Embedded Files
１) Deep Q Network(DQN)の活用
強化学習(Reinforcement Learning)の一手法である
Q-learning とディープニューラルネットの組み合わせ
Cartの上にあるPoleを倒さない様にCartを 移動させる
（重たいプログラムなのでGPU活用が必須！
２) DCGANによる数字の生成
DCGAN:Deep Convolutional Generative Adversarial
Networks
＊datasetはスタンフォード大学で公開している The Street View House Numbers (SVHN)の Format2 を利用
処理結果
GPU利用で45分かかった！（CPUのみだと72Hrかかった）
Epoch1/25のランダムノイズがepoch25/25では数字として可視化できた
３) Keras と Deap Learning で乳癌の予測
予測結果
予想確率：86.2% ・・・・処理時間約3.5時間
＊総合処理時間 ＝ 2(Dataset構築) + 3.5(予測計算) = 5.5時間
開発環境がWindows-AnacondaでありOpenCVのGPU対応が出来ていない為？予想以上に時間がかかった！
４) OpenCVと機械学習を使用して、SpiralとWaveの手描き画像で
パーキンソン病を自動的に検出する方法
Datasetの準備：
Spiral画像 ・・・・・・健常者（３６個）、患者（３６）
Wave画像 ・・・・・・健常者（３６個）、患者（３６）
自動判定結果
i) Spiral画像 ： 正解率＝80.67%
ii) Wave画像： 正解率＝70.0%
５) OpenCVとDeep Learningによる
ビデオ映像のエッジをリアルタイムに検出する
出典：https://www.pyimagesearch.com/2019/03/04/holistically-nested-edge-detection-with-opencv-and-deep-learning/
６) （Python+Django+TensorFlow+転移学習）を活用した
画像分類AIアプリの作成
＊Webセミナーで車・バイクの画像から高精度に識別するアプリを作成した
＊今回はJuypter NoteookではなくVisual Studioを利用した
＊下記手順でプログラムを作成し、今までの様にターミナル
で実行するのではなくDjangoのサーバーを利用してブラウザー上
で実行出来る様になっている
７) Keras,TensorfFow,Deep Learning
を利用して患者のX線写真で
コロナウイルス患者を特定する
ここでは、Keras、TensorFlow、およびDeep Learningを使
用して、X線画像のデータセットで自動COVID-19検出器
（Dr.Adrian/PyImagesearch提供）を利用する。
COVID-19の高品質で査読済みの画像データセットは未だ
存在しないため、JosephCohenのオープンソースX線画像
のGitHubリポジトリを利用した。
CohenのデータセットからCOVID-19陽性症例として25枚
の画像をサンプリングし、Kaggleの胸部X線画像（肺炎）
の25枚のを画像をCOVID-19陰性としてサンプリングした。
（各２０枚をトレーニングに各５枚をテスト用に利用）
・・・そこからKerasとTensorFlowを使用して、100％の
感度と80％の特異性で設定し特定確率90％の精度を得る
事が出来た！
但し、この内容はあくまでも学習用であり実用には更なる
詳細検討が必要である。
(1) Joseph Cohenのオープンソース
X線画像 (COVID-19+)と
Kaggleの胸部X線画像 （COVID-19-)
(2) プログラム実行結果（４０秒程度）
参考資料：
COVID-19画像データ収集 ：
https://github.com/ieee8023/covid-chestxray-dataset
Kaggle’s 胸部X線画像（肺炎）：https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia
プログラム：Detecting COVID-19 in X-ray images with Keras,
TensorFlow, and Deep Learning
Page updated
Google Sites
Report abuse