野鳥の羽を識別してくれる何かを作りたい

# 野鳥羽識別システム - シンプル動作確認版

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.applications import EfficientNetB0
from tensorflow.keras import layers, models

print(f"TensorFlow Version: {tf.__version__}")
print(f"GPU Available: {len(tf.config.list_physical_devices('GPU')) > 0}")

class SimpleBirdClassifier:
    def __init__(self, num_classes=5):
        self.num_classes = num_classes
        self.species = ['スズメ', 'カラス', 'ハト', 'シジュウカラ', 'ヒヨドリ']
        self.model = None
        
    def create_model(self):
        """シンプルなEfficientNetベースモデル"""
        print("モデル作成中...")
        
        # EfficientNetB0をベースに使用
        base_model = EfficientNetB0(
            weights='imagenet',
            include_top=False,
            input_shape=(224, 224, 3)
        )
        
        # 転移学習のため、ベースモデルの重みは固定
        base_model.trainable = False
        
        # シンプルな分類ヘッドを追加
        self.model = models.Sequential([
            base_model,
            layers.GlobalAveragePooling2D(),
            layers.Dropout(0.2),
            layers.Dense(128, activation='relu'),
            layers.Dropout(0.1),
            layers.Dense(self.num_classes, activation='softmax')
        ])
        
        # コンパイル（シンプルなメトリクスのみ）
        self.model.compile(
            optimizer='adam',
            loss='categorical_crossentropy',
            metrics=['accuracy']
        )
        
        print(f"✓ モデル作成完了")
        print(f"  パラメータ数: {self.model.count_params():,}")
        print(f"  分類クラス数: {self.num_classes}")
        
        return self.model
    
    def create_dummy_data(self, train_samples=100, val_samples=30):
        """テスト用のダミーデータ作成"""
        print("ダミーデータ作成中...")
        
        # 訓練データ
        X_train = np.random.random((train_samples, 224, 224, 3))
        y_train = np.random.randint(0, self.num_classes, train_samples)
        y_train = tf.keras.utils.to_categorical(y_train, self.num_classes)
        
        # 検証データ
        X_val = np.random.random((val_samples, 224, 224, 3))
        y_val = np.random.randint(0, self.num_classes, val_samples)
        y_val = tf.keras.utils.to_categorical(y_val, self.num_classes)
        
        print(f"✓ ダミーデータ作成完了")
        print(f"  訓練データ: {X_train.shape}")
        print(f"  検証データ: {X_val.shape}")
        
        return (X_train, y_train), (X_val, y_val)
    
    def train_quick_test(self, train_data, val_data, epochs=3):
        """クイックテスト用の軽い訓練"""
        X_train, y_train = train_data
        X_val, y_val = val_data
        
        print(f"クイック訓練開始（{epochs}エポック）...")
        
        # シンプルな訓練
        history = self.model.fit(
            X_train, y_train,
            validation_data=(X_val, y_val),
            epochs=epochs,
            batch_size=32,
            verbose=1
        )
        
        print("✓ 訓練完了")
        return history
    
    def test_prediction(self, test_data):
        """予測テスト"""
        X_test, y_test = test_data
        
        print("予測テスト中...")
        
        # 予測実行
        predictions = self.model.predict(X_test[:5], verbose=0)
        
        print("✓ 予測結果（最初の5サンプル）:")
        for i, pred in enumerate(predictions):
            predicted_class = np.argmax(pred)
            confidence = np.max(pred)
            actual_class = np.argmax(y_test[i])
            
            print(f"  サンプル{i+1}:")
            print(f"    予測: {self.species[predicted_class]} (信頼度: {confidence:.3f})")
            print(f"    実際: {self.species[actual_class]}")
            print()
    
    def plot_simple_results(self, history):
        """シンプルな結果可視化"""
        plt.figure(figsize=(12, 4))
        
        # 精度
        plt.subplot(1, 2, 1)
        plt.plot(history.history['accuracy'], label='Train')
        plt.plot(history.history['val_accuracy'], label='Validation')
        plt.title('精度の推移')
        plt.xlabel('Epoch')
        plt.ylabel('Accuracy')
        plt.legend()
        plt.grid(True)
        
        # 損失
        plt.subplot(1, 2, 2)
        plt.plot(history.history['loss'], label='Train')
        plt.plot(history.history['val_loss'], label='Validation')
        plt.title('損失の推移')
        plt.xlabel('Epoch')
        plt.ylabel('Loss')
        plt.legend()
        plt.grid(True)
        
        plt.tight_layout()
        plt.show()

def run_complete_demo():
    """完全なデモ実行"""
    print("=" * 50)
    print("🐦 野鳥羽識別システム - デモ実行")
    print("=" * 50)
    
    # 1. 分類器初期化
    classifier = SimpleBirdClassifier(num_classes=5)
    
    # 2. モデル作成
    model = classifier.create_model()
    
    # 3. ダミーデータ作成
    train_data, val_data = classifier.create_dummy_data()
    
    # 4. クイック訓練
    history = classifier.train_quick_test(train_data, val_data, epochs=3)
    
    # 5. 予測テスト
    classifier.test_prediction(val_data)
    
    # 6. 結果可視化
    classifier.plot_simple_results(history)
    
    # 7. モデル情報表示
    print("\n" + "=" * 30)
    print("📊 モデル情報")
    print("=" * 30)
    model.summary()
    
    return classifier, history

if __name__ == "__main__":
    # デモ実行
    classifier, history = run_complete_demo()