tokuryooのブックマーク - はてなブックマーク

FeatureFused-SSD～ssdkerasのその先3～ - Qiita
対象 Faster-RCNN,SSD,Yoloなど物体検出手法についてある程度把握している方． VGG16,VGG19,Resnetなどを組み込むときの参考が欲しい方．自作のニューラルネットを作成している方． 1.FeatureFusedSSDとは限られた解像度の中で小さい物体を検出するというタスクは非常に難しいことで，速度を犠牲にして精度を上げてきたが，FSSDでは大きく速度を落とさず小さい物体検出を高精度で行う．FSSDとはSSDの複数の階層の畳み込み層の特徴マップを融合することによって文脈情報を付加させもので，参考文献1)の論文によるとDSSDのFPSが29.4なのに対して，FSSDではFPSが43らしい．モデルは以下のようになっている． VGG16の畳み込み層の各層は層を深くしていくごとに特徴マップに反映されている物体の大きさは大きくなっていく． VGG16の畳み込み層第4群
tokuryoo 2019/04/05
ssd

deep learning
リンク
VGG16-SSD~ssdkerasのその先１~ - Qiita
対象 Faaster-RCNN,SSD,Yoloなど物体検出手法についてある程度把握している方． VGG16,VGG19,Resnet，MobileNetなどをSSDに組み込むときの参考が欲しい方．自作のニューラルネットを作成している方． 1.VGG16とはオックスフォード大学のVisualGeometoryGroup（VGG）が開発した16層のレイヤーからなるニューラルネットワークであり，他の多くの物体検出手法ではいまだにVGG16がよく使われている．筆者がなぜVGG16と書いているかというと，SSDにはそのほかのフレームワークによって精度と速度のトレードオフではあるが，目的に合わせて活用することができるからである．（実際の実装に関する情報はとても少ないのだが・・・） 2.VGG16-SSD この図は見飽きたという方もいるだろうが，YoloとSSDの比較である．どちらも畳み込み層
tokuryoo 2019/04/05
ssd

deep learning
リンク
MobileNet-SSD~ssdkerasのその先２~ - Qiita
対象 Faaster-RCNN,SSD,Yoloなど物体検出手法についてある程度把握している方． VGG16,VGG19,Resnetなどを組み込むときの参考が欲しい方．自作のニューラルネットを作成している方． 1.MobileNetとはチャンネル方向への畳み込みを行わないことで，計算量を削減したモバイルアプリケーション向けのニューラルネットワーク．従来の畳込みフィルターの代わりに空間方向への畳み込みを行うDepthwise畳み込みフィルターと1x1のPointwise畳み込みフィルターを組み合わせることで計算量を削減．比較 Convolutuion：カーネルサイズxカーネルサイズxチャネル数(入力) DepthwiseConv:カーネルサイズxカーネルサイズx1 PointwiseConv:1x1xチャネル数(入力) MobileNetではDepthwiseな畳み込みとPointw
tokuryoo 2019/04/05
ssd

deep learning
リンク
1