-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathindex.xml
More file actions
616 lines (607 loc) · 88.9 KB
/
index.xml
File metadata and controls
616 lines (607 loc) · 88.9 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
<title>mitakeck.github.io on mitakeck.github.io </title>
<link>http://mitakeck.github.io/</link>
<language>en-us</language>
<author>Alexander Ivanov</author>
<updated>2017-04-30 16:40:01 +0900 JST</updated>
<item>
<title>Azure の Text-to-Speech API 使ってみる</title>
<link>http://mitakeck.github.io/bing-text-to-speech-api/</link>
<pubDate>Sun, 30 Apr 2017 16:40:01 JST</pubDate>
<author>Alexander Ivanov</author>
<guid>http://mitakeck.github.io/bing-text-to-speech-api/</guid>
<description><h1 id="azure-のtext-to-speech-api-使ってみる">Azure のText-to-Speech API 使ってみる</h1>
<h2 id="概要">概要</h2>
<p>Text-to_Speech とは文字データから合成発声データを作成する技術のことである</p>
<p>基本的には <a href="https://docs.microsoft.com/ja-jp/azure/cognitive-services/Speech/api-reference-rest/bingvoiceoutput">Microsoft の Cognitive Services の API リファレンス</a> に従って API を叩けばできるが、音声データ作成処理に手間取ったりしたのでメモ書きとして残しておく</p>
<p>Cognitive Service を Python から叩くことを想定している</p>
<p>一連の流れをまとめたファイルは以下から閲覧できる
<a href="https://gist.github.com/mitakeck/b2a953dfdf84b1e2c0d3c950d812ad0f">https://gist.github.com/mitakeck/b2a953dfdf84b1e2c0d3c950d812ad0f</a></p>
<h2 id="アクセストークンを取得する">アクセストークンを取得する</h2>
<p>なんか知らないけど、Cognitive Searvice のサブスクリプションキーを Azure で発行した後に、アクセストークンを取得しないといけないらしい</p>
<p>Header に <code>Ocp-Apim-Subscription-Key</code> をキーとして、サブスクリプションキーを挿入して <code>https://api.cognitive.microsoft.com/sts/v1.0/issueToken</code> へ POST すると返却値にアクセストークンが渡ってくる</p>
<p>ここで取得したアクセストークンは音声データを作成する際に使いまわすものになる</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>subscription_key <span style="color:#555">=</span> <span style="color:#c30">&#34;&lt; サブスクリプションキー &gt;&#34;</span>
</span></span><span style="display:flex;"><span>headers <span style="color:#555">=</span> {
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;Content-type&#34;</span>: <span style="color:#c30">&#34;application/x-www-form-urlencoded&#34;</span>,
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;Ocp-Apim-Subscription-Key&#34;</span>: subscription_key
</span></span><span style="display:flex;"><span>}
</span></span><span style="display:flex;"><span>access_token_host <span style="color:#555">=</span> <span style="color:#c30">&#34;api.cognitive.microsoft.com&#34;</span>
</span></span><span style="display:flex;"><span>path <span style="color:#555">=</span> <span style="color:#c30">&#34;/sts/v1.0/issueToken&#34;</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>conn <span style="color:#555">=</span> http<span style="color:#555">.</span>client<span style="color:#555">.</span>HTTPSConnection(access_token_host)
</span></span><span style="display:flex;"><span>conn<span style="color:#555">.</span>request(<span style="color:#c30">&#34;POST&#34;</span>, path, params, headers)
</span></span><span style="display:flex;"><span>response <span style="color:#555">=</span> conn<span style="color:#555">.</span>getresponse()
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#366">print</span>(response<span style="color:#555">.</span>status, response<span style="color:#555">.</span>reason)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>data <span style="color:#555">=</span> response<span style="color:#555">.</span>read()
</span></span><span style="display:flex;"><span>conn<span style="color:#555">.</span>close()
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>access_token <span style="color:#555">=</span> data<span style="color:#555">.</span>decode(<span style="color:#c30">&#34;UTF-8&#34;</span>)
</span></span><span style="display:flex;"><span><span style="color:#366">print</span> (<span style="color:#c30">&#34;Access Token: &#34;</span> <span style="color:#555">+</span> access_token)
</span></span></code></pre></div><h2 id="音声データを作成する">音声データを作成する</h2>
<p>音声データを作成するには <code>https://speech.platform.bing.com/synthesize</code> にデータを投げれば良い</p>
<p>上記のエンドポイントに対して喋らせる内容や声色はリクエストの POST クエリパラメータに <a href="https://www.w3.org/TR/speech-synthesis/">SSML 形式</a> で入れて、アクセストークンや音声ファイルの形式なんかはリクエストの Header に入れればおk</p>
<p>プログラム中では日本語のテキストデータを与えると、発声データが wav ファイルとしてレスポンスデータに乗っかってくるので、ファイルとして書き出して保存する処理をしている</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>text <span style="color:#555">=</span> <span style="color:#c30">&#34;日本語しゃべります&#34;</span>
</span></span><span style="display:flex;"><span>body <span style="color:#555">=</span> <span style="color:#c30">&#34;&lt;speak version=&#39;1.0&#39; xml:lang=&#39;en-us&#39;&gt;&lt;voice xml:lang=&#39;ja-jp&#39; xml:gender=&#39;Female&#39; name=&#39;Microsoft Server Speech Text to Speech Voice (ja-JP, Ayumi, Apollo)&#39;&gt;&#34;</span> <span style="color:#555">+</span> text <span style="color:#555">+</span> <span style="color:#c30">&#34;&lt;/voice&gt;&lt;/speak&gt;&#34;</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>headers <span style="color:#555">=</span> {
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;Content-type&#34;</span>: <span style="color:#c30">&#34;application/ssml+xml&#34;</span>,
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;X-Microsoft-OutputFormat&#34;</span>: <span style="color:#c30">&#34;riff-16khz-16bit-mono-pcm&#34;</span>,
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;Authorization&#34;</span>: <span style="color:#c30">&#34;Bearer &#34;</span> <span style="color:#555">+</span> access_token,
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#34;User-Agent&#34;</span>: <span style="color:#c30">&#34;Meriken&#34;</span>
</span></span><span style="display:flex;"><span>}
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># https://speech.platform.bing.com/synthesize</span>
</span></span><span style="display:flex;"><span>conn <span style="color:#555">=</span> http<span style="color:#555">.</span>client<span style="color:#555">.</span>HTTPSConnection(<span style="color:#c30">&#34;speech.platform.bing.com&#34;</span>)
</span></span><span style="display:flex;"><span>conn<span style="color:#555">.</span>request(<span style="color:#c30">&#34;POST&#34;</span>, <span style="color:#c30">&#34;/synthesize&#34;</span>, body<span style="color:#555">.</span>encode(<span style="color:#c30">&#39;utf-8&#39;</span>), headers)
</span></span><span style="display:flex;"><span>response <span style="color:#555">=</span> conn<span style="color:#555">.</span>getresponse()
</span></span><span style="display:flex;"><span><span style="color:#366">print</span>(response<span style="color:#555">.</span>status, response<span style="color:#555">.</span>reason)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>data <span style="color:#555">=</span> response<span style="color:#555">.</span>read()
