【Python/Keras】CNNで手書き文字認識(mnist)の学習・識別

Pythonの深層学習モジュール「Keras」とCNN（畳み込みニューラルネットワーク）で手書き文字認識(mnist)の学習・識別方法をソースコード付きで解説します。

【Keras】CNN（畳み込みニューラルネットワーク）で手書き文字認識

Pythonの深層学習モジュール「Keras」とCNN（畳み込みニューラルネットワーク）で手書き文字画像の分類を行います。

本ページの内容は以下動画でも解説しています。

畳み込みニューラルネットワーク（CNN:Convolutional Neural Network)とは、ディープラーニングの手法の１つで、主に画像認識に利用されています。
ニューラルネットワークの重み計算に「畳み込み演算（Convolution）」が用いられていることから、CNNと呼ばれています。

mnistのデータセットは、「6万枚の手書き数字の学習用画像」と「1万枚のテスト画像」が格納されています。
これらの画像は全て28×28[px]のグレースケール画像となっています。
mnistのデータセットは、機械学習の性能評価によく用いられます。

–	–
入力データ	1つの数字が書かれた画像データ。MNISTの画像1つは 28×28(＝784)pxの大きさです。 1pxに「白:255」〜「黒:0」までの色情報が記録されています。 1つの画像の全てのピクセルの情報を入力するので、入力数は784個となる。
出力データ	入力された画像データが「0」〜「9」のどの数字画像なのか、その確率を「0」〜「9」毎に出力。そのため出力数は10で、最も確率の高いものが、予測結果の数字となる。例「0.7, 0, 0, 0, 0, 0, 0.2, 0, 0, 0.1」（0の確率70%, 6の確率20%, 9の確率10%, 他0%）
One-Hotエンコーディング	One-Hotとは、「1つだけ1でそれ以外は0のベクトル（行列）」のことです。One-Hotエンコーディングは、カテゴリー変数をOne-Hotのベクトル（行列）に変換することです。

–

入力データ

1つの数字が書かれた画像データ。MNISTの画像1つは 28×28(＝784)pxの大きさです。 1pxに「白:255」〜「黒:0」までの色情報が記録されています。 1つの画像の全てのピクセルの情報を入力するので、入力数は784個となる。

出力データ

入力された画像データが「0」〜「9」のどの数字画像なのか、その確率を「0」〜「9」毎に出力。そのため出力数は10で、最も確率の高いものが、予測結果の数字となる。

例「0.7, 0, 0, 0, 0, 0, 0.2, 0, 0, 0.1」
（0の確率70%, 6の確率20%, 9の確率10%, 他0%）

One-Hotとは、「1つだけ1でそれ以外は0のベクトル（行列）」のことです。One-Hotエンコーディングは、カテゴリー変数をOne-Hotのベクトル（行列）に変換することです。

サンプルプログラムのソースコードです。

作成した分類器をロードし、以下の「2」と描かれた画像を入力して、数字を当てられるか試してみます。
画像のロード、変換等はOpenCVを使います。

無事に「2」と正解できました。

匿名より:

初心者です。
サンプルコード２の７行目で
cannot import name ‘np_utils’ from ‘tensorflow.keras.utils’
というエラーが出たのですが、[pip　install　np_utils]　を入れても治りません対処法はありますか？

匿名より:

Python「Keras」とCNNを用いた手書き文字識別を解説をいただきありがとうございます！
ソースコード内に十分にコメントを記載いただいているため、わかりやすかったです。

サンプルコード1の17-18行目について、そのままだと私のほうではエラーとなってしまいましたが、「accuracy」を「acc」に変えることでエラーなく動きました。
（環境　tensorflow：1.14.0、keras 2.2.4）