1 作成するプログラム
2 データの準備 (学習用画像)
- 2.1 Windows Vista
- 2.2 Windows 7
- 2.3 Windows 8
- 2.4 Windows 10
- 2.5 Windows 11
3 トレーニング、学習モデルの作成
4 学習モデルを利用するプログラムの作成
- 4.1 UI
- 4.2 コード
- 4.3 解説
5 実行結果

ML.NET を利用したシンプルな画像判定プログラム - C#

ML.NET を利用したシンプルな画像判定プログラムを作成します。

作成するプログラム

Windows Vista, Windows 7, Windows 8, Windows 10, WIndows 11 の壁紙を学習させて、与えられた画像がどのWindowsの壁紙かを判定するプログラムを作成します。
こちらの記事で作成したプログラムのML.NET版です。

データの準備 (学習用画像)

以下の画像を準備します。壁紙の画像を縮小したり、一部分のみを切り出した画像です。
学習画像がクラスごとに5-6個必要です。(1,2個でも試してみましたが、結果がかなり悪いです)

Windows Vista

Windows 7

Windows 8

Windows 10

Windows 11

トレーニング、学習モデルの作成

Visual Studio を起動しWindows Formプロジェクトを作成します。

画像はimgフォルダ内に、分類クラスごとにフォルダを作成して配置します。

ソリューションエクスプローラーでプロジェクトのノードをクリックして選択し、右クリックします。ポップアップメニューの[追加]サブメニューの[機械学習モデル]の項目をクリックします。

[新しい項目の追加]ダイアログが表示されます。[Machine Lewarning Model (ML.NET)]の項目が選択された状態になっています。 [名前]のテキストボックスにモデルのファイル名を入力して、モデルを作成します。今回はデフォルトの名称の "MLModel1.mbconfig" を利用します。

モデルファイルが作成され、下図の画面が表示されます。

[シナリオの選択]画面が表示されます。今回は[画像の分類]のタイルをクリックして選択します。

[トレーニング環境の選択]画面が表示されます。今回は [ローカル (CPU)] をクリックして選択します。画面下部の[次の手順]ボタンをクリックします。

[データの追加]画面が表示されます。[入力]セクションの[フォルダーの選択]のテキストボックスの右側の[...]ボタンをクリックし、画像を配置したフォルダを選択します。今回は先に配置したプロジェクトのディレクトリの "img" フォルダを選択します。

フォルダが選択できると、[データのプレビュー]セクションに画像ファイルのサムネイルが表示されます。
画面下部の[次の手順]ボタンをクリックします。

[トレーニングする]画面が表示されます。[トレーニングの開始]ボタンをクリックします。

トレーニングが始まります。

トレーニングが完了すると下図の画面が表示されます。[次の手順]ボタンをクリックします。

[評価]の画面が表示されます。[独自のモデルを試す]セクションの[画像の参照]リンクをクリックし、検証用の画像を読み込みます。

検証用の画像を読み込むと判定処理が始まります。

結果が表示されます。99%のスコアでWindows 8の壁紙と判定されました。問題なさそうなので画面下部の[次の手順]ボタンをクリックします。

[使用]画面が表示されます。学習モデルを利用するコードが表示されます。[次の手順]ボタンをクリックします。

[次の手順]画面が表示されます。今回はモデルのデプロイは不要ですので、以上で終了です。

学習モデルを利用するプログラムの作成

Windows Formアプリケーションを実装します。
Windows FormアプリケーションにはML.NETのパッケージをインストールします。 ML.NETのインストールの手順はこちらの記事を参照してください。

UI

下図のフォームを作成します。テキストボックスを1つ、MultilineプロパティをTrueに設定した複数行テキストボックスを1つ、ボタンを2つ配置します。

コード

下記のコードを記述します。

using Microsoft.ML;
using Microsoft.ML.Data;

namespace SImpleImageClassified
{
  public partial class FormMain : Form
  {
    public FormMain()
    {
      InitializeComponent();
    }

    private void Form1_Load(object sender, EventArgs e)
    {

    }

    private void button1_Click(object sender, EventArgs e)
    {
      if (openFileDialog1.ShowDialog() == DialogResult.OK)
      {
        textBox1.Text = openFileDialog1.FileName;
      }
    }

    private void button2_Click(object sender, EventArgs e)
    {
      //Load sample data
      var imageBytes = File.ReadAllBytes(textBox1.Text);
      MLModel1.ModelInput sampleData = new MLModel1.ModelInput()
      {
        ImageSource = imageBytes,
      };

      //Load model and predict output
      var result = MLModel1.Predict(sampleData);

      textBox2.Text += String.Format("この画像は : {0} / スコア: {1:f} \r\n", result.PredictedLabel, result.Score.Max());

      DataViewSchema.Column? col = MLModel1.PredictEngine.Value.OutputSchema.GetColumnOrNull("Score");
      VBuffer<ReadOnlyMemory<char>> value = default;
      col.Value.Annotations.GetValue("TrainingLabelValues", ref value);


      textBox2.Text += "スコア\r\n";
      for (int i = 0; i < result.Score.Length; i++)
      {
        textBox2.Text += String.Format("Label : {0}  Score : {1:f}\r\n", value.GetItemOrDefault(i).ToString(), result.Score[i]);
      }
    }
  }
}

解説

Machine Learning Model作成画面の[使用] 画面で生成されたコードを利用しています。
入力データは、画像ファイルをFile.ReadAllBytes で開きバイト配列を取得します。 ModelInputクラスを作成し、画像ファイルのバイト配列を ImageSource プロパティに代入します。判定処理は、モデルクラスの Predict メソッドで実行します。引数に入力データの ModeiInput オブジェクトを与えます。
結果は、ModelOutput オブジェクトがPredictメソッドの戻り値で戻ります。PredictedLabel プロパティに判定結果のLabelの値が設定されます。 ScoreプロパティにそれぞれのLabelのスコアが設定されています。判定されたLabelのスコアは、Max() メソッドで値を取得できます。