*VGG とは 　2014年，画像認識のコンペティション(ILSVRC)のクラス分類の部門で特に高評価を得たネットワークです[1]．ネットワークを発表した研究グループ名が名前の由来だと思われます． {{small:Visual Geometry Group, Department of Engineering Science, University of Oxford}} {{small:[1]VGG : [link:https://arxiv.org/pdf/1409.1556.pdf] }} {{small:[2]ILSVRC : [link:http://www.image-net.org/challenges/LSVRC/] }} 　畳み込み層と全結合層を連結しシンプルに層を増やしたネットワーク構造で，使い勝手がよく，その後の研究でもこの構造をベースにした研究が良く見られます．層数については「16 weight layers」 等のいくつかのバリエーションがあります（図１，図２）． 　図１の表で，例えば「conv3-64」のように記載ありますが，「3x3のフィルタを64種類（チャンネル）」という意味です．2014年以前の研究では，比較的サイズの大きいフィルタが利用されることが多かったのですが，VGGではフィルタのサイズを小さく，そして層を深くする方向を考えた構造になっています． [img:qc1d] {{small:図１ ネットワーク構造のバリエーション 出典[1]}} [img:y1kl] {{small:図２ VGG16のネットワーク構造}} *サンプルコード VGG16のネットワークを使ったクラス識別のサンプルコードです． {{small:コード全文:[link:https://github.com/sanko-shoko/simplesp_py/tree/master/vgg] }} ライブラリはKerasを利用しています．KerasではVGG16（16層）とVGG19（19層）のクラスが準備されています． 詳しくは，下記のドキュメントを参照ください． {{small:Keras VGG Document:[link:https://keras.io/ja/applications/] }} **①モデル取得 {# import numpy as np import cv2 from keras.preprocessing import image import keras.applications.vgg16 as vgg16 # 「ImageNet」データセットを利用して学習したモデルを取得 model = vgg16.VGG16(weights='imagenet', input_shape=(224, 224, 3)) model.summary() #} {/ _________________________________________________________________ Layer (type)                 Output Shape              Param # ================================================================= input_1 (InputLayer)         (None, 224, 224, 3)       0 _________________________________________________________________ block1_conv1 (Conv2D)        (None, 224, 224, 64)      1792 _________________________________________________________________ block1_conv2 (Conv2D)        (None, 224, 224, 64)      36928 _________________________________________________________________ block1_pool (MaxPooling2D)   (None, 112, 112, 64)      0 _________________________________________________________________ block2_conv1 (Conv2D)        (None, 112, 112, 128)     73856 _________________________________________________________________ block2_conv2 (Conv2D)        (None, 112, 112, 128)     147584 _________________________________________________________________ block2_pool (MaxPooling2D)   (None, 56, 56, 128)       0 _________________________________________________________________ block3_conv1 (Conv2D)        (None, 56, 56, 256)       295168 _________________________________________________________________ block3_conv2 (Conv2D)        (None, 56, 56, 256)       590080 _________________________________________________________________ block3_conv3 (Conv2D)        (None, 56, 56, 256)       590080 _________________________________________________________________ block3_pool (MaxPooling2D)   (None, 28, 28, 256)       0 _________________________________________________________________ block4_conv1 (Conv2D)        (None, 28, 28, 512)       1180160 _________________________________________________________________ block4_conv2 (Conv2D)        (None, 28, 28, 512)       2359808 _________________________________________________________________ block4_conv3 (Conv2D)        (None, 28, 28, 512)       2359808 _________________________________________________________________ block4_pool (MaxPooling2D)   (None, 14, 14, 512)       0 _________________________________________________________________ block5_conv1 (Conv2D)        (None, 14, 14, 512)       2359808 _________________________________________________________________ block5_conv2 (Conv2D)        (None, 14, 14, 512)       2359808 _________________________________________________________________ block5_conv3 (Conv2D)        (None, 14, 14, 512)       2359808 _________________________________________________________________ block5_pool (MaxPooling2D)   (None, 7, 7, 512)         0 _________________________________________________________________ flatten (Flatten)            (None, 25088)             0 _________________________________________________________________ fc1 (Dense)                  (None, 4096)              102764544 _________________________________________________________________ fc2 (Dense)                  (None, 4096)              16781312 _________________________________________________________________ predictions (Dense)          (None, 1000)              4097000 ================================================================= Total params: 138,357,544 Trainable params: 138,357,544 Non-trainable params: 0 _________________________________________________________________ /} **②ー１　画像読み込みと推定 {# # 画像ファイルのパス path = "" # 既定のサイズ（今回は224x224）にリサイズして読み込み img = image.load_img(path, target_size=(224, 224)) # PIL形式 - > numpy.ndarray X = image.img_to_array(img) # (width, height, ch) -> (batch, rwidth, height, ch) X = np.expand_dims(X, axis=0) # 前処理（平均値を引くなど） X = vgg16.preprocess_input(X) # 推定 Y = model.predict(X) # 上位推定結果を表示 list= vgg16.decode_predictions(Y, top=4)[0] for v in list:     print(v) #} **②ー２　USBカメラを使った推定 {# cap = cv2.VideoCapture(0) if cap.isOpened() is False:     raise("could not find USB camera") cv2.namedWindow("img") key = 0 # 27 = 'ESC' key while key != 27:     ret, img = cap.read()     if ret == False:         continue     rgb = cv2.resize(cv2.cvtColor(img, cv2.COLOR_BGR2RGB), (224, 224))         cv2.imshow("img", img)        key = cv2.waitKey(1)     # uint8 - > float32     X = rgb.astype(np.float32)     # (width, height, ch) -> (batch, rwidth, height, ch)     X = np.expand_dims(X, axis=0)     # 前処理（平均値を引くなど）     X = vgg16.preprocess_input(X)     # 推定     Y = model.predict(X)     # 上位推定結果を表示     list= vgg16.decode_predictions(Y, top=4)[0]     for v in list:         print(v) cv2.destroyAllWindows() #}