柴犬の種類判別AI

柴犬の種類には主に山陰柴、美濃柴、縄文柴、信州柴があります。今回、Geminiに柴犬の種類判別AIのPythonソースコードを書いてもらいました。 ```Python import os import threading import tkinter as tk from tkinter import filedialog, messagebox import shutil # 必要ライブラリ: google_images_download, tensorflow, pillow # Pydroidで以下をインストール: # pip install google_images_download tensorflow pillow # データセット用フォルダ DATA_DIR = "shiba_type_dataset" CLASSES = ["saninshiba", "minoshiba", "jomonshiba", "shinshushiba"] # 柴犬の種類 (甲斐犬を削除) IMG_PER_CLASS = 200 IMG_SIZE = (128, 128) BATCH_SIZE = 16 EPOCHS = 10 MODEL_PATH = "shiba_type_model.h5" # 画像ダウンロード try: from google_images_download import google_images_download except ImportError: raise ImportError("google_images_downloadが必要です。pip install google_images_download を実行してください。") # TensorFlow/Keras from tensorflow.keras.preprocessing.image import ImageDataGenerator from tensorflow.keras.models import Sequential, load_model from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout from tensorflow.keras.optimizers import Adam from tensorflow.keras.utils import to_categorical from PIL import Image import numpy as np # データセットをGoogleからダウンロード def download_dataset(): response = google_images_download.googleimagesdownload() queries = { "saninshiba": "山陰柴 犬 画像", "minoshiba": "美濃柴 犬 画像", "jomonshiba": "縄文柴 犬 画像", "shinshushiba": "信州柴 犬 画像" } for shiba_type, query in queries.items(): out_dir = os.path.join(DATA_DIR, shiba_type) os.makedirs(out_dir, exist_ok=True) args = { "keywords": query, "limit": IMG_PER_CLASS, "output_directory": DATA_DIR, "image_directory": shiba_type, "format": "jpg" } response.download(args) messagebox.showinfo("完了", "データセットのダウンロードが完了しました。") # モデル定義・学習 def train_model(): # データジェネレータ train_datagen = ImageDataGenerator( rescale=1./255, validation_split=0.2, rotation_range=20, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest' ) train_gen = train_datagen.flow_from_directory( DATA_DIR, target_size=IMG_SIZE, batch_size=BATCH_SIZE, class_mode='categorical', subset='training' ) val_gen = train_datagen.flow_from_directory( DATA_DIR, target_size=IMG_SIZE, batch_size=BATCH_SIZE, class_mode='categorical', subset='validation' ) # モデル構築 num_classes = len(CLASSES) model = Sequential([ Conv2D(32, (3,3), activation='relu', input_shape=IMG_SIZE + (3,)), MaxPooling2D(2,2), Conv2D(64, (3,3), activation='relu'), MaxPooling2D(2,2), Conv2D(128, (3,3), activation='relu'), MaxPooling2D(2,2), Conv2D(128, (3,3), activation='relu'), MaxPooling2D(2,2), Flatten(), Dense(256, activation='relu'), Dropout(0.5), Dense(num_classes, activation='softmax') ]) model.compile(optimizer=Adam(), loss='categorical_crossentropy', metrics=['accuracy']) # 学習 model.fit( train_gen, validation_data=val_gen, epochs=EPOCHS ) # モデル保存 model.save(MODEL_PATH) messagebox.showinfo("完了", "モデルの学習と保存が完了しました。") # 画像分類 def classify_image(path): if not os.path.exists(MODEL_PATH): messagebox.showwarning("警告", "学習済みモデルが見つかりません。先に学習してください。") return model = load_model(MODEL_PATH) img = Image.open(path).convert('RGB').resize(IMG_SIZE) arr = np.array(img) / 255.0 arr = np.expand_dims(arr, axis=0) pred = model.predict(arr)[0] predicted_class_index = np.argmax(pred) predicted_class_name = CLASSES[predicted_class_index] probability = pred[predicted_class_index] messagebox.showinfo("判別結果", f"この画像は: {predicted_class_name} (確率: {probability:.2f})") # GUI構築 class App: def __init__(self, root): self.root = root root.title("柴犬種類判別AI") frame = tk.Frame(root, padx=10, pady=10) frame.pack() btn_download = tk.Button(frame, text="データセットダウンロード", command=self.run_thread(download_dataset)) btn_download.pack(fill='x', pady=5) btn_train = tk.Button(frame, text="モデル学習", command=self.run_thread(train_model)) btn_train.pack(fill='x', pady=5) btn_load = tk.Button(frame, text="画像を選択して判別", command=self.select_and_classify) btn_load.pack(fill='x', pady=5) # スレッド実行用 def run_thread(self, func): def wrapper(): t = threading.Thread(target=func) t.daemon = True t.start() return wrapper # 画像ファイル選択 def select_and_classify(self): path = filedialog.askopenfilename( filetypes=[("Image files", "*.jpg;*.jpeg;*.png")] ) if path: self.run_thread(lambda: classify_image(path))() if __name__ == "__main__": if os.path.exists(DATA_DIR): shutil.rmtree(DATA_DIR) os.makedirs(DATA_DIR, exist_ok=True) root = tk.Tk() app = App(root) root.mainloop() ```