</span></span><span style="display:flex;"><span>conn<span style="color:#555">.</span>close()
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>wav <span style="color:#555">=</span> <span style="color:#366">open</span>(<span style="color:#c30">&#34;download-&#34;</span> <span style="color:#555">+</span> text <span style="color:#555">+</span> <span style="color:#c30">&#34;.wav&#34;</span>, <span style="color:#c30">&#34;wb&#34;</span>)
</span></span><span style="display:flex;"><span>wav<span style="color:#555">.</span>write(data)
</span></span><span style="display:flex;"><span>wav<span style="color:#555">.</span>close()
</span></span></code></pre></div><p>実際に作成された wav ファイルがこれ</p>
<!-- raw HTML omitted -->
<h2 id="声色を変えてみる">声色を変えてみる</h2>
<p>声色は何種類か用意されていて、日本語は男性声と女性声と 2 種類ある</p>
<pre tabindex="0"><code>ar-EG* Female
de-DE Female
de-DE Male
en-AU Female
en-CA Female
en-GB Female
en-GB Male
en-IN Male
en-US Female
en-US Male
es-ES Female
es-ES Male
es-MX Male
fr-CA Female
fr-FR Female
fr-FR Male
hi-IN Female
it-IT Male
ja-JP Female
ja-JP Male
ko-KR Female
pt-BR Male
ru-RU Female
ru-RU Male
zh-CN Female
zh-CN Female
zh-CN Male
zh-HK Female
zh-HK Male
zh-TW Female
zh-TW Male
</code></pre><p>英語の男性声でちょっと長めの文章を喋らせてみる</p>
<pre tabindex="0"><code>text = &#34;The Voice Browser Working Group has sought to develop standards to enable access to the Web using spoken interaction. The Speech Synthesis Markup Language Specification is one of these standards and is designed to provide a rich, XML-based markup language for assisting the generation of synthetic speech in Web and other applications. The essential role of the markup language is to provide authors of synthesizable content a standard way to control aspects of speech such as pronunciation, volume, pitch, rate, etc. across different synthesis-capable platforms.&#34;
body = &#34;&lt;speak version=&#39;1.0&#39; xml:lang=&#39;en-us&#39;&gt;&lt;voice xml:lang=&#39;en-US&#39; xml:gender=&#39;Female&#39; name=&#39;Microsoft Server Speech Text to Speech Voice (en-US, BenjaminRUS)&#39;&gt;&#34; + text + &#34;&lt;/voice&gt;&lt;/speak&gt;&#34;
headers = {
&#34;Content-type&#34;: &#34;application/ssml+xml&#34;,
&#34;X-Microsoft-OutputFormat&#34;: &#34;riff-16khz-16bit-mono-pcm&#34;,
&#34;Authorization&#34;: &#34;Bearer &#34; + access_token,
&#34;User-Agent&#34;: &#34;Meriken&#34;
}
# https://speech.platform.bing.com/synthesize
conn = http.client.HTTPSConnection(&#34;speech.platform.bing.com&#34;)
conn.request(&#34;POST&#34;, &#34;/synthesize&#34;, body.encode(&#39;utf-8&#39;), headers)
response = conn.getresponse()
print(response.status, response.reason)
data = response.read()
conn.close()
wav = open(&#34;sound2.wav&#34;, &#34;wb&#34;)
wav.write(data)
wav.close()
</code></pre><p>出力結果はこれ</p>
<!-- raw HTML omitted -->
<p>いい感じ</p>
<h2 id="参照リンク">参照リンク</h2>
<ul>
<li><a href="https://docs.microsoft.com/ja-jp/azure/cognitive-services/Speech/api-reference-rest/bingvoiceoutput">https://docs.microsoft.com/ja-jp/azure/cognitive-services/Speech/api-reference-rest/bingvoiceoutput</a></li>
<li><a href="https://github.com/Azure-Samples/Cognitive-Speech-STT-JavaScript">https://github.com/Azure-Samples/Cognitive-Speech-STT-JavaScript</a></li>
<li><a href="https://gist.github.com/mitakeck/b2a953dfdf84b1e2c0d3c950d812ad0f">https://gist.github.com/mitakeck/b2a953dfdf84b1e2c0d3c950d812ad0f</a></li>
</ul>
</description>
</item>
<item>
<title>文字画像からフォントを推定する</title>
<link>http://mitakeck.github.io/cnn-font-analyzer/</link>
<pubDate>Sun, 12 Mar 2017 14:45:51 JST</pubDate>
<author>Alexander Ivanov</author>
<guid>http://mitakeck.github.io/cnn-font-analyzer/</guid>
<description><h1 id="文字画像からフォントを推定したい">文字画像からフォントを推定したい</h1>
<p>吊り広告や看板に使われているフォントがどういうフォントなのか気になるときがある。</p>
<p>そんなとき画像から使用されているフォントを推定してくれる Web サービスやシステムはいくつかある。</p>
<p>それらがどういうロジックでフォントを推定しているのかは分からないが、なんとなく作りたくなったので自作してみることにする。</p>
<p>今回は手始めに 10 種類のフォントを用いて、画像の中に写った文字を見てフォントを推定する仕組みを畳み込みニューラルネットワークを用いて作成してみる。</p>
<p><img src="about.png" alt="about.png"></p>
<h2 id="概要">概要</h2>
<ul>
<li>入力は文字が書かれた画像データ
<ul>
<li>画像サイズは 64x64</li>
<li>画像中には 1 文字だけ描画</li>
</ul>
</li>
<li>出力は推定した文字のフォント
<ul>
<li>ただし 推定は以下 10 個のフォントの中から行う</li>
<li>futura, gillsans, helvetica, opitma, andalemono, arial, impact, timenewroman, trebuchetms, verdana</li>
</ul>
</li>
</ul>
<h2 id="学習データの準備">学習データの準備</h2>
<p>なにはともあれとりあえず学習データを用意する。</p>
<p>今回は学習データとして文字画像とその正解ラベルがあればいいので指定のフォントで文字が描画された画像を大量に用意する。</p>
<p>その際 ImageMagick を用いるとだいぶ楽ができる。</p>
<h3 id="imagemagick-で画像を一括生成">ImageMagick で画像を一括生成</h3>
<p>ImageMagick で指定フォントの文字画像を出力するには <code>font</code> と <code>label</code> オプションを最低限指定してやれば良い</p>
<ul>
<li><code>-font</code> にはフォントを指定</li>
<li><code>label</code> には描画したい文字を指定</li>
<li><code>output</code> には出力先の画像ファイル名を指定</li>
</ul>
<pre tabindex="0"><code>$ convert -background white -fill black -size 64x64 -gravity center -font [font] label:[label] [output]
</code></pre><p>あと出力される画像の見栄えの調節用オプションとして <code>background</code>, <code>fill</code>, <code>size</code>, <code>gravity</code> 等がある。</p>
<p>詳しくは <a href="http://www.imagemagick.org/Usage/text/">ImageMagick v6 Examples &ndash;
Text to Image Handling</a> を参照のこと。</p>
<p>例えば、フォントは Futura で a という文字が描画された画像を futura-a.png として出力場合は以下のような感じにオプションをしていしてやれば良い。</p>
<pre tabindex="0"><code>$ convert -background white -fill black -size 64x64 -gravity center -font /Library/Fonts/Futura.ttc label:a futura-a.png
</code></pre><p>以下、a から z までの画像を出力した例</p>
<p><img src="futura-a.png" alt="futura-a.png"></p>
<h3 id="いろいろなフォントで-a-z-の画像を出力する">いろいろなフォントで a-z の画像を出力する</h3>
<p>シェル芸で 10 種類分のフォント画像を準備する。
その際、フォント一覧とフォントファイルの場所を記述した <code>fonts.txt</code> と、描画する文字データを記述した <code>data.txt</code> を用いた。</p>
<p><code>join</code> で <code>fonts.txt</code> と <code>data.txt</code> をクロスジョインして <code>awk</code> で <code>convert</code> コマンドに文字列整形して <code>sh</code> で実行しています。</p>
<pre tabindex="0"><code>$ join -j `cat fonts.txt | wc -l` -t, fonts.txt data.txt | awk -F, &#39;{print &#34;convert -background white -fill black -size 64x64 -gravity center -font \&#34;&#34; $3 &#34;\&#34; label:&#34; $4 &#34; train/&#34; $2 &#34;/&#34; $4 &#34;.png&#34;}&#39; | sh
</code></pre><p>一応実際に使用した <code>fonts.txt</code> と <code>data.txt</code> を載せておきます。</p>
<p>fonts.txt</p>
<pre tabindex="0"><code>futura,/Library/Fonts/Futura.ttc
gillsans,/Library/Fonts/GillSans.ttc
helvetica,/System/Library/Fonts/HelveticaNeueDeskInterface.ttc
opitma,/System/Library/Fonts/Optima.ttc
andalemono,/Library/Fonts/Andale Mono.ttf
arial,/Library/Fonts/Arial.ttf
impact,/Library/Fonts/Impact.ttf
timenewroman,/Library/Fonts/Times New Roman.ttf
trebuchetms,/Library/Fonts/Trebuchet MS.ttf
verdana,/Library/Fonts/Verdana.ttf
