はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Googleによるセマンティックイメージセグメンテーションの最新版（2018/07時点）である「DeepLab v3+」の論文「Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation」を、なるべくわかりやすく意訳してみます。 一応、Googleの説明記事も参考にします。 ※Google翻訳をふんだんに使用しています セマンティックイメージセグメンテーションのためのAtrous畳み込み分解を有するエンコーダ-デコーダ Liang-C

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに 「GAN」にものすごく興味があります。特に「pix2pix」に興味があります。 画像から画像を生成する仕組みは、様々な応用が考えられます。 また「GAN」ですので、画像にこだわらずとも、「何か」から「何か」を生成できる気がします。 Qiita内にも「pix2pix」関連の投稿はいっぱいありますが、どうもいまいち内容が理解できない．．． ということで、こちらのソースコードをベースに、内容を理解したいと思います。 なお、ソースコードはJupyter Notebookで確認しているため、実際に実行スクリプトとするときにはちょこちょこっと直したほうがいいです。 今回やろうとしていること 今回は、ある画像から特定の領域を見つけ出すということをやろうかと思います。 オリジナルの画像と、その中のある領域を示すマスク画像を用意し、学習させ、テスト用の画像を渡した時にある領域を見つけ出すといったイ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

ここ数ヶ月いろいろ資料を読んでいるのだが、どうにも腑に落ちない、というか、しっくりこないのが「Network in Network（NIN）」。 正直、何をしているのかよくわからない。 説明が分かりづらい。 ということで、理解できたところまでもまとめてみました。 勘違いしているところがあれば、指摘していただけるとありがたいです。 良くわからないこと まず見かけるのが、この図。 その内、この部分がNIN（の一要素と思われる）。 ここでの処理（畳み込み）が「Multilayer Perceptron Convolution（Mlpconv）」と呼ばれるらしい。 ちなみに最後の方は「Global Average Pooling（GAP）」で、こちらにまとめを書いてみたので、興味があれば参照してみてください。 で、このMlpconvで何をしているのかが分からない。 これは何なのか？→① これは何な

Deep Learningをやっていると、サンプルのデータセットだけではなく、やがて自分で用意したデータセットを読み込みたくなりますよね。 画像を集めるのは何とかなるけど、その後どうしたらいいの？　ということで、理解しやすそうな手順に沿ってメモを残してみました。 ファイルを読み込む ファイルを読み込むには、TensorFlowの関数を使用します。 ずばり「tf.read_file()」一択。 使い方はこんな感じです。 fnameは読み込みたいファイル名です。 日本語が入っている場合は、UTF-8になってないとエラーになります。 （たぶん文字コードは変えられる、と思う ^^;） 画像を読み込む 画像を読み込むには、TensorFlowの関数を使用します。 とりあえず、PNGとJPEGに対応しています。 tf.image.decode_jpeg tf.image.decode_png さらに、

あまり深く考えたくない性格なもので、出来ればざっくりと感覚的に理解したいと常々思っています。 そこで、この損失関数についても、直観的に理解できるように、ちょっと調べてみます。 損失関数ってなによ？ そもそも損失関数ってなんでしょう？ いろいろ調べるとやたら難しい説明が出てきますが、ようは2つの値の差が小さくなるような関数のことのようです。 Deep Learningの識別等では、学習時に、いかに答えに近い値になるように重みパラメータを調整するのかがメインとなるのですが、この「答えに近い値になるように」の部分を担うのが、この「損失関数」というわけです。 「値＝損失」ということで、この損失をいかに少なくするのかということで「損失関数」となります。 損失関数の種類 では、損失関数にはどういった種類のものがあるのでしょうか。 ざっと調べてみても、結構な種類があります。 ヒンジ損失関数 ε許容誤差関

公式サイトの「Installing TensorFlow on Windows」を参考にしつつ、自分の環境にインストールを行った内容を記録しておきます。 ・OS：Windows 7 Professional Service Pack 1 64bit ・GPU：NVIDIA GeForce GTX 650 →compute capabilityが「3.0」なので、いろいろと危険 #CUDA等のインストール 実はこちらは既にインストール済みであったため、わざわざこのためにインストールしませんでした。 とりあえずインストール済みのモジュールのメモ。 ・CUDA 8.0 ・cuDNN 5.1 ※ログインが必要 #Pythonのインストール すでに、Python 3.6（32bit版）が入っていたが、Python 3.5（64bit版）ではないとダメだということで、ここからインストールしました。 （