Vitis AI で開発を開始開発者サイトでは、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 >
畳み込みニューラルネットワークの研究動向
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
3D CNNによる人物行動認識の動向
2. 人物行動認識 1 入力：動画 → 出力：行動ラベルという課題 *K. Soomo+, “UCF101: A Dataset of 101 Human Actions Classes From Videos in The Wild”, CRCV-TR-12-01, 2012. * 3. 代表的な大規模行動認識データセット ｜ Trimmed 2 切り出し済み or 開始終了ラベル込み動画 HMDB-51: 7000動画 (Movie, YouTube)，51クラス UCF-101: 13000動画 (YouTube)，101クラス ActivityNet: 28000動画 (YouTube)，200クラス Kinetics: 30万動画 (YouTube)，400クラス 大規模化がどんどん進んでいる 4. 代表的な大規模行動認識データセット ｜ Untrimmed 3
Is Second-order Information Helpful for Large-scale Visual Recognition?
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
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
