2016年の深層学習を用いた画像認識モデル - Qiita

実装 検証が終わっていないモデルの使用は気をつけてください cifar10の数値感覚 現時点で97%以上ではSoTAになると思います。僕が知っている限り、最高精度は96.69%です。そろそろcifar100か別のデータセットを評価の軸にするべきかもしれません。 最近の傾向 今年はResnetファミリーの年だったと思います。特徴的な点として、深さ=精度が終わった点です。googlenetなどは昔から主張していましたが、ある程度深いと、深さよりも幅を広くしたほうが精度が上がるということが、様々な論文の結果で今年は示されました。3月くらいから、Resnetの幅を広くしたほうが良いという結果は副次的にぞろぞろ出ていて、5月23日に出たWide Residual Netowrksで決定的になったような形だと思います。幅が大事といったことが、今年はっきりした点であるように思います。 論文を俯瞰してみる

[theflyingcat28]

“ 深くするのでなく、Resブロックの幅を増やしたら、精度が上がるよという論文です。全体のネットワークは以下の図のようになります。”

[syou6162]

異常すぎる充実度だ

[stealthinu]

これも大変いいまとめ。特にBatchNormalizationやResNetについて、まとめだけじゃなく内容のわかりやすい解説がありとてもよい。あと深さより幅の話さがしてもなかなかまとまってる情報なかったが記述がある。

[Xray]

多スギィ？！組み込みやらない人でかつ単純な認識だけやりたい人はResNet作っときゃいいみたいな感じなのかなあ

[filinion]

いわゆる「巨大科学」というほどではないにせよ、やっぱり設備が整ってるところでないと先端を行くのは難しいんだな…。

[prototechno]

#DeepLearning #AI

[sky-y]

この記事に出てる単語が分からなくなってる時点で、そろそろ本腰入れて現代AIを学ばない限り、自分も「AIかじった」とは言えなくなるな…