Deep Learningの気持ちを理解する - Classification編 - Qiita
画像分野では今やDeep Learningによる解析が主流となりつつありますが、結果の解釈が難しいのが難点です。医療分野などでは特に、モデルの出力に対する説明力が強く求められるのではないでしょうか。今回は、そういった時に活用できる可視化手法を紹介します。 紹介する手法はOBJECT DETECTORS EMERGE IN DEEP SCENE CNNs, Zhou+, '14で提案されている方法です。 論文中でやっていること classificationモデルの学習（通常の学習） 1と同じ前処理を適用した画像を入力として、1で学習したモデルでclass毎の確率値を計算 2で使用した画像の一部の領域をマスクした画像を入力として、class毎の確率値を計算 3を5000個程度の領域で行い、値を取得 4の個々の出力値と2の出力値の差分をとる 任意の閾値を設定し、5の値が閾値を超えていない領域は0
Large-Scale Item Categorization in e-Commerce Using Multiple Recurrent Neural Networks
Large-Scale Item Categorization in e-Commerce Using Multiple Recurrent Neural Networks Precise item categorization is a key issue in e-commerce domains. However, it still remains a challenging problem due to data size, category skewness, and noisy metadata. Here, we demonstrate a successful report on a deep learning-based item categorization method, i.e., deep categorization network (DeepCN), in a
%25E3%2581%25AE%25E7%2594%25A8%25E8%25AA%259E%25E3%2581%25A8Pytho)
scikit-learn (sklean)の用語とPython - つれづれ日記
scikit-learn (sklean)の用語とPython。 datasets: 学習に使う入力データ。標準でiris とdigitsが用意されているclf: 分類器(classifier) Python配列の添え字[-1]は、配列の最後の要素のこと[:-1]は、配列の最後の要素を除く、配列全体のこと[:100]は、配列の最初の100個の要素の配列のこと 最後の要素は予測(predict)させるためのデータ、それ以前の要素は学習(learning, classification)に使う。ただし、学習用の値と検証用の値は必ずしも分けない。配列についてはpythonはとても強い。他のプログラム言語では脆弱性になるところが、簡潔な指定方法の一つになっている。交差検定 (k-fold cross validation)では、学習用の値の配列の中から、複数の値をkセットとりだしてk回検証のための
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
