画像検索（画像内容に基づく検索）
このように、垂直方向の5層は上層ほど抽象度が高いという構成になっており、それぞれの層では「画素」や「領域」・「関係」などが画像内容素となっている。一方水平方向の3要素は、各層において画像内容素を抽出するための「アルゴリズム」、抽出結果を記述するための「表現形式」、さらに画像内容素の類似度（距離）を計算するための 「マッチング」の3要素から構成されている。このモデルは、モデル全体（アーキテクチャ）の各要素を問題領域に応じて適切に実装するための枠組であり、それと同時に個々の問題領域による相違を越えて統一的な方法で画像データベースを構築するための方法論ともなる。 従来の画像検索手法では、画素単位を対象とした検索機能、あるいは大局的な構造を対象とした検索手法は別々に提案されているものの、画素単位から大局的な構造に至る統一的なフレームワークの構築に関する研究は、いまだ発展途上である。ユーザの多様な検
畳み込みニューラルネットワークの仕組み | POSTD
(編注：2016/11/17、記事を修正いたしました。) ディープラーニングの分野でテクノロジの進化が続いているということが話題になる場合、十中八九畳み込みニューラルネットワークが関係しています。畳み込みニューラルネットワークはCNN（Convolutional Neural Network）またはConvNetとも呼ばれ、ディープニューラルネットワークの分野の主力となっています。CNNは画像を複数のカテゴリに分類するよう学習しており、その分類能力は人間を上回ることもあります。大言壮語のうたい文句を実現している方法が本当にあるとすれば、それはCNNでしょう。 CNNの非常に大きな長所として、理解しやすいことが挙げられます。少なくとも幾つかの基本的な部分にブレークダウンして学べば、それを実感できるでしょう。というわけで、これから一通り説明します。また、画像処理についてこの記事よりも詳細に説明
やる夫で学ぶ機械学習 - 単回帰問題 - · けんごのお屋敷
やる夫で学ぶ機械学習シリーズの第 2 回です。回帰について見ていきます。 第 1 回はこちら。やる夫で学ぶ機械学習 - 序章 - 目次はこちら。やる夫で学ぶ機械学習シリーズ 問題設定 やらない夫 今日は回帰について詳しく見ていく。 やる夫 回帰って響きがカッコいいお。 やらない夫 ここからは、より具体的な例を混じえながら話を進めていこう。 やる夫 具体例は、やる夫の明日のお昼ごはんぐらい大事だお。 やらない夫 まったく意味がわからないたとえなんだが…。そうだな、たとえば、主人公の攻撃力によって、敵キャラに与えるダメージが決まるゲームがあるとしよう。 やる夫 よくある設定だお。 やらない夫 ダメージには揺らぎがあって、常に同じダメージを与えられるとは限らない。さて、実際に何度か敵キャラに攻撃してみて、その時の攻撃力と与えたダメージをグラフにプロットしてみると、こんな風になっていたとしよう。
やる夫で学ぶ機械学習シリーズ · けんごのお屋敷
これは、機械学習に関する基礎知識をまとめたシリーズ記事の目次となる記事です。まとめることで知識を体系化できて自分自身の為にもなるので、こういうアウトプットをすることは大事だと思っています。ただ、普通にブログ記事を書くのも面白くないので、ちょっといつもとは違う方法でやってみようというのが今回のシリーズ記事。 2 ちゃんねるのキャラクターが登場人物として出てきて、彼らが会話して話が進んでいく「やる夫で学ぶシリーズ」という講義調の形式のものがあります。個人的にはやる夫で学ぶシリーズや 数学ガール のような会話形式で話が進んでいく読み物は読みやすいと思っています。さらに、先日みつけた やる夫で学ぶディジタル信号処理 という資料がとてつもなくわかりやすく、これの真似をして書いてみようと思い至りました。記事中のやる夫とやらない夫のアイコンは http://matsucon.net/material/m
chainerでニューラルネットを学んでみるよ(chainerでニューラルネット2) - 人工言語処理入門
前回の記事ではchainerのインストールからサンプルコードを使って画像識別問題を解くところまでやりました。 hi-king.hatenablog.com 今回の記事では回帰・分類問題用のシンプルなニューラルネットの作り方をやろうと思います。andとxorの論理式を学習させます。chainerでの実装の学習と、あとニューラルネットの教育目的に使いやすいなーと思ったので。2層のニューラルネットまで段階をふんで解説してるんですが、プログラム読むほうが得意、って方は一番最後のコードを先に読んだほうがわかりやすいかもしれません。 追記(7/13)型チェック chainer1.1.0から型チェックが入ったので(https://github.com/pfnet/chainer/pull/95)、識別にはfloat32を入力してint32を出力、回帰にはfloat32を入力してfloat32を出力、とい
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
処理を実行中です
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
Machine Learning | Microsoft Azure
