の概要です。

検証結果

前処理なし

mnistデータセットをそのまま使用します。他の方法と比較するためのベースラインです。

大きさを揃える

数字を認識するうえで、文字の大きさは関係ありません。ということは、大きさは認識に不要な情報と考えら
れるので、全ての手書き数字を同じ大きさに揃えて、統計に反映されないようにします。

向きを揃える

数字を認識するうえで、文字の傾き具合は関係ありません。字の向きを揃えて、統計に反映されないようにします。

細線化

数字を認識するうえで、線の幅は関係ありません。幅を一定（1ピクセル幅）に揃えて、統計に反映されないようにします。

 

検証２：最適なデータ量を求める

mnistデータセットには６万の手書き数字がありますが、認識精度を上げるために、そんなに沢山のデータが必要なのでしょうか？この素朴な疑問を検証しました。

検証結果

100組

mnistデータセットから、０－９の数字それぞれにつき１０組を無作為抽出しました。

100組×10

[100組]のデータセットを元に、それぞれの画像をランダムに歪めながら、10倍に水増ししました。

60,000組

mnistデータセットをそのまま使用します。

60,000組×10

[60,000組]のデータセットを元に、それぞれの画像をランダムに歪めながら、10倍に水増ししました。

 

検証３：デモと同じ環境を使ってデータセットを用意する

mnistデータセットの手書き数字は、ペン（もしくは鉛筆）で書かれたように見えます。一方、デモ画面ではマウス（スマホであれば指）を使って書きます。この違いが認識精度に影響するか検証しました。

検証結果

ペン書き

mnistデータセットから、０－９の数字それぞれにつき１０組を無作為抽出しました。

マウス書き

デモ画面を使ってひたすらカキカキした画像を、０－９の数字それぞれにつき１０枚集めました。

ペン書き×10

[ペン書き]のデータセットを元に、それぞれの画像をランダムに歪めながら、10倍に水増ししました。

マウス書き×10

[マウス書き]のデータセットを元に、それぞれの画像をランダムに歪めながら、10倍に水増ししました。

 

検証して分かったこと

検証１〜３のいずれについても、認識精度に影響を与える結果となりました。特に、データセット量の違いによるインパクトがとても大きいです。

個人的には、「向きを揃える」や「細線化」の前処理で精度が上がらなかったのが予想外でした。

次回（最終回）は、この結果を分析しつつ、人工知能の開発の特殊性にも触れて、本連載を締めたいと思います。