[機械学習のはじめ方] Part38: 画像前処理とデータ拡張

1. 画像前処理 (Image Preprocessing) とは？ なぜ必要？ 🤔

画像前処理とは、収集した生の画像データを、機械学習モデルが学習しやすい形式に整える作業のことです。主な目的は以下の通りです。

• 入力サイズの統一: モデルは通常、固定サイズの入力を受け付けます。そのため、様々なサイズの画像を同じ大きさに揃える必要があります（例: 224×224ピクセル）。
• 計算効率の向上: 画像データを適切な形式（例: 数値の配列）に変換し、値の範囲を調整することで、計算を効率化し、学習の安定性を高めます。
• ノイズ除去と情報抽出: 不要な情報（ノイズ）を取り除いたり、色情報をグレースケールに変換したりすることで、モデルが本質的な特徴を学習しやすくします。

代表的な画像前処理手法

簡単なコード例 (Python + Pillow)

画像処理ライブラリ Pillow を使ったリサイズとグレースケール化の例です。

from PIL import Image

# 画像を開く
try:
    img = Image.open('image.jpg')

    # リサイズ (例: 128x128)
    resized_img = img.resize((128, 128))
    # resized_img.save('resized_image.jpg') # 必要なら保存

    # グレースケール化
    gray_img = img.convert('L')
    # gray_img.save('grayscale_image.jpg') # 必要なら保存

    print("画像の前処理が完了しました。✨")

except FileNotFoundError:
    print("エラー: 'image.jpg' が見つかりません。")
except Exception as e:
    print(f"エラーが発生しました: {e}")

# 注意: 上記コードを実行するには Pillow ライブラリが必要です。
# pip install Pillow

実際には、NumPy配列に変換し、ピクセル値を正規化（例: 255.0で割る）する処理も加えることが一般的です。

2. データ拡張 (Data Augmentation) とは？ なぜ必要？ ✨

データ拡張は、手元にある学習データに対して、様々な変換（回転、反転、明るさ調整など）を加えて、擬似的に学習データの量を増やすテクニックです。特に、深層学習モデルは大量のデータを必要とするため、データ拡張は非常に有効です。

主な目的・効果は以下の通りです。

• データ量の増加: 限られたデータセットから、多様なバリエーションの画像を生成し、学習に使用できるデータ量を増やします。
• 過学習の抑制: モデルが特定の学習データに過剰に適合（過学習）するのを防ぎます。様々な変換が加えられた画像を見ることで、モデルはより本質的で頑健な特徴を学習します。
• 汎化性能の向上: 未知のデータ（例: 少し傾いた画像、明るさが異なる画像）に対する予測精度（汎化性能）を高めます。

代表的なデータ拡張手法

簡単なコード例 (Python + TensorFlow/Keras)

TensorFlow/Keras の `ImageDataGenerator` を使うと、データ拡張を簡単に実装できます。

import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
import numpy as np

# データ拡張の設定
datagen = ImageDataGenerator(
    rotation_range=20,       # 20度の範囲でランダムに回転
    width_shift_range=0.1,   # 横方向のシフト（幅の10%以内）
    height_shift_range=0.1,  # 縦方向のシフト（高さの10%以内）
    shear_range=0.1,         # シアー変換（歪み）
    zoom_range=0.1,          # ズーム（90%〜110%）
    horizontal_flip=True,    # 水平方向にランダムに反転
    fill_mode='nearest'      # 画像変換時に生じる隙間の埋め方
)

# --- ダミーデータの準備 (通常は実際の画像データを読み込む) ---
# (1, 高さ, 幅, チャンネル数) の形式のNumPy配列を用意
# ここでは例として、100x100のRGB画像を想定
dummy_image = np.random.rand(1, 100, 100, 3) * 255
dummy_image = dummy_image.astype('uint8')
# --- ダミーデータの準備ここまで ---

# データ拡張を適用して画像生成 (ここでは1枚だけ生成)
# .flow()は通常、ディレクトリから画像を読み込む際に使うが、
# NumPy配列からも直接生成できる (xにデータ、yはNoneでも可)
augmented_images = datagen.flow(dummy_image, batch_size=1)

# 生成された画像を表示 (例として5枚表示)
plt.figure(figsize=(10, 2))
for i in range(5):
    img_batch = augmented_images.next() # 次の拡張画像を生成
    augmented_img = img_batch[0].astype('uint8') # 表示用にuint8に戻す
    ax = plt.subplot(1, 5, i + 1)
    plt.imshow(augmented_img)
    plt.axis("off")
plt.suptitle("Data Augmentation Examples")
plt.show()

print("データ拡張の例を表示しました。🚀")

# 注意: 上記コードを実行するには TensorFlow と Matplotlib が必要です。
# pip install tensorflow matplotlib

PyTorch を使用する場合は、torchvision.transforms モジュールを使って同様のデータ拡張パイプラインを構築できます。複数の変換処理を transforms.Compose で組み合わせることが一般的です。

まとめ

今回は、CNNモデルの性能向上に不可欠な「画像前処理」と「データ拡張」について学びました。

• 画像前処理: モデルが学習しやすいように、画像のサイズ、ピクセル値の範囲などを整える。
• データ拡張: 限られた学習データから多様な画像を生成し、データ量を増やし、モデルの過学習を抑制し、汎化性能を高める。

これらのテクニックを適切に使うことで、より強力で実用的な画像認識モデルを構築することができます。次のステップでは、いよいよCNNの核心である「畳み込み層」や「プーリング層」の仕組みについて詳しく見ていきましょう！💪