畳み込みニューラルネットワークすごさを従来の機械学習のアルゴリズムと比較する - Qiita

畳み込みニューラルネットワーク（CNN）が画像判別でよく使われるというのは知っていても、従来の機械学習アルゴリズムと比較してどれぐらいすごいものなのかというのがいまいちピンとこなかったので確認してみました。だいぶ長いよ！ 概要 機械学習のアルゴリズムとして、ディープラーニングが出る前は例えばロジスティック回帰、サポートベクトルマシン、ランダムフォレストなどがありました。従来の手法というと漠然としますが、Scikit-learnでできるアルゴリズムと考えてよいです。これらの手法は現在でも有効で、これらのどれを使っても、手書き数字（MNIST）に対して最低でも8割、ちゃんと実装すれば9割の精度は出ます。Scikit-learnはとても使いやすいライブラリで、学習効率・実装効率ともによく、計算が比較的簡単なので高速です。逆にその段階で9割近く出ちゃうと、「学習が大変で処理も遅いディープラーニング

[stealthinu]

畳み込みとプーリングの処理なにが効くのか確認してるの面白いと思ったのだが、これ効かないのは単に畳み込みしてるだけで畳み込み層の学習がされないからでは。

[paul_oguri]

“ ”

[tmatsuu]

あとで

[tomo31415926563]

“VGG16”

[masadream]

勉強になった。

[okei1213]

素人目で見ると良いまとめに見える 専門家が見ると違う印象なのかな？