【まとめ】ディープラーニングによる環境音の認識 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? とあるきっかけで、環境音の認識（歩く音や雨の音、掃除機の音など）について、 論文を調べたので、メモとして残しておきます。 せっかくなので、精度向上の歴史を振り返る形式で、書いていきます。 #データセット 精度の基準となるデータセットをご紹介します。画像の認識では、ImageNetという圧倒的な データセットがあり、性能評価で用いられます。 一方、音の認識はImageNetほど巨大ではありませんが、ESC-50というデータセットが あります。今回の基準となるESC-50の概要は以下のとおりです。 犬の鳴き声やドアのノック音など50種類、2
【論文読み】異常検知を支える技術 - Qiita
前回の記事では、ディープラーニングの異常検知に関するベンチマークを 行いました。その結果、「L2-SoftmaxLoss」が一番良い性能を示しました。 本稿では、その元になった「論文の概要」と「異常検知に適用した場合の考察」を 記したいと思います。 ※なお、本稿の図は特に明記がない場合は論文（L2-constrained Softmax Loss for Discriminative Face Verification ）より引用しています。 論文の結論 結論からいうと、論文で言いたかったことは ということです。この意味が分かる方は、既に論文のほとんどを理解できています。 あとは、分類精度を向上させるために、ソフトマックス関数をどう改造するかのお話しです。 ソフトマックス関数のクロスエントロピー 分類問題で良く使われるソフトマックス関数のクロスエントロピーは 以下のとおりです。 L_S=-\
【まとめ】ディープラーニングを使った異常検知 - Qiita
ディープラーニングを使った異常検知が進歩していますが、最新情報を追うのが大変です。 ここでは、最新情報をまとめておきます（随時更新）。 本稿では、以下の内容を記します。 ディープラーニングを使った異常検知について、簡単に歴史をまとめます。 最新の手法（2019年当時）について、ベンチマークを行います。 歴史 完全に独断と偏見で作った歴史です。 全ての論文は読めていないので、ご了承ください。 【～2017年】オートエンコーダによる異常検知 オートエンコーダによる異常検知 2、3年前はオートエンコーダによる異常検知が主流でした。オートエンコーダでは、元画像と再構築画像との差をとって、その和が大きいとき異常と認識させています。Qiitaの記事でも、オートエンコーダによる異常検知はたくさんありますので、気になる人は探してみてください。 Variational AutoEocoder（VAE）による
【可視化】Ano-Unetで異常部分の可視化 - Qiita
ディープラーニングを使った異常検知で役に立つ「Ano-Unet」を開発しました。 Ano-Unetは、異常部分を可視化できます（教師無し学習）。 コード全体はGithubに置きました。 ※こちらは、Pythonデータ分析勉強会#10の発表資料です。 はじめに このAno-Unetは以前の記事の続きで開発したものです。 以前の記事では、オートエンコーダで可視化する手法を提案しました。 ところが、オートエンコーダだとうまくいかないとのご意見をいただいております。 そこで、実験してみました。まずは、以前に示した成功例です。 上の図は「スニーカー」を正常として学習させています。 そして、「ブーツ」を異常画像としてテストしてみた結果です。 ブーツのヒールなどが異常部分として可視化できています。 今回やってみた失敗例です。 上の図は「馬」を正常として学習させています。 そして、「馬」を入力画像としてテ
ディープラーニングを使った画像の異常検知 －論文と実装－ - Qiita
※こちらはPythonデータ分析勉強会#04の発表資料です。 ディープラーニングを使った画像の異常検知は、GANを使った手法やAutoEncoderを使った手法など多くあります。以前に、Variational Autoencoderを使った画像の異常検知という記事も書きました。 今回紹介する手法は、通常の畳み込みニューラルネットワーク（CNN）を使って、損失関数を工夫することにより、異常検知する手法です。 「Learning Deep Features for One-Class Classification」（以下、DOC） https://arxiv.org/abs/1801.05365 結果からいうと、本手法は異常検知精度が良くて、異常個所の可視化も可能であることが分かりました。 概要 この論文は、発表当時にstate-of-the-artを達成したとのことです。 早速実装したいとこ
1
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
