機械学習は数字を数え、マウスをクリックしてモデルをトレーニングし、残りはコンピューターに任せます

[[432947]]

JAVA ベースで開発された Weka は、機械学習やデータマイニングに適したオープンソース ソフトウェアです。前回の記事（トップジャーナルからのシロイヌナズナの高品質な切り抜き画像、Photoshop は不要、マウスをクリックするだけで完成）では、魔法のツール ImageJ を紹介しましたが、Weka もこのソフトウェアにプラグインとして統合されています。

次に、ソフトウェアは画像を開くように促すウィンドウをポップアップ表示します。今回は、以下に示すように胞子認識モデルをトレーニングします。

画像を選択すると、WEKA インターフェースに入ることができます。

インターフェースには以下が含まれます。

• トレーニング列: モデルのトレーニング (分類器のトレーニング)
• オプションバー: 分類子の読み込み、データの読み込み、新しいクラスの作成、設定
• タブバー: さまざまなカテゴリを追加します (デフォルトでは 2 つのカテゴリがあり、設定で詳細に設定できます)

設定に入り、混乱を避けるためにカテゴリーの名前を変更することができます。

モデルトレーニング

次にモデルのトレーニングを開始します

まず、ImageJ パネルで形状選択ツールを選択し、胞子を丸で囲んで胞子カテゴリ (赤のモジュール) に塗りつぶし、同様に背景 (緑モジュール) を分類します。すべて選択したら、「分類子のトレーニング」をクリックし、機械のトレーニングが完了するまで待ちます。

しばらく待つと、すべての胞子が赤くマークされ、背景が緑にマークされていることがわかりました。

モデルは正常にトレーニングされましたが、まだ微調整が必​​要です。隣接する胞子が一緒に丸で囲まれている場合は、それらを分離する必要があるため、今回は線分分割を使用して背景ラベルに追加し、再度トレーニングします。

再トレーニング後のモデルは前回のものよりも優れています。それでも満足できない場合は、微調整を続けることができます。

数値統計

トレーニングが完了したら、結果の作成を選択します

クリック後の結果は次のとおりです。

現時点では、次のいくつかの手順のみが必要です。

1. 画像 → タイプ → 8 ビット

2. 画像→調整→しきい値

3. プーリーをドラッグして、下図のように白い背景を黒い胞子に調整します。

4. プロセス → フィルター → 中央値

5. プロセス → バイナリ → 流域

6. 分析 → 粒子を分析 (注意: 境界に胞子があるため、エッジを除外するをチェックしないでください)

集計結果は以下のとおりです。

モデルの保存と呼び出し

• モデルを保存します:

再びWEKAインターフェースに戻り、「分類子を保存」をクリックします。ファイル形式はclassifier.modelです。

• 呼び出しモデル

WEKA を使用して新しい胞子画像を開いた後、モデルを直接ロード (分類器のロード) し、直接結果を作成して画像を分析し、数値カウント操作プロセスを繰り返します。

やっと

清代の彭端書は『息子甥に教える学問の詩』の中で、「世の中の物事は難しいか、容易か。行えば難しいことも簡単になる。行わなければ容易なことも難しくなる。人にとって学ぶことは難しいか容易か。学べば難しいことも簡単になる。学ばなければ容易なことも難しくなる。」と述べています。