cifar-10の検索結果1 - 3 件 / 3件

• あとで読む

  深層距離学習(Deep Metric Learning)各手法の定量評価 (MNIST/CIFAR10・異常検知) - Qiita

  • 24 users
  • qiita.com/daisukelab
  • テクノロジー
  • 2019/08/21

  各組み合わせにつき、上図で表した10テストケースをそれぞれ実施して統計をとっています。 まとめ: 10テストケースでは、正常・以上に割り当てる具体的なクラスを入れ替える。 8つのセットで評価の条件を組み合わせ、各条件で10テストケースすべてを実施した上で統計をとった結果を出している。 1.3 評価方法 ひとつの組み合わせは10テストケース実施それぞれで、①AUC、②各クラスサンプルの平均距離を得た。 ひとつのテストケースの評価手順 通常のCNN分類器(ResNet18)に、手法を組み込む。(Conventionalのときは何もせずそのまま使う) 学習は、「正常」に割り当てたクラスだけで構成する学習データセットを使い、転移学習によって行う。学習データは、各データセットで元々trainセットに入っているサンプルのみ利用する。 評価データの距離を得る。 正常・異常を問わずすべてのクラスから評価デ

  • 機械学習
  • あとで読む

  
• あとで読む

  CIFAR-10：物体カラー写真（乗り物や動物など）の画像データセット

  • 3 users
  • atmarkit.itmedia.co.jp
  • テクノロジー
  • 2020/06/10

  ラベル「0」： airplane（飛行機） ラベル「1」： automobile（自動車） ラベル「2」： bird（鳥） ラベル「3」： cat（猫） ラベル「4」： deer（鹿） ラベル「5」： dog（犬） ラベル「6」： frog（カエル） ラベル「7」： horse（馬） ラベル「8」： ship（船） ラベル「9」： truck（トラック） という10種類の「物体カラー写真」（乗り物や動物など）の画像データセットである（図1、Alex Krizhevsky氏／Vinod Nair氏／Geoffrey Hinton氏によって、オブジェクト認識用画像データセット「80 Million Tiny Images」から収集されて作成されたサブセットである）。

  
• あとで読む

  PyTorchでCIFAR-10を基にDCGANで画像生成をしてみよう

  • 3 users
  • atmarkit.itmedia.co.jp
  • テクノロジー
  • 2020/11/27

  今回の目的 前回は畳み込みニューラルネットワークを使用したGAN、いわゆるDCGANを作り、MNISTの手書き数字っぽい画像を自動生成してみました。今回は、その学習時にフォーカスを当てて、実際にはどんなふうに学習が進んでいるのかを見てみることにしました。 といっても今回行ってみるのは、前回に紹介したDCGANの論文や、難しい数式をベースに話をするのではなく、識別器（ディスクリミネーター）からの出力がどんな値になっているかを主な話題とするつもりです。 そこで、識別器と生成器の役割について、ここで一度振り返っておきましょう。 DCGAN（Deep Convolutional Generative Adversarial Network）の「Adversarial」は「敵対的」という意味でした。このことからも分かる通り、識別器と生成器は相反する目的を持っています。識別器が訓練データと偽データとを