「CNNって何よ」って聞かれたら、とりあえずこう説明してみたら？という話 - Np-Urのデータ分析教室
タイトルの通り、「CNN（畳み込みニューラルネットワーク）って何よ」とざっくりと質問された時に、自分だったらざっくりとこう説明してあげる、というのをまとめます。 この記事で説明している内容は、以下を元にしているので、よろしければ是非。 Pythonと実データで遊んで学ぶ データ分析講座 作者:梅津 雄一,中野 貴広発売日: 2019/08/10メディア: 単行本（ソフトカバー） なお、スマホのAMPだと、数式がうまく表示されない可能性がありますので、こちらのリンクかPCから読んでいただけると。 まずニューラルネットって？畳み込みニューラルネットワークについて説明する前に、ニューラルネットワークも軽くおさらいしてあげましょう。 脳は入力を受け取ると、以下画像のように各神経細胞が反応しながら処理が次々と行われます。 ニューラルネットワークは、このような脳の神経伝達の働きを数理モデルとして落とし
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト（エンジニア向け） @ マイクロソフトの発表資料。 前半が外れ値検出アルゴリズムの説明とsklearnを用いたデモ 、後半がディープラーニングを用いた時系列データの異常検知デモ（小松智希による発表）という構成です。 リンク： - イベントについて：https://dllab.connpass.com/event/77248/ - その他の発表資料など：https://dllab.connpass.com/event/77248/presentation/ - YouTube video：https://www.youtube.com/watch?v=mAvRNKi9UEE&feature=player_embedded - DLLab: Deep Learning Lab について：http://dllab.ai/ Read less
文字認識はCNNで終わるのか？
電子情報通信学会「パターン認識・メディア理解研究会」（2016年2月14日＠九州工業大学，福岡県飯塚市)でのプレゼン資料です． 対応する原稿は以下です． 電子情報通信学会技術研究報告, PRMU2015-133 http://www.ieice.org/ken/paper/20160221UbGo/ 以下はアブストラクトです．=========================== 印刷数字，手書き数字，多フォント数字を対象として，畳み込みニューラルネッ トワーク(CNN) による認識実験を試みた．いずれのタスクにも大規模な データセットを用いた．得られた認識率は，印刷数字について99.99%，手書き数字について99.89%，そして多フォント数字について96.4%であった． さらに印刷数字と手書き数字の混合認識という，予想される困難性からか従来あまり試みられなかった課題についても，CNNの利
CNNは絵札のどの部分に注目してフォントを見分けているか
（※スライド中の一部潰れている箇所は、ダウンロードしたスライドでは綺麗に見えます） Maker Faire Tokyo 2017 にて展示した「MSゴシック絶対許さんマン」のフォント識別方法とその結果可視化方法についてです。 「MSゴシック絶対許さんマン」は、並べられたカルタの中から「MSゴシック」で書かれたカルタだけをディープラーニングで識別し、拾い上げ、床に落とす展示です。 MSゴシックを識別している様子はこちらから見れます。 https://www.youtube.com/watch?v=qorjEbTfeR8 MFT2017 出展者紹介ページ http://makezine.jp/event/makers2017/m0235/ 展示振り返り: Maker Faire Tokyo 2017 に初出展して「MSゴシック絶対許さんマン」を展示しました！ http://ysdyt.net/
深層学習は画像のどこを見ている！？ CNNで「お好み焼き」と「ピザ」の違いを検証 - Platinum Data Blog by BrainPad
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 こんにちは、AI開発部の伊藤です。 今回のブログは、「深層学習はいったい画像のどこを見て判断しているのか」という素朴な疑問に答えてくれる技術として、昨年提唱された「Grad-CAM」という技術を紹介します。 目次 目次 1. はじめに 2. Grad-CAMの紹介 Grad-CAMの仕組み： 3. 適用例 3-1. 画像キャプション生成（Image Captioning） 3-2. VQA（Visual Question Answering） 3-3. 学習用データのバイアス 4. 実施例（お好み焼きとピザを分類） 4-1. 画像データについて： 4-2. CNNの構築： 4-3. Grad-CAMの実装： 4-4. 実施結果の評価 お好み焼き画像でCNNの判定が当たっているケース： ピザ
PyCon mini OsakaでCharacter-Level CNNについて話してきた。 - tdualのブログ
スライド Character-Level CNN Character-Level CNNとは 今回やること なぜ文字レベルなのか？ 論文 構成・アーキテクチャ 日本語のデータセット 結果 誤字・脱字に対する強さ 結論 終わりに 東京在住ですが、なぜかグランフロント大阪で開催されたPyCon mini Osakaで登壇して来ました。 osaka.pycon.jp 前日から大阪に乗り込んでました。（久しぶりに弊社の大阪オフィスに行った。） スライド 発表内容は以下のスライドになります。 Characeter-Level CNN from tdualdir www.slideshare.net （画像がぼやけていてすまない・・・） 最初はCNNやTensorFlowの基礎的な説明をして後半からCharacter-Level CNNについて話しました。 Character-Level CNN Ch
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
自然言語処理における畳み込みニューラルネットワークを用いたモデル - Qiita
はじめに 最近、畳み込みニューラルネットワーク(CNN)を用いた自然言語処理が注目を集めています。CNNはRNNと比べて並列化しやすく、またGPUを使うことで畳み込み演算を高速に行えるので、処理速度が圧倒的に速いという利点があります。 この記事は、自然言語処理における畳み込みニューラルネットワークを用いたモデルをまとめたものです。CNNを用いた自然言語処理の研究の進歩を俯瞰するのに役立てば幸いです。 文の分類(評判分析・トピック分類・質問タイプ分類) Convolutional Neural Networks for Sentence Classification(2014/08) 評判分析や質問タイプの分類などの文分類を行うCNNを提案している論文。 具体的には文を単語ベクトルの列として表し、それに対してCNNを用いて特徴抽出・分類を行っている。論文では事前学習済みの単語ベクトル(Goo
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
