こんにちは、Wanです。
今回は新たにスタートした個人プロジェクトで、カメラを向けるだけで車種と価格が一瞬でわかるアプリ「クルマチェッカー」について紹介します。
まずは試験的に 3つの車種（プリウス・フィット・ノート）に対応した分類モデルを作成。
本記事ではその背景・目的・進捗状況などを【開発記録#1】としてお届けします。
この記事でわかること（目次）
- プロジェクトの背景と目的
- 今回の試み：3車種でお試し分類
- 使用技術と構成
- ここまでの進捗
- 今後の展望
- 技術的な話は別記事で
- まとめ
プロジェクトの背景と目的
街を走る車を映像から自動で判別し、
「これはプリウス」「これはフィット」と車種を分類できるAIを開発することが本プロジェクトの目的です。
今後、以下のような活用を想定しています。
💡想定される活用例
- 中古車の自動査定支援
- ドライブレコーダーの車種解析
- 車好き向けWebサービスへの応用
今回の試み：3車種でお試し分類
今回はお試しとして、以下の3車種を対象にモデルを作成しました。
| メーカー | 車種名 |
|---|---|
| トヨタ | プリウス |
| ホンダ | フィット |
| 日産 | ノート |
モデル作成の全体像を把握するためのトライアルですが、
バリデーション精度97%という好結果が得られています。
使用技術と構成
使用したフレームワークと技術構成は以下の通りです。
使用技術まとめ
- PyTorch による ResNet18 モデル
- ImageNet事前学習モデルをファインチューニング
- 画像はWebから収集し、手動でフィルタリング
- 224×224のサイズにリサイズ＋データ拡張
ここまでの進捗
① 画像収集とクレンジング
Google画像検索や中古車サイトから各車種の画像を収集しました。
画像には「背景に人や建物が写っているもの」などノイズも多く含まれていましたが、
これらはYOLOv8を用いて“車”以外の物体を自動で検出・除外しています。
YOLOによるフィルタリングの流れはYOLOv8で画像内のオブジェクトを検出し「car」ラベル以外の物体（例：人、標識、背景など）が大きく写っている画像は除外。車が中心に写っている画像のみを選別。
画像は中古車サイトから集めました。
② データ整備
画像は train / val / test に分割し、
PyTorchのImageFolderに対応する形式に整理。
③ モデル学習
ResNet18を用いた3クラス分類を実行。
バリデーション精度：約97%を達成しました。
🔭 今後の展望
今回のモデルはあくまでお試しです。
今後、以下のような展開を予定しています。
今後やりたいこと
- SUV・軽自動車・スポーツカーなど車種を追加
- YOLOv8と組み合わせて「検出＋判別」の自動化
- ONNX/TensorRTによる高速化・軽量化
- Web/モバイルアプリへの応用
🧪 技術的な話は別記事で！
本記事ではプロジェクト概要と進捗にフォーカスしましたが、
YOLOv8の活用方法やResNetのファインチューニングなど、
技術的な話は別記事で丁寧に解説していく予定です。
📝 まとめ
- 車種判別AIプロジェクトをスタートしました！
- 今回は3車種による分類モデルを作成（バリデーション精度97%）
- 今後は車種数の拡張やYOLOとの連携、アプリ応用も予定
- 技術解説は次回以降の記事で紹介予定！
今後もこのブログでは、開発の裏側や試行錯誤の様子をリアルに発信していきます。
続報が気になる方は、ぜひブックマークやSNSフォローもお願いします！