</code></pre><p>data.txt</p>
<pre tabindex="0"><code>a
b
c
d
e
f
g
h
i
j
k
l
m
n
o
p
q
r
s
t
u
v
w
x
y
z
</code></pre><p>そして最後にディレクトリに配置する。</p>
<ul>
<li><code>train/</code> には学習用のデータを配置する</li>
<li><code>validation</code> にはテスト用のデータを配置する。</li>
</ul>
<pre tabindex="0"><code>.
|-- train
| |-- andalemono
| |-- arial
| |-- futura
| |-- gillsans
| |-- helvetica
| |-- impact
| |-- opitma
| |-- timenewroman
| |-- trebuchetms
| `-- verdana
`-- validation
|-- andalemono
|-- arial
|-- futura
|-- gillsans
|-- helvetica
|-- impact
|-- opitma
|-- timenewroman
|-- trebuchetms
`-- verdana
</code></pre><p>識別器の構築には keras を用いるのだが、以下のようなディレクトリ構成にしておくと、
keras 側でいろいろと自動で処理してくれる。
非常に便利だ。</p>
<h3 id="学習データのかさ増し">学習データのかさ増し</h3>
<p>学習用のデータを傾けたり位置をずらしたりした画像を大量に生成することで学習データをかさ増しする。</p>
<p>ImageMagick でやれなくもないけど、Python のコードでかさ増しを行った。</p>
<p>以下のコード片が回転処理と移動処理をランダムに行うコードである。
いずれも OpenCV の python ラッパーの <code>cv2</code> を用いている。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#069;font-weight:bold">def</span> <span style="color:#c0f">rotate</span>(src):
</span></span><span style="display:flex;"><span> rows,cols <span style="color:#555">=</span> src<span style="color:#555">.</span>shape
</span></span><span style="display:flex;"><span> r <span style="color:#555">=</span> random<span style="color:#555">.</span>uniform(<span style="color:#f60">0</span>, <span style="color:#f60">360</span>)
</span></span><span style="display:flex;"><span> M <span style="color:#555">=</span> cv2<span style="color:#555">.</span>getRotationMatrix2D((cols<span style="color:#555">/</span><span style="color:#f60">2</span>,rows<span style="color:#555">/</span><span style="color:#f60">2</span>), r, <span style="color:#f60">1</span>)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">return</span> cv2<span style="color:#555">.</span>warpAffine(src, M, (rows, cols), flags<span style="color:#555">=</span>cv2<span style="color:#555">.</span>INTER_LINEAR)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">def</span> <span style="color:#c0f">move</span>(src):
</span></span><span style="display:flex;"><span> rows,cols <span style="color:#555">=</span> src<span style="color:#555">.</span>shape
</span></span><span style="display:flex;"><span> dx <span style="color:#555">=</span> random<span style="color:#555">.</span>uniform(<span style="color:#f60">0</span>, <span style="color:#f60">5</span>)
</span></span><span style="display:flex;"><span> dy <span style="color:#555">=</span> random<span style="color:#555">.</span>uniform(<span style="color:#f60">0</span>, <span style="color:#f60">5</span>)
</span></span><span style="display:flex;"><span> M <span style="color:#555">=</span> np<span style="color:#555">.</span>float32([[<span style="color:#f60">1</span>, <span style="color:#f60">0</span>, dx],[<span style="color:#f60">0</span>, <span style="color:#f60">1</span>, dy]])
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">return</span> cv2<span style="color:#555">.</span>warpAffine(src,M,(cols,rows))
</span></span></code></pre></div><p>指定画像に対して上記回転と移動処理を施し保存する処理。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#069;font-weight:bold">def</span> <span style="color:#c0f">make</span>(imgs, pathToDataset, pathToDatasetSaved, n<span style="color:#555">=</span><span style="color:#f60">100</span>):
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">for</span> img <span style="color:#000;font-weight:bold">in</span> imgs:
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">if</span> img<span style="color:#555">.</span>find(<span style="color:#c30">&#34;.png&#34;</span>) <span style="color:#555">&gt;</span> <span style="color:#555">-</span><span style="color:#f60">1</span> :
</span></span><span style="display:flex;"><span> src <span style="color:#555">=</span> cv2<span style="color:#555">.</span>imread(pathToDataset <span style="color:#555">+</span> img, <span style="color:#f60">0</span>)
</span></span><span style="display:flex;"><span> src <span style="color:#555">=</span> cv2<span style="color:#555">.</span>resize(src, (imgSize, imgSize))
</span></span><span style="display:flex;"><span> src <span style="color:#555">=</span> cv2<span style="color:#555">.</span>bitwise_not(src)
</span></span><span style="display:flex;"><span> prefix <span style="color:#555">=</span> img<span style="color:#555">.</span>split(<span style="color:#c30">&#34;.&#34;</span>)[<span style="color:#f60">0</span>]
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">for</span> x <span style="color:#000;font-weight:bold">in</span> xrange(<span style="color:#f60">1</span>, n):
</span></span><span style="display:flex;"><span> dst <span style="color:#555">=</span> move(rotate(move(rotate(src))))
</span></span><span style="display:flex;"><span> cv2<span style="color:#555">.</span>imwrite(pathToDatasetSaved <span style="color:#555">+</span> prefix <span style="color:#555">+</span> <span style="color:#c30">&#34;-&#34;</span> <span style="color:#555">+</span> <span style="color:#c30">&#34;</span><span style="color:#a00">{0:04d}</span><span style="color:#c30">&#34;</span><span style="color:#555">.</span>format(x) <span style="color:#555">+</span> <span style="color:#c30">&#34;.png&#34;</span>, dst)
</span></span></code></pre></div><h3 id="imagerdatagenherator-作成">ImagerDataGenherator 作成</h3>
<p>画像データのバッチを生成するために Keras では <a href="https://keras.io/ja/preprocessing/image/">ImageDataGenerator</a> という仕組みが用意されている。</p>
<p>今回は白黒画像なので <code>color_mode</code> を <code>grayscale</code> にして、他クラス分類させたいので、<code>class_mode</code> に <code>categorical</code> を指定する。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>img_width, img_height <span style="color:#555">=</span> <span style="color:#f60">64</span>, <span style="color:#f60">64</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>train_data_dir <span style="color:#555">=</span> <span style="color:#c30">&#34;../datasets/data/train&#34;</span>
</span></span><span style="display:flex;"><span>validation_data_dir <span style="color:#555">=</span> <span style="color:#c30">&#34;../datasets/data/validation&#34;</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>datagen <span style="color:#555">=</span> ImageDataGenerator(rescale<span style="color:#555">=</span><span style="color:#f60">1.</span><span style="color:#555">/</span><span style="color:#f60">255</span>)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>train_generator <span style="color:#555">=</span> datagen<span style="color:#555">.</span>flow_from_directory(
</span></span><span style="display:flex;"><span> train_data_dir,
</span></span><span style="display:flex;"><span> target_size<span style="color:#555">=</span>(img_width, img_height),
