前回の
「🧠 Pythonで学ぶ画像認識入門：TensorFlowとKerasで手書き数字を判定する方法(3) ～CNNによる高精度モデル編～」
までで、MNISTデータセットを使い高精度なCNNモデルを作成しました。
今回はその学習済みモデルを再利用し、自分で描いた手書き数字画像を実際に判定してみましょう。
ステップ①：学習済みモデルの保存
前回での学習コードに以下を追加して、モデルを保存しておきます。
|
1 2 3 |
# モデルを保存（学習後に実行） model.save("mnist_cnn_model.h5") print("✅ モデルを保存しました：mnist_cnn_model.h5") |
C:\python_env\mnist_cnn_model.h5 が生成されます。
ステップ②：自作画像を準備する
1️⃣ 白背景に黒文字で「0〜9」の数字を描いた画像を用意
2️⃣ 画像サイズを 28×28ピクセル にリサイズ
3️⃣ ファイル形式は .png または .jpg でOK
（例）
C:\python_env\my_digit.png
※手書きペイントツールで描いてもOK。
できるだけ文字を中央に配置し、背景は白が理想です。
ステップ③：推論スクリプトを作成
ファイル名：
内容：
ステップ④：実行
仮想環境を有効化して、次のコマンドを実行：
ステップ⑤：結果と考察
| 項目 | 内容 |
|---|---|
| 予測結果 | AIが自作の手書き数字を正しく認識し、予測結果が画面に表示される |
| 処理時間 | 数百ミリ秒程度で即時に判定が完了 |
| 注意点 | 白背景×黒文字の前提で学習しているため、背景と文字が逆の場合は反転処理を削除 |
| 応用例 | 手書き書類の数字抽出、郵便番号や伝票番号の自動読み取りなどに応用可能 |
| 考察 | CNNモデルにより自作データでも高い精度を維持。前処理（反転・正規化）が認識精度に大きく影響 |
💡 ワンポイント
もし背景が黒で文字が白の場合は、
次の行を削除してください：
✅ まとめ
これで「自分の描いた手書き数字」をAIが正しく認識できるようになりました。
この流れを応用すれば、より複雑な画像分類（例えば「猫と犬」や「手書き文字分類」）にも発展できます。