深層学習で岩石名判定 その2

Web サービスの利点の一つは、携帯端末からアクセスできることです。

岩石名の学習結果はサーバー（Labellio https://www.labell.io/）に保存されていますので、iPhone からアクセスできます。iPhoneで写真を撮り、サーバーに判別してもらい、結果を返してもらうといった流れです。

で、実施した結果がコチラ。

1.00って、出るのですね。色付きには、よほど自信があるようです。

残念。花崗岩ですが、dioriteの判定。写真が悪いのでしょうか？

色ナシは難しいにしても、この程度は正しく判定してほしいですね。

OK。色付きには自信ありのようです。

石英閃緑岩ですが、Gabroの判定。

ま、言いたいことは分かります。

わかりやすい流紋岩。ですが、スコアは低め。

何を迷っているのでしょう？

これはスコアが高い。

そういえば、教師データに似たような色の縞々がありました。

流理がないと正しく判定されないようです。

いえ、こちらは安山岩なのですが。

斑晶があれば流紋岩、なくて黒っぽいと安山岩、と学習しているのでしょうか？

難しそうな写真でしたが、正解。

悩んでいるところ、なんとなく理解できます。

これも玄武岩でしたが、判定は安山岩。

斑晶が見えない場合は色で判定しているのでしょう。

写真の撮り方も影響するようです。

黒味が強いと、正しい判定。色ですね。

地学を習いたての中学生が色と形で判定している感覚に近いでしょうか（それしか情報を与えていないので当然ですが）。ま、1枚の写真のみから判定するのであれば、人もこの程度かもしれません。

岩石名判定の場合、拡大した画像や偏光顕微鏡写真などを組み合わせないと精度向上は望めないようです。人が通常利用する複数種類のデータを与え、組み合わせを考慮させないと、正しく判別してくれないのは当然でしょう。

そうすると、見た目だけで土軟硬を判定させるのは、ちょっと難しいということになります。人は必ず、ハンマーで叩いて判断しますので。
例えば打音を組み合わせるだけでも、かなりの精度が望めるように思えます。これは、以前にも書き残していた通りです。

他の分野でも、画像だけでは簡単に行き詰まるでしょう。近い将来では「画像＋α」のような判別器が一般化するかもしれません。技術的には現段階でも問題ないでしょうから。

****************************
20171103追記
柱状図の基準を当てはめることで、解決できそうです。
https://phreeqc.blogspot.jp/2017/11/blog-post_3.html