サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
mprg.jp
Deep Convolutional Neural Network(DCNN) は,画像認識やセマンティックセグメンテーション等の様々なタスクにおいて高い性能を達成しています.DCNNは,VGGNetやDeep Residual Net(ResNet) などの深い層のネットワークが高い性能を得られることから,一般的に用いられています.しかしながら,DCNNには畳み込み層や全結合層に内積計算が多用されるため,ネットワークが多層化されるにつれてパラメータ数が増加し,多くの計算リソースが必要となります.そのため,組み込み機器やモバイル端末等の限られたリソースでDCNNを扱う場合,DCNNの識別計算の高速化とパラメータ削減のためにモデルの圧縮が必要です.我々の研究では,既存のネットワークモデルに対して識別計算の高速化とモデルサイズの圧縮が可能なバイナリ型DCNNを用いることで識別精度の低下を抑制し
09 Nov 2018 解説&サーベイ 物体認識のための畳み込みニューラルネットワークの研究動向 1章 はじめに 2章 ILSVRCで振り返るCNNの進化 3章 最新のCNN改良手法 4章 各モデルの精度および処理速度の検証 5章 まとめ Download: PDF (Japanese) 電子情報通信学会論文誌に採録されました. 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降, 画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった. ILSVRCでは毎年のように新たなCNNのモデルが提案され, 一貫して認識精度の向上に寄与してきた. CNNは画像分類だけではなく, セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では,AlexNet以降の代表的
17 Dec 2017 Deep Learning 口頭発表 [サーベイ論文] 畳み込みニューラルネットワークの研究動向 Author 内田祐介, 山下隆義 Publication パターン認識・メディア理解研究会, 2017 Download: PDF (Japanese) 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降, 画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった. ILSVRCでは毎年のように新たなCNNのモデルが提案され, 一貫して認識精度の向上に寄与してきた. CNNは画像分類だけではなく, セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では,AlexNet以降の代表的なCNNの変遷を振り返る
25 Jul 2015 プログラム Hough Forest HoughForestを用いた物体検出 Download: SRC (c++) ソースコードダウンロード 学習用画像生成プログラム:http://mprg.jp/data/MPRG/SRC/HoughForest/makeRotateImage.zip 識別・検出用プログラム:http://mprg.jp/data/MPRG/SRC/HoughForest/HoughForest.zip 開発環境 開発ツール:Visual Stdio 2010 プログラミング言語:C++ ライブラリ:OpenCV2.4.9 プログラムについて 学習用画像生成プログラム 本サンプルコードでは,入力画像の中心座標を基準として,画像を任意の回転角のずらし幅で回転させ,設定したサイズで切り出すプログラムです. 学習・検出用プログラム 学習用プログラム
21 Apr 2015 解説&サーベイ ディープラーニングセミナー ディープラーニングについて,基礎となるニューラルネットワークから最近の手法.ツールの使い方についてまとめています. ディープラーニングについて ニューラルネットワーク 畳み込みニューラルネットワーク リカレントニューラルネットワーク 生成モデル(オートエンコーダ) ディープラーニングのツール
01 Jan 2015 Human Detection Deep Learning Deep Convolutional Neural Networkを用いた歩行者検出の高精度化 従来の歩行者検出法では,Histogram of Oriented Gradients(HOG)特徴量をベースとしたSupport Vector MachineやDeformable Part Modelsが一般的に用いられてきました.しかし,2012年に行われた1,000クラスの物体認識コンテストでHintonらのグループが提案したCNNを用いた手法が高い性能を出しました.その後,CNNを用いた手法が様々な認識問題において用いられています.歩行者検出においても、CNNをベースとした手法が2013年の歩行者検出のベンチマークにおいてトップの性能を出しています.しかし,ベンチマークでトップの性能を出しているCNNベ
01 Mar 2014 Deep Learning Deep Convolutional Neural Networkによる物体認識と領域抽出 2012年頃からDeep Learningという学習手法が注目されています. これまでのニューラルネットワークでは, 汎化性能が低いことが課題となっていましたが, 様々な手法により汎化性能を向上させることができるようになっています. Deep Learningはニューラルネットワークの一種で, ニューラルネットワークのいくつものブレイクスルーにより画像認識や音声認識などで高い性能を得ることが確認されています. 特にConvolutional Neural Networkでは, 画像認識の分野では特に性能が高いことが確認されています. 大規模データの自動生成を導入したDeep Learningによる手形状認識 本研究では, Convolutional
22 Jul 2014 CVチュートリアル MIRUチュートリアル:Deep Learning ~使いこなすために知っておきたいこと~ 1. 最近の状況 2. Convolutional Neural Networksについて 3. 汎化性能を向上させるための工夫 4. パラメータによる性能比較 5. 今から始めるためのツール・知っておきたいこと 6. 研究事例紹介 MIRU2014チュートリアルでは画像認識や音声認識などにおいて注目されているディープラーニングについて,基本的な手法から最新の手法まで紹介する.また,ディープラーニングはパラメータ数が膨大であり,使いこなすまでに大変労力がかかる.どのようなパラメータがあり,どう作用するか等の使いこなすためのノウハウや,世の中にあるツール等の紹介も行う. 1. 最近の状況 2. Convolutional Neural Networksについ
このページを最初にブックマークしてみませんか?
『MPRG : 機械知覚&ロボティクスグループ/中部大学』の新着エントリーを見る
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