</span></span><span style="display:flex;"><span> batch_size<span style="color:#555">=</span><span style="color:#f60">64</span>,
</span></span><span style="display:flex;"><span> color_mode<span style="color:#555">=</span><span style="color:#c30">&#34;grayscale&#34;</span>,
</span></span><span style="display:flex;"><span> class_mode<span style="color:#555">=</span><span style="color:#c30">&#34;categorical&#34;</span>)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>validation_generator <span style="color:#555">=</span> datagen<span style="color:#555">.</span>flow_from_directory(
</span></span><span style="display:flex;"><span> validation_data_dir,
</span></span><span style="display:flex;"><span> target_size<span style="color:#555">=</span>(img_width, img_height),
</span></span><span style="display:flex;"><span> batch_size<span style="color:#555">=</span><span style="color:#f60">64</span>,
</span></span><span style="display:flex;"><span> color_mode<span style="color:#555">=</span><span style="color:#c30">&#34;grayscale&#34;</span>,
</span></span><span style="display:flex;"><span> class_mode<span style="color:#555">=</span><span style="color:#c30">&#34;categorical&#34;</span>)
</span></span></code></pre></div><h2 id="学習モデル作成">学習モデル作成</h2>
<p>次に NN の層を定義していく。</p>
<p>Keras では <code>Sequential</code> モデルを最初に生成して、そいつに対して <code>.add()</code> メソッドを用いて層を追加していく形で NN を構築していく。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>model <span style="color:#555">=</span> Sequential()
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Convolution2D(<span style="color:#f60">32</span>, <span style="color:#f60">3</span>, <span style="color:#f60">3</span>, input_shape<span style="color:#555">=</span>(img_width, img_height, <span style="color:#f60">1</span>)))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Activation(<span style="color:#c30">&#39;relu&#39;</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(MaxPooling2D(pool_size<span style="color:#555">=</span>(<span style="color:#f60">2</span>, <span style="color:#f60">2</span>)))
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Convolution2D(<span style="color:#f60">32</span>, <span style="color:#f60">3</span>, <span style="color:#f60">3</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Activation(<span style="color:#c30">&#39;relu&#39;</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(MaxPooling2D(pool_size<span style="color:#555">=</span>(<span style="color:#f60">2</span>, <span style="color:#f60">2</span>)))
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Convolution2D(<span style="color:#f60">64</span>, <span style="color:#f60">3</span>, <span style="color:#f60">3</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Activation(<span style="color:#c30">&#39;relu&#39;</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(MaxPooling2D(pool_size<span style="color:#555">=</span>(<span style="color:#f60">2</span>, <span style="color:#f60">2</span>)))
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Flatten())
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Dense(<span style="color:#f60">64</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Activation(<span style="color:#c30">&#39;relu&#39;</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Dropout(<span style="color:#f60">0.5</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Dense(<span style="color:#f60">10</span>))
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>add(Activation(<span style="color:#c30">&#39;sigmoid&#39;</span>))
</span></span></code></pre></div><p>そしてモデルの学習の前に <code>compile()</code> メソッドを使って幾つかの設定を行う必要がある。</p>
<ul>
<li><code>loss</code> : 損失関数の設定</li>
<li><code>optimizer</code> : 最適化手法の設定</li>
<li><code>metrics</code> : 評価指標の設定</li>
</ul>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>model<span style="color:#555">.</span>compile(loss<span style="color:#555">=</span><span style="color:#c30">&#39;binary_crossentropy&#39;</span>,
</span></span><span style="display:flex;"><span> optimizer<span style="color:#555">=</span><span style="color:#c30">&#39;Adam&#39;</span>,
</span></span><span style="display:flex;"><span> metrics<span style="color:#555">=</span>[<span style="color:#c30">&#39;accuracy&#39;</span>])
</span></span></code></pre></div><!-- raw HTML omitted -->
<h2 id="学習">学習</h2>
<p>いよいよモデルを学習させる。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># ハイパーパラメタ</span>
</span></span><span style="display:flex;"><span>nb_epoch <span style="color:#555">=</span> <span style="color:#f60">300</span>
</span></span><span style="display:flex;"><span>nb_train_samples <span style="color:#555">=</span> <span style="color:#f60">2048</span>
</span></span><span style="display:flex;"><span>nb_validation_samples <span style="color:#555">=</span> <span style="color:#f60">832</span>
</span></span></code></pre></div><div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># 学習を行う</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># fit_generator() の返り値に学習過程のデータが得られる</span>
</span></span><span style="display:flex;"><span>history <span style="color:#555">=</span> model<span style="color:#555">.</span>fit_generator(
</span></span><span style="display:flex;"><span> train_generator,
</span></span><span style="display:flex;"><span> samples_per_epoch<span style="color:#555">=</span>nb_train_samples,
</span></span><span style="display:flex;"><span> nb_epoch<span style="color:#555">=</span>nb_epoch,
</span></span><span style="display:flex;"><span> validation_data<span style="color:#555">=</span>validation_generator,
</span></span><span style="display:flex;"><span> nb_val_samples<span style="color:#555">=</span>nb_validation_samples)
</span></span></code></pre></div><pre tabindex="0"><code>Epoch 1/300
2048/2048 [==============================] - 13s - loss: 0.4733 - acc: 0.8062 - val_loss: 0.3308 - val_acc: 0.9000
Epoch 2/300
2048/2048 [==============================] - 13s - loss: 0.3765 - acc: 0.8884 - val_loss: 0.3329 - val_acc: 0.9000
Epoch 3/300
2048/2048 [==============================] - 13s - loss: 0.3564 - acc: 0.8953 - val_loss: 0.3154 - val_acc: 0.9000
Epoch 4/300
2048/2048 [==============================] - 13s - loss: 0.3380 - acc: 0.9006 - val_loss: 0.2956 - val_acc: 0.9065
Epoch 5/300
2048/2048 [==============================] - 13s - loss: 0.3192 - acc: 0.9038 - val_loss: 0.2766 - val_acc: 0.9096
Epoch 6/300
2048/2048 [==============================] - 13s - loss: 0.3063 - acc: 0.9046 - val_loss: 0.2622 - val_acc: 0.9115
Epoch 7/300
2048/2048 [==============================] - 11s - loss: 0.2888 - acc: 0.9069 - val_loss: 0.2560 - val_acc: 0.9094
Epoch 8/300
2048/2048 [==============================] - 14s - loss: 0.2742 - acc: 0.9099 - val_loss: 0.2484 - val_acc: 0.9142
...
