TensorFlowを使って商品の写真から価格を予想する仕組みを作った。

1. TensorFlowを用いた商品価格予想

2. いつでも鑑定くん
（カバン編）

3. フリーマーケット（フリマ）アプリの時代！？
• 近年、スマートフォンを使って衣料品や雑貨などを個人売買するフリ
マアプリが、若者や女性を中心に急伸している。
• なかでも人気なのが、最大手の「メルカリ」。
• 2013年リリース。
• 国内３５００万ダウンロードを突破。
• １日の出品数は１日５０万品以上。
• 月間流通額は１００億円。
http://www.yomiuri.co.jp/fukayomi/ichiran/20160928-OYT8T50042.html

4. メルカリとは？
• フリマのように自分で値段を付け、モノを販売するスマホアプリ。
• 商品の紹介は、写真やコメントを添えて行う。
• 利用規約で出品が禁じられていない限り、何でも個人で売買できる。
https://www.mercari.com/jp/

5. メルカリ（フリマ）の特徴
• オークションは「買い手」、フリマは「売り手」が値付け。
• ヤフオクのようなオークション（競売）とは異なり、フリマでは、売り手
が商品の希望額を自由に決めることができる。
• しかし、即決即売が起こりうるフリマでは、売り手が商品価値の判断
を誤った場合、本来の価値よりも格安の価格で取引されてしまうこと
がある。
（反対に希望額が高くて売れないことも…）

6. 適正価格設定の自動化
• フリマ市場に出回っている（出回っていた）商品の価格から、新しく出
品する商品の適正価格を予想できないだろうか？
• フリマアプリでは、実物の商品を見ることができないため、商品の写
真が価格を決める重要な材料となる（たぶん）。
• 新しく出品する商品の写真を分析し、適正な価格を売り手に提案す
るシステムがあってもいいんじゃないか？

7. 今回の目標
• メルカリで出回っている商品の写真とその価格を学習し、新しく出品
する商品の適正価格を予想する。
• 今回の目標は、「いつでも鑑定くん」を生み出すこと。
• そのため、ターゲットを、 （流通量が多そうな）レディースのカバンに
絞って、とりあえず動くものを作ってみる。

8. 「いつでも鑑定くん」が生まれるために
① 訓練・評価用の画像データを集める。
② 集めた画像データにラベル付けをする。
③ 画像とラベルのデータセットをTensorFlowに入力する。
④ 実際に画像を与えて学習成果を試す。
• 今回は、TensorFlowのCIFAR10のサンプルをベースに作ってみる。
• 以下のサイトを参考にした。
• http://daiiz.hatenablog.com/entry/2016/02/22/150000

9. 「いつでも鑑定くん」が生まれるために
① 訓練・評価用の画像データを集める。
② 集めた画像データにラベル付けをする。
• メルカリに出品されているカバンの画像を集めて価格のラベル付けをする。
• Chromeアプリ「tfPhotoPalette」を
使うと、画像のパスとラベルを記述
したファイルを半自動で生成できる。

10. 「いつでも鑑定くん」が生まれるために
③ 画像とラベルのデータセットをTensorFlowに入力する（学習する）。
• ラベル（価格）は３種類。
• 1～5000円
• 5001～10000円
• 10001円～200000円
• 訓練用の画像
• サイズ：32ｘ32
• 枚数：150枚（1円～→90枚、5001円～→20枚、 10001円～→40枚）
• 訓練回数 300回（ミニバッチ128枚/回）

11. 「いつでも鑑定くん」が生まれるために
③ 画像とラベルのデータセットをTensorFlowに入力する（学習する）。

12. 「いつでも鑑定くん」が生まれるために
④ 実際に画像を与えて学習成果を試す。
• 評価用の画像
600円 700円 3900円 4000円
6500円 6900円 7500円 8000円
11000円 15000円 44800円 110000円

13. 結果
600円
700円
3900円
4000円

14. 結果
6500円
6900円
7500円
8000円
全滅…

15. 結果
11000円
15000円
44800円
110000円
全滅…

16. まとめ
• 精度25%（3/12）だったが、とりあえず動くものはできたので目標達成。
• データ数が少ない。そして偏っている。
• 今回のラベルに使用した価格のほとんどは、出品中の価格であり、
実際に売れた価格とは異なるため、「適正」な価格とは言えない。
実際に売れた価格データを収集する必要がある。
• …