Deepに理解する深層学習による物体検出 by Keras - Qiita
誰向け 深層学習をすでに理解して画像の分類から物体検出への仕組みをマスターしたい方へ 数式が多いのでコード確認したい方は下記へGo 具体的な実装例 おまけ Kerasに関する書籍を翻訳しました。画像識別、画像生成、自然言語処理、時系列予測、強化学習まで幅広くカバーしています。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ 目的 物体検出に関しての技術を体系的にまとめてコードベースまで理解したかったので書きました。 良書である画像認識の物体認識の章を参考にこの記事を作成しています。 画像認識 全体像 大きく分けて3つのフェーズに分かれます。 1: 物体領域候補の抽出 画像中から物体の領域候補を抽出する手法になります。精度と速度を左右する部分になります。図のように小ウインドウ(バウンディングボックス)を用意して一定の画素数ずらしながら領域候補を抽出する
F-尺度(F-measure)について
F-尺度(F-measure)またはF値について 概要 F-尺度(F-measure)とは、適合率(precision)と再現率(recall)という、正確性と網羅性の総合的な評価の際に利用される尺度のこと。 適合率、再現率は互いにトレードオフの関係なので、F-尺度を高くするように出来れば、バランス良く両方の値が高いんじゃないの？というのを測る感じだと思われる。 F-尺度は、適合率と再現率の調和平均によって求められる。以下の通り。 F値と言われる事の方が多い気がします。なんとなく。 関連項目 適合率(precision) 再現率(recall) キーワード一覧に戻る
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
処理を実行中です
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
