へっぽこ！リアルタイム画像認識 - PlayGround
今回は、caffeのModelZooから学習済みのgoogLeNetをいただいて、それをそのままchainerで使ってリアルタイムの画像認識をします。 拝借するモデルは1000個のラベルについて学習しているので、学習したラベル以外のものについて認識することはできません。 まあ、とりあえず認識できれば嬉しいというへっぽこ感でやっていこうと思います。 モデル読み込み とりあえず、ここからcaffemodelをダウンロードします。 それから、このスクリプトでラベルファイルなど をダウンロードします。 chainerでのcaffemodelの読み込みは以下の通り。 import chainer import chainer.functions as F from chainer.functions import caffe googlenet = caffe.CaffeFunction("bvlc
Chainer で Deep Learning: model zoo で R-CNN やりたい - StatsFragments
ニューラルネットワークを使ったオブジェクト検出の手法に R-CNN (Regions with CNN) というものがある。簡単にいうと、R-CNN は以下のような処理を行う。 入力画像中からオブジェクトらしい領域を検出し切り出す。 各領域を CNN (畳み込みニューラルネットワーク) にかける。 2での特徴量を用いて オブジェクトかどうかをSVMで判別する。 R-CNN については 論文著者の方が Caffe (Matlab) での実装 (やその改良版) を公開している。 [1311.2524] Rich feature hierarchies for accurate object detection and semantic segmentation github.com が、自分は Matlab のライセンスを持っていないので Python でやりたい。Python でやるなら 今
VGG16のFine-tuningによる犬猫認識 (1) - 人工知能に関する断創録
VGG16はILSVRCのコンペ用に学習されたニューラルネットなのでImageNetの1000クラスを認識できる。しかし、前の記事（2017/1/4）で実験したように「ひまわり」のようなImageNetに存在しないクラスはそのままでは認識できない。 この問題を解決するためVGG16の高い認識能力を継承しつつ、新しい独自のクラス（今回は犬か猫かの2クラス）を認識できるように少量のデータでニューラルネットの重みを再調整することをFine-tuningという*1。「少量のデータで」というところがすごく重要。もし大量データでないとダメだったらAWSの利用料で破産するのでこの記事は書けない(^^;; 今回は、Keras Blogの - Building powerful image classification models using very little dat を参考に犬と猫の2クラス認識を
機械学習手法を理解する手順 - HELLO CYBERNETICS
はじめに プログラムへの理解度 機械学習への理解度 何が重要か アルゴリズムとしての理解 アルゴリズムとプログラム プログラムの理解 アルゴリズムとしての理解 機械学習手法を理解する方法 機械学習を抑えるためのポイント 更新式を理解すること 判別も回帰も大雑把には何らかの関数 大枠はこれで殆ど掴める 次のステップ モデルについて詳しく知る 最適化を知る まとめ つまずくポイント 記事 はじめに プログラムへの理解度 プログラムは複製が可能です。だれか一人がプログラムを完成させればそれを共有財産として使うことができます。それがいわゆる「ライブラリ」です。 果たして、ライブラリを作った人と使っている人の、そのプログラムへの理解度は同じだと言えるでしょうか。当然言えません。もしも同等の理解度を得たければ、ライブラリの中身まで覗く必要があるでしょう。 機械学習への理解度 同様にして、ある機械学習手
0から始めるMacのDeepLearning環境構築 - pip install deeplearning
MacBook Pro (Retina 13-inch、Early 2015)の出荷時状態からChainerをimportするまで。 MBPを新調しました こんにちは、2週間ほど前に以前使っていたMacBookProが故障してしまいました。 半年前にもメモリが故障してしまったんですが、今回はHDDを読み取る部分で修理できず。 2011年の春学期に購入したので既に4年目なので、そろそろ需要かなと思い、 新調する運びになりました。 ちなみにブログの更新ができなかったのも↑が原因です。 スペック MacBook Pro (Retina 13-inch、Early 2015) CPU 3.1 GHz Intel Core i7 メモリ 16 GB 1867 MHz DDR3 OS X El captain Permission denied 問題 PCを買い換えたので早速、Chrome, Goog
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
とりあえず描く — matplotlib 1.0 documentation
iPhoneで写真を削除せずに空き容量を作るシンプルな8つの方法 : カラパイア
Python crashes running assemble_data.py for Flickr Style dataset