Epoch 294/300
2048/2048 [==============================] - 13s - loss: 0.0990 - acc: 0.9522 - val_loss: 0.0822 - val_acc: 0.9609
Epoch 295/300
2048/2048 [==============================] - 12s - loss: 0.0921 - acc: 0.9552 - val_loss: 0.0736 - val_acc: 0.9619
Epoch 296/300
2048/2048 [==============================] - 12s - loss: 0.0890 - acc: 0.9564 - val_loss: 0.0707 - val_acc: 0.9650
Epoch 297/300
2048/2048 [==============================] - 13s - loss: 0.0954 - acc: 0.9535 - val_loss: 0.0735 - val_acc: 0.9612
Epoch 298/300
2048/2048 [==============================] - 14s - loss: 0.0904 - acc: 0.9543 - val_loss: 0.0699 - val_acc: 0.9643
Epoch 299/300
2048/2048 [==============================] - 13s - loss: 0.0869 - acc: 0.9557 - val_loss: 0.0710 - val_acc: 0.9632
Epoch 300/300
2048/2048 [==============================] - 13s - loss: 0.0913 - acc: 0.9562 - val_loss: 0.0725 - val_acc: 0.9619
</code></pre><div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#366">print</span> model<span style="color:#555">.</span>evaluate_generator(validation_generator, nb_validation_samples)
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># [0.068484609230206564, 0.9645432738157419]</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># loss と accuracy の値が得られる</span>
</span></span></code></pre></div><p><code>save_weights()</code> メソッドを用いて、モデルを保存しておく</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># モデルを保存する</span>
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>save_weights(<span style="color:#c30">&#39;e300.h5&#39;</span>)
</span></span></code></pre></div><p>識別精度
<img src="modelacc.png" alt="modelacc.png"></p>
<p>ロス
<img src="modelloss.png" alt="modelloss.png"></p>
<h2 id="とりあえずモデルを使ってみる">とりあえずモデルを使ってみる</h2>
<p>てきとうに画像を突っ込んでフォントを推定してみる</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># 推定処理</span>
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">keras.preprocessing</span> <span style="color:#069;font-weight:bold">import</span> image
</span></span><span style="display:flex;"><span>fonts <span style="color:#555">=</span> [<span style="color:#c30">&#34;andalemono&#34;</span>, <span style="color:#c30">&#34;arial&#34;</span>, <span style="color:#c30">&#34;futura&#34;</span>, <span style="color:#c30">&#34;gillsans&#34;</span>, <span style="color:#c30">&#34;helvetica&#34;</span>, <span style="color:#c30">&#34;impact&#34;</span>, <span style="color:#c30">&#34;opitma&#34;</span>, <span style="color:#c30">&#34;timenewroman&#34;</span>, <span style="color:#c30">&#34;trebuchetms&#34;</span>, <span style="color:#c30">&#34;verdana&#34;</span>]
</span></span><span style="display:flex;"><span>lefts <span style="color:#555">=</span> np<span style="color:#555">.</span>array([<span style="color:#f60">0</span>, <span style="color:#f60">1</span>, <span style="color:#f60">2</span>, <span style="color:#f60">3</span>, <span style="color:#f60">4</span>, <span style="color:#f60">5</span>, <span style="color:#f60">6</span>, <span style="color:#f60">7</span>, <span style="color:#f60">8</span>, <span style="color:#f60">9</span>])
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># 学習済みの重みをロード</span>
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>load_weights(<span style="color:#c30">&#39;e300.h5&#39;</span>)
</span></span><span style="display:flex;"><span>model<span style="color:#555">.</span>compile(loss<span style="color:#555">=</span><span style="color:#c30">&#39;binary_crossentropy&#39;</span>,
</span></span><span style="display:flex;"><span> optimizer<span style="color:#555">=</span><span style="color:#c30">&#39;Adam&#39;</span>,
</span></span><span style="display:flex;"><span> metrics<span style="color:#555">=</span>[<span style="color:#c30">&#39;accuracy&#39;</span>])
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># 適当にデータを読み込ませる</span>
</span></span><span style="display:flex;"><span>filename <span style="color:#555">=</span> <span style="color:#c30">&#34;../datasets/data/validation/andalemono/f-0911.png&#34;</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>img <span style="color:#555">=</span> image<span style="color:#555">.</span>load_img(filename, target_size<span style="color:#555">=</span>(img_height, img_width), grayscale<span style="color:#555">=</span><span style="color:#069;font-weight:bold">True</span>)
</span></span><span style="display:flex;"><span>x <span style="color:#555">=</span> image<span style="color:#555">.</span>img_to_array(img)
</span></span><span style="display:flex;"><span>x <span style="color:#555">=</span> np<span style="color:#555">.</span>expand_dims(x, axis<span style="color:#555">=</span><span style="color:#f60">0</span>)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>x <span style="color:#555">=</span> x <span style="color:#555">/</span> <span style="color:#f60">255.0</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>pred <span style="color:#555">=</span> model<span style="color:#555">.</span>predict(x)[<span style="color:#f60">0</span>]
</span></span><span style="display:flex;"><span>plt<span style="color:#555">.</span>subplot(<span style="color:#f60">2</span>, <span style="color:#f60">1</span>, <span style="color:#f60">1</span>)
</span></span><span style="display:flex;"><span>plt<span style="color:#555">.</span>imshow(img)
</span></span><span style="display:flex;"><span>plt<span style="color:#555">.</span>subplot(<span style="color:#f60">2</span>, <span style="color:#f60">1</span>, <span style="color:#f60">2</span>)
</span></span><span style="display:flex;"><span>plt<span style="color:#555">.</span>barh(lefts, pred, tick_label<span style="color:#555">=</span>fonts, align<span style="color:#555">=</span><span style="color:#c30">&#34;center&#34;</span>)
</span></span></code></pre></div><p><img src="predict.png" alt="predict.png"></p>
<p>いい感じ。</p>
<h3 id="混合行列を描画する">混合行列を描画する</h3>
<p>さっきの予測処理を関数化する</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#069;font-weight:bold">def</span> <span style="color:#c0f">predict</span>(imagepath):
