本制作物は、個人で開発した、アップロードされた写真から魚の種類を判別するWebアプリケーションです。
中核技術として AWS Rekognition を利用し、生魚の状態だけでなく、「刺身」など調理後の状態であっても判別できるよう、精度向上に注力しました。ユーザーがアップロードした画像データを Python と Flask で処理するシステムを構築しています。
| カテゴリ | 技術要素 |
|---|---|
| バックエンド/フレームワーク | Python, Flask |
| AI/画像処理 | AWS Rekognition |
この制作では、企画からフロントエンドの入出力画面、バックエンドの画像処理ロジックまで全て個人で担当しました。
- 主な貢献は、クラウドベースのAIサービスである AWS Rekognition を活用した画像認識システムを構築した点です。
- ユーザーがアップロードした画像を Python/Flask で受け取り、AWSへ送信して判別結果を取得し、Web上に表示するという一連のデータフローを実装しました。
- この経験を通じて、クラウドベースのAIサービスをアプリケーションに組み込むスキルを習得しました。
最も工夫し、注力した点は以下の2点です。
| 工夫点 | 詳細 |
|---|---|
| 精度の向上 | **「刺身状態でも判別可能」**にするため、手動での画像ダウンロードと学習データの拡充をひたすら行い、精度向上に取り組みました。 |
| 誤判別の制御 | 企画初期は Teachable Machine を採用していましたが、「魚とは全く関係のない画像でも、必ず何かしらの魚であると結果を返す」という課題に直面しました。そこで、信頼度スコアが付与され、「結果なし」を正確に返すことができる AWS Rekognition に切り替えました。これにより、誤判別を防ぎ、システム全体の信頼性を確保しました。 |