10_2:ml5.KNNClassifier()の簡単な例 ml5.js JavaScript

ml5.jsのサンプルページには、ml5.KNNClassifier()の例があがっていないので、以下に簡易化した例を示します。

目次

注意

おそらくじきに解決されるものと思われますが、本稿執筆時点では、ml5.jsの新しいバージョンがCDNに反映されていず、ml5.KNNClassifier()に関係するメソッドを使用すると、エラーが発生します。これは、従来の、


<script src="https://unpkg.com/ml5@0.1.3/dist/ml5.min.js" type="text/javascript"></script>

ではなく、https://raw.githubusercontent.com/ml5js/ml5-library/master/dist/ml5.min.jsから新しいml5.min.jsを入手して、ローカルで読み込むことで解決できます。

<head>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/0.6.0/p5.min.js"></script>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/0.6.0/addons/p5.dom.min.js"></script>
  <!-- <script src="https://unpkg.com/ml5@0.1.3/dist/ml5.min.js" type="text/javascript"></script> -->
  <!-- 1/27現在、新しいml5.jsがCDNに反映されていないので、
      https://raw.githubusercontent.com/ml5js/ml5-library/master/dist/ml5.min.js
      から新しいml5.jsを入手して、ローカルに保存する -->
  <!-- https://github.com/ml5js/ml5-library ページの[Usage]のminifiedリンク -->
  <script src="ml5.min.js" type="text/javascript"></script>
</head>

HTMLでは、犬と猫の画像を3つ使用します。上の2つはサンプル用で、下の1つはテストに使います。


<div>
  <p>サンプル用</p>
  <img id='dog' src='/images/image1.jpg ' />
  <img id='cat' src='/images/image2.jpg ' />
</div>
<div>
  <p>テスト用</p>
  <img id='test1' src='/images/test1.jpg ' />
</div>

JavaScript


let knnClassifier;
let featureExtractor;

function setup() {
    // KNN分類器を作成
    knnClassifier = ml5.KNNClassifier();
    // mobileNetの特徴抽出器を作成
    featureExtractor = ml5.featureExtractor('MobileNet', modelReady);
}

const modelReady = () => {
    console.log('特徴抽出器の準備完了');

    // 犬の画像
    const image1 = document.getElementById('dog');
    // 画像から特徴を得る
    const features1 = featureExtractor.infer(image1);
    // KNN分類器にサンプルを、'dog'ラベルを付けて追加
    knnClassifier.addExample(features1, 'dog');

    // 猫の画像
    const image2 = document.getElementById('cat');
    const features2 = featureExtractor.infer(image2);
    knnClassifier.addExample(features2, 'cat');

    // 分類器には特徴が追加されている必要がある。
    const numLabels = knnClassifier.getNumLabels();
    console.log('ラベル数 : ' + numLabels); // 2
    // サンプルがなければ、推測は中止。
    if (numLabels <= 0) {
        console.error('サンプルがない');
        return;
    }

    // 推測対象の画像
    const testImage1 = document.getElementById('test1');
    // 画像から特徴を得る
    const featuresTest1 = featureExtractor.infer(testImage1);
    console.log('推測開始:');
    // KNN分類器で分類を開始
    knnClassifier.classify(featuresTest1, gotResults);
};

// KNN分類器で分類が終わると呼び出される
const gotResults = (err, result) => {
    // エラーを表示する
    if (err) {
        console.error(err);
    }
    console.log('結果が出た');
    console.log(result);
}

基本的な手順は次のようになります。

  1. KNN分類器を作成
  2. mobileNetを使って特徴抽出器を作成
  3. 
    knnClassifier = ml5.KNNClassifier();
    featureExtractor = ml5.featureExtractor('MobileNet', modelReady);
    

    mobileNetについては「8-1 mobilenet」を参考にしてください。

  4. サンプル用画像への参照の取得
  5. 画像から特徴を取得
  6. その特徴を、KNN分類器にラベルを付けて追加
  7. 
    const image1 =document.getElementById('dog');
    const features1 = featureExtractor.infer(image1);
    knnClassifier.addExample(features1, 'dog');
    
  8. 推測対象の画像への参照の取得
  9. 画像から特徴を取得
  10. KNN分類器に特徴を渡して、分類を開始
  11. 
    const testImage1 =document.getElementById('test1');
    const featuresTest1 = featureExtractor.infer(testImage1);
    knnClassifier.classify(featuresTest1, gotResults);
    
  12. gotResults()コールバック関数で、引数のresultを処理
  13. 
    const gotResults=(err, result)=>{
          console.log(result);
    }
    

      上記コードを実行すると、コンソールに下図の結果が表示されます。

      gotResults()関数に渡されるresultは、classIndex、confidences、label、confidencesByLabelプロパティを持っています。これらの値を調べると、KNN分類器が出した推測の結果が分かります。

      なお、推測を行うときには、分類器には特徴が追加されている必要があるので、knnClassifier.getNumLabels()を使って分類器に追加されたラベルの数を調べ、それが0以下のときには、以降のコードの実行を中止します。

      
      const numLabels = knnClassifier.getNumLabels();
      console.log('ラベル数 : ' + numLabels); // 2
      // サンプルがなければ、推測は中止。
      if (numLabels <= 0) {
          console.error('サンプルがない');
          return;
      }
      

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です

CAPTCHA