前回記事では、KaggleのFacial Keypoints Detectionを題材にして、単純なニューラルネットワークから転移学習まで解説しました。 事前に学習した重みを読み込んだ後、全ての層で学習するのではなく、一部の層をフリーズさせることもできるという話を最後に少しだけしました。ちょうどその後、転移学習について詳細に解説しているKerasの公式ブログ記事が公開されましたこともあり、今回はこの記事を参考にしつつ、転移学習をメインに解説していきます。間違いがあれば指摘してください。今回もFacial Keypoints Detectionのデータを使って解説していくので、前回記事も是非合わせて読んでみてください。 また、Keras 1.0.4が公開されたのでまだの人はアップデートしておくと良いかと思います。 目次 転移学習 可視化 全結合層のみ学習(前回モデル) 全結合層+一部の畳み込
こんにちはtatsyです。 C++とPythonを糊付けするものとしてBoost.PythonとBoost.Numpyというものがあるのですが、多くの記事はPythonからC++のコードを呼び出すことを主眼としていて、僕のようにC++からNumpyの線形ソルバーを呼びたいとか言う人は少ないみたいです。 Boost.PythonやBoost.Numpyを使う利点、特にWindows上で使う利点はPythonをビルドしているVisual Studioのバージョンに依存しないということだと思います。 通常PythonのC APIは使っているPythonをビルドしたものと同じVisual Studioのバージョン(3.4ならVC2010, 3.5ならVC2015)を使ってビルドしないといけないので、いちいち複数のバージョンのVisual Studioを入れないといけなかったりします。 参考ページ:
貿易統計は、もっともアクセスが多い政府統計です。 kaggle ダウンロード数 1000超えました 貿易統計は、一か月ごとに、集計されます。集計は速報から、HSコードという分類コードがきちんとついたデータまで何段階かあります。HSコードつきは、約一か月後に公開されます。そのデータを使い勝手のよくなるように、ひとつにまとめて、CSVにしました。 ぜひ、ダウンロードして、分析してみてください。結構面白いです。月別は、展開するとかなりの大きいです。1988-2015 だと4G 2012-2015 でも560Mです。 まとめたデータ(CSV形式、zipで圧縮、拡張子は、.csv)は、 !New 1988年から2015年まで、展開すると4Gあります !New 2016年 1-6月+2015年一年分 kaggle で公開 2012年から2015年まで、月別(約80M) 2012年から2015年まで、年
動画像からシーン内の移動対象の検出を行う際に用いられる手法の一つとして, 背景差分法が挙げられる.この手法は観測画像と背景画像を比較することで, 簡便に移動物体を検出する手法である.しかし,背景差分法では画像上に現れ る明度の変化をすべて対象として検出するため,画像上の背景領域で明度変化 が起こるような環境では誤検出が生じる.この問題に対し,本研究では,照明 の強度の変化(照明変化)に着目し,照明変化に対して頑健な背景差分につい て検討を行った. 仮に観測画像と背景画像の間で照明の変化に対して不変な特徴が存在すれば, この特徴に差がある部分に移動対象が写されているものと見なすことができる. 本研究では,このように,「照明変化に対して不変な特徴」を基本とした,背 景差分を提案する.尚,本研究では,照明変化に対して不変な特徴として,1) 局所画像のテキスチャパターンの類似性,2)背景画像の照明
We consider the question of how unlabeled data can be used to estimate the true accuracy of learned classifiers. This is an important question for any autonomous learning system that must estimate its accuracy without supervision, and also when classifiers trained from one data distribution must be applied to a new distribution (e.g., document classifiers trained on one text corpus are to be appli
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