ゆうき（ @BASEBALLY15 )です^^
前回に，畳み込みニューラルネットワークを使って，キャベツとレタスを判定したのですが，精度があまり良くありません・・・
確かに，前回は，精度が70%くらいになり，あまり良くありませんでしたね・・・
画像の形式を変えてみて，検証してみましょうか^^
そうですね^^
（Udemy『画像判定AIアプリ開発・パート1』を参考，AnacondaのSpyderを使用）
目次
RGB値からHSV値へ
前回は，画像を読み込んだ後に，RGB値へ変換していました．
RGB値から他の形式に変換すると，精度が向上するのではないかと考え，
今回は，HSV値形式に変換を行って精度の検証を行いました．
RGB値とは?
RGBとは，赤（Red），緑（Green），青（Blue）の3色を混ぜて，様々な色を表現することを言います．
RGBは，0から255までの階層で表現され，
- （R,G,B）=（255,0,0）→赤
- （R,G,B）=（0,255,0）→緑
- （R,G,B）=（0,0,255）→青
といったように，色を数値として表現することができます．
HSV値とは?
HSVとは，色相（Hue），彩度（Saturation・Chroma），明度（Value・Brightness）の3つの成分から成る色空間のことを言います．
- 色相（H）→具体的な色を定義する要素．0°～360°で表現される．
- 彩度（S）→色の鮮やかさ・濃さを表す要素．0%～100%で表現される．
- 明度（V）→色の明るさ・暗さを表す要素．0%～100%で表現される．
といったように，色を定義するだけでなく，
どのような特徴を持った色なのか
ということまで，表現することができます．
HSV値で精度を検証してみよう!
前回に，Flickrというサイトから，キャベツとレタスの画像をそれぞれダウンロードしました．
今回は，その画像を使って，処理を行っていきたいと思います．
ライブラリとコード
前回に，RGB値でのライブラリとコードをご紹介しました．
コードの変更点が少ないため，変更した部分を載せておきます^^
新たにファイルの作成
まずは，ファイル内にある『veg_generatedata.py』をコピーして，
コピーしたものを，『veg_generatedata_HSVver.py』という名前に変更します．
また，『veg_cnn.py』をコピーして，『veg_cnn_HSVver.py』という名前に変更します．
前回から変更したところ-その1-
ファイル名：veg_generatedata_HSVver.py
まずは，”RGB“と記述されていたところを”HSV“に変更します．
そして，np.save()内の学習用とテスト用のデータの保存名を変更します．
これを変更しないと，前回に保存したデータに上書きされてしまいます!
変更後，セーブをして，Anaconda Promptを開き，
- activate tf140
- cd ディレクトリ名\ファイル名
- python veg_generatedata_HSVver.py
と記述すると，新たに『vegetables_HSVver.npy』というファイルが保存されます．
前回から変更したところ-その2-
ファイル名： veg_cnn_HSVver.py
上で保存したファイルを読み込むので，読み込むファイル名を上と同様に変更しておきます．
そして，学習用のモデル名も変更しておきます．
変更後，セーブをして，Anaconda Prompt上で，
- python veg_cnn_HSVver.py
と記述すると，このように，精度の検証が始まります．
結果を見ると， 精度が 80%を超えていることが分かります．
前回の精度が，77％くらいだったので，約3%向上しました^^
HSVによって，彩度や明度が加わることで，より判定がしやすくなったのではないでしょうか．
終わりに
今回は，画像をRGB値からHSV値に変更して，判定の精度を検証しました．
3%と聞くと，あまり変わらないじゃないかと思うかもしれませんが，
変更したことによって，精度が向上したことは確かです!!
ぜひ，みなさんも機械学習の勉強を行う際は，精度にこだわってみてください^^
それでは・・・