SONY の NeuralNetworkConsole で顔認識。

つい先日、sonyからGUIでディープラーニングを行えるニューラルネットワークコンソール（以下SDC）というソフトが無料で公開されました。
もともと社内で使っていたようです。
windowsでのみ使用可能ですが、GPUの適応などが一瞬なので非常に助かります。
簡単に使った感じ結構使いやすかったので、簡単に書こうと思います。
とりあえず、動かしてみたという記事は多くあるので今回はインストール等は省きます。
今までchainerやkerasで行ってきたような顔認識をしてみます。

SDCではデータセットの前処理を行うことができます。
まず、以下のように画像を準備します。

それぞれのラベルをフォルダ名とし、それぞれのフォルダの中に画像が入っている状態です。
SDCにもどって、左上のホームからDatasetをクリックすると、現在設定済みのデータセットの一覧を見ることができます。

現在はデフォルトで入っていたMNISTのtrain,test、MNISTの4と9の画像のみのデータセットのtrainとtestの計４つがあります。
自分のデータセットを追加するには、そのうえのcreate datasetをクリックしましょう。

Source Dirに先程の画像が入っているフォルダを指定してあげます。
Output DirにはSDCで使えるように整頓されたデータセットの保存場所を指定してあげます。
これは好きな場所を設定してあげれば良いです。
paddingとTrimmingはもともとの画像のサイズがバラバラであったときにどのように揃えるかということです。
画像サイズやcsvのファイル名やらratioやら設定してあげてApplyしてあげます。
Ratioは足して100になるようにします。

データセットリストに追加されます。

このようにモデルを設定しました。

最初のレイヤーのInputをデータセットを作成したときの大きさにします。
今回は3,128,128です。
クラスは7つあります。
分類問題ではsoftmaxCrossEntropy誤差を用いますが、その場合は最終レイヤーの一つ前のAffineレイヤーのOutputを7とします。

右上のDatasetからtrainとtestで使用するデータセットを設定します。
またConfigからEpoch数も決められます。
学習をスタートすると、

破線がテストで通常の線が学習データ。例によって学習データが少ないのであまり良くないですね。
学習が終わったらその右のEvaluationをクリックすることで、テストデータで実際に当たっているか見ることができます。
終わると左上のEvaluationタブに切り替わって結果が表示されます。

このように一枚一枚の画像の正解ラベルと予測結果が表示されます。
この画像では右に切れてしまっていますが、それぞれのラベルのどれに当てはまっているかの数値が表示され、一番大きい数字が予測結果です。
この画像内の５つのデータに関してはIndexが2の画像のみ間違っていました。

そして、Output ResultsからConfution Matrixのラジオボタンをクリックすると、
結果の表が出てきます。

が、今回はなぜかバグなのか表示されませんでした。
まっしろに、、

ちなみに、MNISTのもともと用意されてたデータセットを使っても表示されなかったので、バグだと思います。
たぶん環境によるのかもしれません
なにかわかったらまた追記します。
感覚的にはsoftmaxCrossEntropyを使うと表示されない感じがします。
予想ですが

（追記　2017/08/22）

SDCでは、分類問題の最終レイヤーにはsoftmaxCrossEntropyではなくCategoricalCrossEntropyを用いるようです。
その一つ前のレイヤーにSoftmaxをはさみます。

結果Matrixも表示されました。
右側にモデルの図も上がっています。

全体的には８割程度の正解率になっているようです。
その他の画像が多かったこともあり、そこだけは正解率95%を超えていますが、本来正しく分類してほしいメンバーに関しては７割程度といったところです。