【Python】イケメン判定アプリでメンバーの顔診断した結果…【IT業界/転職】

今回のテーマは『Pythonでできることを実践してみた』ということで、ゲストにデータサイエンティストのしゅうさんをお招きしました。前もって作成いただいたツールで「Pythonがどういった動きをしているのか」などを説明できればと思います。

まず、今回はどういったツールを作成していただいたのでしょうか？　また、どれくらいの期間で作成されましたか？

3～4時間ですか！？　結構サックリ……
でもないですよね。お忙しいのに、ITサプリのために3～4時間も割いていただいて、本当にありがとうございます。
では本題に戻りまして、顔の判別ということでしたが、実際に誰の顔を判別するのでしょうか？

物凄いイケメンの名前が並びましたね。

前もって頂いたお2人の画像から判定します。

今回はデータの収集段階から機械学習モデルを作って、学習させるところまで行いました。この処理を全部やろうとすると、大体20～30分くらいの実行時間が掛かります。とはいえ、画像の中に映っている人が「誰に1番似ているのか」といった判定はすぐにできますので、そちらから見ていきたいと思います。

まず、けいさんの結果を見ますと、1番似ているのは木村拓哉さんで、大体60％の確率で似ているそうです。

すごい結果ですけど、この6割というのはどこから？

あ、まったく片足突っ込んでなかったですね。ジャニーズ事務所に謝罪したいと思います(笑)

なるほど。先程けいさんでは「木村拓哉60％」と出ていましたが、この33％というのは、結構いろいろな人に分類されてしまった感じでしょうか？

おっと……？　平均取れていて、逆に良い感じということですかね(笑)
それにしても、証明写真みたいなちゃんとした写真じゃなくても、日常の写真からでも解析は可能なのですね。

今回はいないのですが、てもしの画像もあるということで、勝手に結果の方を見ていきたいと思います！

イケメン5人の中では、竹内涼真要素が強いということですね。

そこそこ……
いや、結構入っていますね。この結果からすると、系統的にはこの2人のどちらか、みたいな感じかな。

これが、てもしさんのグラフです。

2人とも、上の3人の要素が少なめですね。

僕の結果は、2人と真逆みたいな感じですね。

上の3人は、どちらかというと「シュッとしたイケメン」というイメージがありますよね。

これは「今回は300枚くらいかな」と思ったので、1人につき250枚～300枚くらいを集めて、使用しました。

精度としては、もっと少なくても良いかもしれないです。

今回のツールではPythonの得意なところである「画像処理」と「スクレイピング」のところを使用しています。あとは「データ処理」や「可視化」のところも使用していますね。これを比較的簡単に書けるようにしているので、大体3～4時間でコードが書けた、ということです。

割と使っていますね。アプリにしようかとも考えましたが、そこまでは……(笑)
今回の場合はGoogleの『Colaboratory』というサービスを利用して作りました。このサービス自体、業務の中でもよく使うものですね。この四角単位でプログラムを実行することができるので、Pythonが人気な理由の1つでもあるデータ分析で使う際に、すごく便利です。

行ごとではなく、この1つの四角ですね。横に1、2、3と数字が付いていると思います。この左にある数字がまとまりを表していまして、一番上は1～28がまとまり、次が1～3というような流れですね。

そうですね。この四角単位ごとで結果がすぐに表示できるので、プログラムと対話するような、心を通わせて作れる感じが、Pythonが人気の理由だと思います。

ということは、最初からじゃなく「間の一部分だけ処理をやりたい」とかも可能ですか？

ちなみに、全体で何行ぐらい書かれていますか？

あと、今回のツールの画像解析で、深層学習というのを使っている部分はありますか？

その部分のスクリプトを見せてもらえますか？

具体的に、顔の特徴をどうやって数値化しているのですか？

つまり、普段見ている画像も裏では数字になっている、ということですか？

ちなみに、Pythonにはライブラリという機能があると思いますが「Pythonならではのコード」みたいなものが分かる部分はありますか？

この1文だけで、顔の認識ができる？

それは、途中の処理に使われるコードが、全部ライブラリの中に入っているから、ですか？

Pythonのことを知らなくても、これを聞いただけで結構簡略化できているのが分かりますね！

その『AIの学習』ってどういうことですか？

この2行だけで教えてあげている、ということですね。すごい。

それは「検索→見つける→覚える」という作業の流れですか？

その枚数を7～8分ですか？　すごい！

ではないです。ここではGoogle検索していますので。

人間がやろうとしたら、労力的にも何百倍ですよね。

1～2カ月でできる人はできると思いますよ。ディープラーニングのところは少し難しいので勉強が必要になるでしょうから、ディープラーニングを除いた場合、ですね。

まず「どういう方法で顔が分類できるか」ということを考えながら調べます。僕の場合はそこから最終的な着地点を考えていました。今回では2通り考えていて、1つ目が『ディープラーニングで顔を分類する』パターン、2つ目が『単純な機械学習モデルを使って最終的に分類する』パターン。1つ目は試して上手くいかなかったので、2つ目で作成しました。

ここから逆算して「何が必要か」ということを少しずつ考えていくと「画像分類をするモデルを作るから少なくとも顔の画像はいるだろう」と思って、そこでスクレイピング。次に「顔がどこにあるか」というのを知らないといけないので、それを抽出してデータ化して、最後に機械学習モデルを学習させてテストしてみた、という感じですね。

合間に撮った写真をまた新しく取り込んでいただいた感じですね。ということで、結果の方を見ていきたいと思います。

半分もいってない。

中途半端、という見方も……(笑)

見方によると、どの人よりも判別しにくい、という場合があります。

かもしれないです。中身を見ていないので分かりませんが(笑)
次に行きまして、けいさんは木村拓哉さん要素が53％です。最初の結果と近いですね。

データが変わったら、その人の顔がめちゃくちゃ変わっていることになりますからね。今回の結果も、先程と同じようなグラフを見ることはできますか？

それで割合が一緒になっていると。Pythonが正確、ということですよね。

吉澤亮要素なんて1つもなさそうですね。

本当に、全く同じ結果になりましたね。

最後に今回のまとめとして、Pythonで実際に使用した機能を、軽くまとめていただければと思います。