</span></span><span style="display:flex;"><span> fonts <span style="color:#555">=</span> [<span style="color:#c30">&#34;andalemono&#34;</span>, <span style="color:#c30">&#34;arial&#34;</span>, <span style="color:#c30">&#34;futura&#34;</span>, <span style="color:#c30">&#34;gillsans&#34;</span>, <span style="color:#c30">&#34;helvetica&#34;</span>, <span style="color:#c30">&#34;impact&#34;</span>, <span style="color:#c30">&#34;opitma&#34;</span>, <span style="color:#c30">&#34;timenewroman&#34;</span>, <span style="color:#c30">&#34;trebuchetms&#34;</span>, <span style="color:#c30">&#34;verdana&#34;</span>]
</span></span><span style="display:flex;"><span> img <span style="color:#555">=</span> image<span style="color:#555">.</span>load_img(filename, target_size<span style="color:#555">=</span>(img_height, img_width), grayscale<span style="color:#555">=</span><span style="color:#069;font-weight:bold">True</span>)
</span></span><span style="display:flex;"><span> x <span style="color:#555">=</span> image<span style="color:#555">.</span>img_to_array(img)
</span></span><span style="display:flex;"><span> x <span style="color:#555">=</span> np<span style="color:#555">.</span>expand_dims(x, axis<span style="color:#555">=</span><span style="color:#f60">0</span>)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span> x <span style="color:#555">=</span> x <span style="color:#555">/</span> <span style="color:#f60">255.0</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span> pred <span style="color:#555">=</span> model<span style="color:#555">.</span>predict(x)[<span style="color:#f60">0</span>]
</span></span><span style="display:flex;"><span> pred_index <span style="color:#555">=</span> np<span style="color:#555">.</span>argmax(pred)
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">return</span> pred_index, fonts[pred_index]
</span></span></code></pre></div><p>テスト用データに対して予測処理をして、配列に格納する処理</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>data <span style="color:#555">=</span> [<span style="color:#c30">&#34;a&#34;</span>, <span style="color:#c30">&#34;b&#34;</span>, <span style="color:#c30">&#34;c&#34;</span>, <span style="color:#c30">&#34;d&#34;</span>, <span style="color:#c30">&#34;e&#34;</span>, <span style="color:#c30">&#34;f&#34;</span>, <span style="color:#c30">&#34;g&#34;</span>, <span style="color:#c30">&#34;h&#34;</span>, <span style="color:#c30">&#34;i&#34;</span>, <span style="color:#c30">&#34;j&#34;</span>, <span style="color:#c30">&#34;k&#34;</span>, <span style="color:#c30">&#34;l&#34;</span>, <span style="color:#c30">&#34;m&#34;</span>, <span style="color:#c30">&#34;n&#34;</span>, <span style="color:#c30">&#34;o&#34;</span>, <span style="color:#c30">&#34;p&#34;</span>, <span style="color:#c30">&#34;q&#34;</span>, <span style="color:#c30">&#34;r&#34;</span>, <span style="color:#c30">&#34;s&#34;</span>, <span style="color:#c30">&#34;t&#34;</span>, <span style="color:#c30">&#34;u&#34;</span>, <span style="color:#c30">&#34;v&#34;</span>, <span style="color:#c30">&#34;w&#34;</span>, <span style="color:#c30">&#34;x&#34;</span>, <span style="color:#c30">&#34;y&#34;</span>, <span style="color:#c30">&#34;z&#34;</span>]
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>acc <span style="color:#555">=</span> [[], [], [], [], [], [], [], [], [], []]
</span></span><span style="display:flex;"><span>incre <span style="color:#555">=</span> <span style="color:#f60">1.0</span> <span style="color:#555">/</span> <span style="color:#f60">260.0</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">for</span> font <span style="color:#000;font-weight:bold">in</span> fonts:
</span></span><span style="display:flex;"><span> font_index <span style="color:#555">=</span> fonts<span style="color:#555">.</span>index(font)
</span></span><span style="display:flex;"><span> acc[font_index] <span style="color:#555">=</span> [<span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>, <span style="color:#f60">0.0</span>]
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">for</span> d <span style="color:#000;font-weight:bold">in</span> data:
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">for</span> i <span style="color:#000;font-weight:bold">in</span> xrange(<span style="color:#f60">10</span>):
</span></span><span style="display:flex;"><span> file <span style="color:#555">=</span> <span style="color:#c30">&#34;../datasets/data/validation/&#34;</span> <span style="color:#555">+</span> font <span style="color:#555">+</span> <span style="color:#c30">&#34;/&#34;</span> <span style="color:#555">+</span> d <span style="color:#555">+</span> <span style="color:#c30">&#34;-091&#34;</span> <span style="color:#555">+</span> <span style="color:#366">str</span>(i) <span style="color:#555">+</span> <span style="color:#c30">&#34;.png&#34;</span>
</span></span><span style="display:flex;"><span> pred <span style="color:#555">=</span> predict(file)
</span></span><span style="display:flex;"><span> acc[font_index][pred[<span style="color:#f60">0</span>]] <span style="color:#555">+=</span> incre
</span></span></code></pre></div><p>最後に混合行列を描画する。
描画には <code>matplotlib</code> で行った。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">matplotlib.pyplot</span> <span style="color:#069;font-weight:bold">import</span> specgram
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">sklearn.metrics</span> <span style="color:#069;font-weight:bold">import</span> confusion_matrix
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">sklearn.svm</span> <span style="color:#069;font-weight:bold">import</span> LinearSVC
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">sklearn.utils</span> <span style="color:#069;font-weight:bold">import</span> resample
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">from</span> <span style="color:#0cf;font-weight:bold">matplotlib</span> <span style="color:#069;font-weight:bold">import</span> pylab
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">import</span> <span style="color:#0cf;font-weight:bold">numpy</span> <span style="color:#069;font-weight:bold">as</span> <span style="color:#0cf;font-weight:bold">np</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>cm <span style="color:#555">=</span> acc
