Machine Learning Tutorials by Adrian Rosebrock on November 17, 2014 Connecticut is cold. Very cold. Sometimes it’s hard to even get out of bed in the morning. And honestly, without the aide of copious amounts of pumpkin spice lattes and the beautiful sunrise over the crisp autumn leaves, I don’t think I would leave my cozy bed. But I have work to do. And today that work includes writing a blog pos

R-CNNについて R-CNNについては公式の論文を読むことをオススメします。 この場では説明しません(~_~;) Non-Maximum Suppressionについて 論文に登場 Non-Maximum Suprressionは、R-CNNの公式の論文にこう記されています。 Given all scored regions in an image, we apply a greedy non-maximum suppression (for each class independently) that rejects a region if it has an intersection-over-union (IoU) overlap with a higher scoring selected region larger than a learned threshold. 下手くそな

Feature Pyramid Networks for Object Detection, CVPR'17の内容と見せかけて、Faster R-CNN, YOLO, SSD系の最近のSingle Shot系の物体検出のアーキテクチャのまとめです。

一般物体検出アルゴリズムの紹介 今回CNNを用いた一般物体検出アルゴリズムの有名な論文を順を追って説明します。 コンピュータビジョンの分野において、一般物体検出とは下記の図のように、ある画像の中から定められた物体の位置とカテゴリー(クラス)を検出することを指します。 [6]より引用 Deep Learningアルゴリズムの発展によって、一般物体認識の精度は目まぐるしい勢いで進歩しております。 そこで今回はDeep Learning(CNN)を応用した、一般物体検出アルゴリズムの有名な論文を説明したいと思います。 R-CNN (Regions with CNN features) (CVPR 2014) [1] かの有名なCNNの論文[8]で、ILSVRC 2012の物体認識チャレンジで大差をつけて1位になりました。 このチャレンジでは1枚の画像が1000クラスのうちどれに属するかを推定する

2. 緒方　貴紀 (@conta_) CRO@ABEJA, Inc. Computer Visionとか、Machine Learning の研究開発をやっています Self Introduction 2 4. 一般物体検出の論文 • 検出速度のアルゴリズム(YOLO)より高速で、Faster R-CNNと同等の高精度 なを実現するState of the artなアルゴリズムの提案 • 比較的低解像度でも高精度に検出できる • 階層的なFeature mapと利用することで様々なスケールに対応 • アスペクト比ごとに識別器を作ることで、高い精度の検出率を達成 • シンプルなネットワーク設計によりEnd-to-Endで学習できる SSD: Single Shot MultiBox Detector 4 5. 画像から定められたクラスの物体を検出&識別するタスク Object Detecti

2. Agenda - Introduction - R-CNNの原理 - 領域分け - CNN - 分類器 - R-CNNの問題点 - R-CNNの最近の動向 - SSD (Single Shot multibox Detector) の概要 - まとめ 2 3. R-CNN (Regions with CNN features) ('n03085013', 'computer_keyboard', 0.78958303) ('n04264628', 'space_bar', 0.13960978) ('n04505470', 'typewriter_keyboard', 0.050729375) ('n03793489', 'mouse', 0.0087937126) ('n04074963', 'remote_control', 0.0026325041) * 出典：人工知能に関する

さて、昨年行ったGTC Japan 2017では物体検出のデモを行っているブースが多く、盛り上がりを見せている分野と感じています。 たしかに、物体検出のデモってすごくAI感(?)があります。 今回の記事はリアルタイム(~0.1sec)物体検出に使われるSSD及びその派生モデルのお話。 [1]SSD検出結果 物体検出の難しさ SSD ネットワーク構造 マルチボックスマッチング default boxと回帰によるオフセット予測 ハードネガティブマイニング ロス関数 データオーグメンテーション DSSD(Deconvolutional Single Shot Detector)の登場 Deconvolutional Module ResNetを使う。 Prediction Moduleの変更 Default Box増やした ESSD ESSDではやっぱりVGGを使う。 隣接したFeatureMa