TensorFlowで音声認識してみました

1. TensorFlowで音声認識
2018年7月22日
第二十七回岡山モバイルアプリ開発もくもく会

2. 自己紹介
●
上岡祐太 / かんでさん
●
システムエンジニア
●
情報処理安全確保支援士(登録番号007727)
●
岡山 ⇨ 京都 ⇨ 東京 ⇨ 群馬 ⇨ 埼玉 ⇨岡山
●
2018年7月、AI研究チームに転属

3. TensorFlow
●
Googleがオープンソースで公開している、
機械学習のライブラリ
●
Apache2 ライセンス
●
C、C++、Python、Java、Goから利用可能
●
Linux、macOS、Windowsで動作
●
CPU、GPUの両方を使用可能

4. TensorFlowのインストール
●
Anacondaをインストール
– Pythonディストリビューション
– 数値計算・データ分析・機械学習関係のライブラリが準備済み
– 仮想環境の作成が容易

5. TensorFlowのインストール
●
Environmentを作成
●
コンソール起動

6. TensorFlowのインストール
●
TensorFlowをインストール
●
Hello World
pip install –ignore-installed –upgrade tensorflow

7. TensorFlowで音声認識
●
TensorFlow : Tutorials : Sequences : 単純な音声認識
– http://tensorflow.classcat.com/2018/06/05/tensorflow-
tutorials-audio-recognition/
●
手順
– 学習データで学習する
– 学習結果をgraphファイルに保存する
– 学習結果でtestを行う

8. 学習
●
python train.py -data_url= -data_dir=<DataDir>
-wanted_words=<Words> -train_dir=<TrainDir>
<DataDir> : 学習データディレクトリ
クラスA
Foo.wav
クラスB
Bar.wav
<Words> :クラスA, クラスB
<TrainDir>: 学習過程保存ディレクトリ

9. 学習結果の保存
●
python freeze.py –start_checkpoint=<TrainDir>/
conv.ckpt-XXX –output_file=<Graph>
<TrainDir> : 学習過程保存ディレクトリ
XXX : 学習回数 (例conv.ckpt-18000)
<Graph> : グラフファイル
(学習結果を再利用可能にしたファイル、拡張子pb)

10. テスト
●
python label_wav.py --graph=<Graph>
--labels=<TrainDir>/conv_labels.txt
--wav=<TestWav>
<Graph> : グラフファイル
<TrainDir> : 学習過程保存ディレクトリ
<TestWav> : テスト用wav

11. 結果
●
学習が終わりませんでした
– 学習回数 : 18000 回
– 所要時間 : 10時間 (途中で打ち切り)
●
参考サイトを見る限り、80〜90%の精度らしい