</span></span><span style="display:flex;"><span>name_list <span style="color:#555">=</span> [<span style="color:#c30">&#34;andalemono&#34;</span>, <span style="color:#c30">&#34;arial&#34;</span>, <span style="color:#c30">&#34;futura&#34;</span>, <span style="color:#c30">&#34;gillsans&#34;</span>, <span style="color:#c30">&#34;helvetica&#34;</span>, <span style="color:#c30">&#34;impact&#34;</span>, <span style="color:#c30">&#34;opitma&#34;</span>, <span style="color:#c30">&#34;timenewroman&#34;</span>, <span style="color:#c30">&#34;trebuchetms&#34;</span>, <span style="color:#c30">&#34;verdana&#34;</span>]
</span></span><span style="display:flex;"><span>title <span style="color:#555">=</span> <span style="color:#c30">&#34;Font Prediction&#34;</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>clf()
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>matshow(cm, fignum<span style="color:#555">=</span><span style="color:#069;font-weight:bold">False</span>, cmap<span style="color:#555">=</span><span style="color:#c30">&#39;Blues&#39;</span>, vmin<span style="color:#555">=</span><span style="color:#f60">0</span>, vmax<span style="color:#555">=</span><span style="color:#f60">1</span>)
</span></span><span style="display:flex;"><span>ax <span style="color:#555">=</span> pylab<span style="color:#555">.</span>axes()
</span></span><span style="display:flex;"><span>ax<span style="color:#555">.</span>set_xticks(<span style="color:#366">range</span>(<span style="color:#366">len</span>(name_list)))
</span></span><span style="display:flex;"><span>ax<span style="color:#555">.</span>set_xticklabels(name_list, rotation<span style="color:#555">=</span><span style="color:#f60">90</span>)
</span></span><span style="display:flex;"><span>ax<span style="color:#555">.</span>xaxis<span style="color:#555">.</span>set_ticks_position(<span style="color:#c30">&#34;bottom&#34;</span>)
</span></span><span style="display:flex;"><span>ax<span style="color:#555">.</span>set_yticks(<span style="color:#366">range</span>(<span style="color:#366">len</span>(name_list)))
</span></span><span style="display:flex;"><span>ax<span style="color:#555">.</span>set_yticklabels(name_list)
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>title(title)
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>colorbar()
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>grid(<span style="color:#069;font-weight:bold">False</span>)
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>xlabel(<span style="color:#c30">&#39;Predict class&#39;</span>)
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>ylabel(<span style="color:#c30">&#39;True class&#39;</span>)
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>grid(<span style="color:#069;font-weight:bold">False</span>)
</span></span><span style="display:flex;"><span>pylab<span style="color:#555">.</span>show()
</span></span></code></pre></div><p><img src="confusion_matrix.png" alt="confusion_matrix.png"></p>
<h2 id="まとめ">まとめ</h2>
<ul>
<li>ある程度精度は出るっぽいので、対象フォント数を増やしたい
<ul>
<li>なぜか Helvetica の認識率だけ悪いのは気になる</li>
</ul>
</li>
<li>実際にフォント推定器をスマホアプリとかに埋め込みたい</li>
</ul>
</description>
</item>
<item>
<title>Oreilly の無料本を自動で入手する方法</title>
<link>http://mitakeck.github.io/oreilly-free-ebooks-dl/</link>
<pubDate>Mon, 06 Mar 2017 02:31:37 JST</pubDate>
<author>Alexander Ivanov</author>
<guid>http://mitakeck.github.io/oreilly-free-ebooks-dl/</guid>
<description><h2 id="概要">概要</h2>
<p><a href="https://github.com/deeplook/freebora">freebora</a> という Oreilly の無料電子書籍をダウンロードするコマンドラインツールがある。
Python で書かれており、ソースコードは Github で公開されている。<br>
電子書籍のダウンロードロジックが気になったので、ソースコードを探索してみた。</p>
<hr>
<h2 id="ソースコード探索">ソースコード探索</h2>
<p>探索と言っても重要な部分は <a href="https://github.com/deeplook/freebora/blob/master/freebora/freebora.py"><code>freebora/freebora/freebora.py</code></a> 内にすべてまとまっていて、大まかに以下の流れで無料電子書籍を抽出/ダウンロードしていた。</p>
<ul>
<li>
<ol>
<li><code>http://shop.oreilly.com/category/ebooks.do</code> にアクセスしカテゴリ一覧を取得</li>
</ol>
</li>
<li>
<ol start="2">
<li><code>http://shop.oreilly.com/category/ebooks/[category].do</code> にアクセスし電子書籍一覧を取得</li>
</ol>
</li>
<li>
<ol start="3">
<li>値段が <code>$0.00</code> に設定されている電子書籍ページ URL を抽出</li>
</ol>
</li>
<li>
<ol start="4">
<li>対象電子書籍ページの URL を整形して、ダウンロード</li>
</ol>
</li>
</ul>
<p>処理 4. のダウンロード URL 整形処理に関してだけ補足。</p>
<p>以下に <code>freebora</code> から抜粋したソースコードを掲載する。<br>
ソースコード内の <code>for</code> 内部が処理 4 となる。
重要なのは <code>re.sub()</code> で、それぞれの URL を <code>.csp</code> を <code>.pdf</code> に<code>/free/</code> を <code>/free/files/</code> に置換する処理を行っている。</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#555">...</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># https://github.com/deeplook/freebora/blob/master/freebora/freebora.py#L56-L73 より引用</span>
</span></span><span style="display:flex;"><span>t2 <span style="color:#555">=</span> etree<span style="color:#555">.</span>parse(<span style="color:#c30">&#39;http://shop.oreilly.com&#39;</span> <span style="color:#555">+</span> page_url, parser<span style="color:#555">=</span>p)
</span></span><span style="display:flex;"><span>xp <span style="color:#555">=</span> <span style="color:#c30">&#39;//span[@class=&#34;price&#34;][contains(., &#34;$0.00&#34;)]/&#39;</span>\
</span></span><span style="display:flex;"><span> <span style="color:#c30">&#39;../../../../div[@class=&#34;thumbheader&#34;]/a/@href&#39;</span>
</span></span><span style="display:flex;"><span>paths <span style="color:#555">=</span> t2<span style="color:#555">.</span>xpath(xp)
</span></span><span style="display:flex;"><span><span style="color:#069;font-weight:bold">for</span> j, path <span style="color:#000;font-weight:bold">in</span> <span style="color:#366">enumerate</span>(paths):
</span></span><span style="display:flex;"><span> url <span style="color:#555">=</span> <span style="color:#c30">&#39;http://shop.oreilly.com&#39;</span> <span style="color:#555">+</span> path
</span></span><span style="display:flex;"><span> html <span style="color:#555">=</span> requests<span style="color:#555">.</span>get(url)<span style="color:#555">.</span>text
</span></span><span style="display:flex;"><span> url_csps <span style="color:#555">=</span> re<span style="color:#555">.</span>findall(<span style="color:#c30">&#39;path_info\:\s+(.*?\.csp)&#39;</span>, html)
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">if</span> <span style="color:#366">len</span>(url_csps) <span style="color:#555">!=</span> <span style="color:#f60">1</span>:
