開発者サイトでは、AMD のアダプティブ コンピューティング プラットフォームを使用する開発に役立つ、最新かつ包括的な Vitis™ AI 開発ガイダンス、チュートリアル、リファレンス デザイン、トレーニング コースなど、数多くの技術リソースを提供しています。 Vitis AI プラットフォームを使用する開発の詳細 >
2017年12月に開催されたパターン認識・メディア理解研究会(PRMU)にて発表した畳み込みニューラルネットワークのサーベイ 「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の変遷を振り返るとともに,近年提案されている様々なCNNの改良手法についてサーベイを行い,それらを幾つかのアプローチに分類し,解説する.更に,代表的なモデルについて複数のデータセットを用いて学習および網
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習 6月11日 (木) 11:00 - 12:30 メイン会場(vimeo + slido) 登壇者:片岡 裕雄 氏(産業技術総合研究所) 概要:高品質な教師ラベルを含む大規模画像データセットを学習に用いた場合は成功がほぼ確約されていると言っても差し支えないが、ラベル付けのコストは計り知れない。本発表では、SNS からの画像データ収集や弱教師によるラベル付けを含め、最小限の手間で大規模データセットを構築する方法を紹介する。800万超の人物ラベルを含む大規模データセットを人物検出のための事前学習に用いた場合、ベースラインである教師ありの事前学習手法を凌駕する検出率を実現した。
By stacking layers of convolution and nonlinearity, convolutional networks (ConvNets) effectively learn from low-level to high-level features and discriminative representations. Since the end goal of large-scale recognition is to delineate complex boundaries of thousands of classes, adequate exploration of feature distributions is important for realizing full potentials of ConvNets. However, state
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