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">continue</span>
</span></span><span style="display:flex;"><span> url_csp <span style="color:#555">=</span> url_csps[<span style="color:#f60">0</span>]
</span></span><span style="display:flex;"><span> url_csp <span style="color:#555">=</span> re<span style="color:#555">.</span>sub(<span style="color:#c30">&#39;\?.*&#39;</span>, <span style="color:#c30">&#39;&#39;</span>, url_csp)
</span></span><span style="display:flex;"><span> url_pdf <span style="color:#555">=</span> re<span style="color:#555">.</span>sub(<span style="color:#c30">&#39;\.csp&#39;</span>, <span style="color:#c30">&#39;.pdf&#39;</span>, url_csp)
</span></span><span style="display:flex;"><span> url_pdf <span style="color:#555">=</span> re<span style="color:#555">.</span>sub(<span style="color:#c30">&#39;/free/&#39;</span>, <span style="color:#c30">&#39;/free/files/&#39;</span>, url_pdf)
</span></span><span style="display:flex;"><span> u <span style="color:#555">=</span> <span style="color:#c30">&#39;http://www.oreilly.com/</span><span style="color:#a00">%s</span><span style="color:#c30">&#39;</span> <span style="color:#555">%</span> url_pdf
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">if</span> verbose:
</span></span><span style="display:flex;"><span> <span style="color:#366">print</span>(u)
</span></span><span style="display:flex;"><span> <span style="color:#069;font-weight:bold">yield</span> u
</span></span><span style="display:flex;"><span><span style="color:#555">...</span>
</span></span></code></pre></div><p>実際の無料電子書籍 URL から手動で上記処理 4 を実行してみる。</p>
<p>下記 URL は『Guidelines for Keeping Pace with Innovation and Tech Adoption』という電子書籍のページ。こいつに対してさっきの置換処理を実行する。</p>
<p><img src="oreilly1.png" alt="oreilly1.png"></p>
<p><a href="http://www.oreilly.com/business/free/guidelines-for-keeping-pace-with-innovation-and-tech-adoption.csp">http://www.oreilly.com/business/free/guidelines-for-keeping-pace-with-innovation-and-tech-adoption.csp</a> に対して <code>.csp</code> を <code>.pdf</code> に<code>/free/</code> を <code>/free/files/</code> に置換する処理を施す。
すると対象電子書籍の PDF を閲覧することが出来る URL が生成される。</p>
<p><img src="url.png" alt="url.prg"></p>
<p>アクセスしてみる。</p>
<p><img src="oreilly2.png" alt="oreilly2.png"></p>
<p>対象書籍の PDF を閲覧できた。</p>
<h2 id="気づき">気づき</h2>
<h3 id="1httpwwworeillycomcategoryfreeからスクレイプしたほうが早い">1.<code>http://www.oreilly.com/[category]/free/</code>からスクレイプしたほうが早い</h3>
<p>freedora は <code>http://shop.oreilly.com/category/ebooks/[category].do</code> から無料になっている電子書籍を探していたが、実は Oreilly さんが無料本に関しては <code>http://www.oreilly.com/[category]/free/</code> にまとめてくれている。
なのでそちらからスクレイピングしたほうが処理としてはスマートになりそう。</p>
<p>ちなみにカテゴリは以下のものがあります</p>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span>category <span style="color:#555">=</span> {<span style="color:#c30">&#34;business&#34;</span>, <span style="color:#c30">&#34;data&#34;</span>, <span style="color:#c30">&#34;iot&#34;</span>, <span style="color:#c30">&#34;design&#34;</span>, <span style="color:#c30">&#34;programming&#34;</span>, <span style="color:#c30">&#34;security&#34;</span>, <span style="color:#c30">&#34;web-platform&#34;</span>, <span style="color:#c30">&#34;webops&#34;</span>}
</span></span></code></pre></div><h3 id="2-pdf-以外のフォーマットもダウンロードできる">2. PDF 以外のフォーマットもダウンロードできる</h3>
<p>freedora では PDF 形式の電子書籍をダウンロードしてくるのだが、
<code>.pdf</code> 以外にも <code>.epub</code>, <code>.mobi</code> フォーマットの存在を確認した。</p>
<p>Kindle Paper で電子書籍を読んでいると <code>.pdf</code> より <code>.mobi</code> のほうが扱いが良かったりするので、必要に合わせてフォーマットを指定すると良さげ。</p>
<h2 id="参考-url-等">参考 URL 等</h2>
<ul>
<li><a href="https://github.com/deeplook/freebora">https://github.com/deeplook/freebora</a> : Download free ebooks from O&rsquo;Reilly.</li>
</ul>
</description>
</item>
<item>
<title>hugo test</title>
<link>http://mitakeck.github.io/page/</link>
<pubDate>Mon, 06 Mar 2017 00:38:19 JST</pubDate>
<author>Alexander Ivanov</author>
<guid>http://mitakeck.github.io/page/</guid>
<description><h1 id="hugo-のテスト">hugo のテスト</h1>
<ul>
<li>シンタックスハイライトとか</li>
</ul>
<div class="highlight"><pre tabindex="0" style="background-color:#f0f3f3;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-zsh" data-lang="zsh"><span style="display:flex;"><span>% curl -Lso- http://mainichi.jp/articles/20151210/k00/00m/040/010000c | grep meta | grep og:image | sed -e <span style="color:#c30">&#34;s/.*content=\&#34;\(.*\)\&#34;.*/\1/g&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># =&gt; http://cdn.mainichi.jp/vol1/2015/12/10/20151210k0000m040023000p/91.jpg</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>% curl -Lso- http://mainichi.jp/articles/20151210/k00/00m/040/010000c | grep meta | grep og:image | sed -e <span style="color:#c30">&#34;s/.*content=\&#34;\(.*\)\&#34;.*/\1/g&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># =&gt; http://cdn.mainichi.jp/vol1/2015/12/10/20151210k0000m040023000p/91.jpg</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>% curl -Lso- http://www.asahi.com/articles/ASHD96K3YHD9UTIL04L.html | grep meta | grep og:image | sed -e <span style="color:#c30">&#34;s/.*content=\&#34;\(.*\)\&#34;.*/\1/g&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># =&gt; http://www.asahicom.jp/articles/images/AS20151209004367_comm.jpg</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>% curl -Lso- http://www.cnn.co.jp/world/35074672.html | grep meta | grep og:image | sed -e <span style="color:#c30">&#34;s/.*content=\&#34;\(.*\)\&#34;.*/\1/g&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># =&gt; http://www.cnn.co.jp/storage/2015/12/09/26290e751df22d92b3d72b36a65d95b3/france-russia-police-dog.jpg</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>% curl -Lso- http://ggsoku.com/2015/12/minecraft-for-wii-u-released-1217/ | grep meta | grep og:image | sed -e <span style="color:#c30">&#34;s/.*content=\&#34;\(.*\)\&#34;.*/\1/g&#34;</span>
</span></span><span style="display:flex;"><span><span style="color:#09f;font-style:italic"># =&gt; http://ggsoku.com/index.php?aam_media=101921&amp;#038;size=original</span>
</span></span><span style="display:flex;"><span>
</span></span><span style="display:flex;"><span>%
</span></span></code></pre></div></description>
</item>
</channel>
</rss>