[B! cifar-10] yukimori_726のブックマーク

yukimori_726 id:yukimori_726

cifar-10に関するyukimori_726のブックマーク (10)

【深層学習】畳み込みニューラルネットで画像分類 [DW 4日目] - Qiita
ざっくりいうと Chainerで畳み込みニューラルネット(CNN)を書いた AlexNetというILSVRC2012のトップのCNNを模倣した実際に画像分類をしてみた AlexNetとは ↓の論文で提案されているニューラルネット。ILSVRC2012で性能トップ。その後、AlexNetを深化させた、オックスフォード大のVGGというネットワークが登場し性能向上。(2016年現在、さらに性能を上回るGoogLe Netとかもある。人間より精度が良いらしい。) ImageNet Classification with Deep Convolutional Neural Networks(原文) ↓Chainerのサンプルもある。 Chainer Example AlexNet 今回は、このAlexNetの劣化版のネットワークを書いて実際に画像分類をさせてみた。劣化の理由は、単にメモリ不足を解消す
yukimori_726 2017/06/27
cifar-10

chainer

cnn

convolution
リンク
[Python]CIFAR-10, CIFAR-100のデータを読み込む方法 - Qiita
CIFAR-10, CIFAR-100はラベル付されたサイズが32x32のカラー画像8000万枚のデータセットです。データ提供先よりデータをダウンロードする。 https://www.cs.toronto.edu/~kriz/cifar.html 「CIFAR-10 python version」、「CIFAR-100 python version」からダウンロードして、適当な場所に解凍する import cPickle import numpy as np import os def unpickle(file): fo = open(file, 'rb') dict = cPickle.load(fo) fo.close() return dict def conv_data2image(data): return np.rollaxis(data.reshape((3,32,32)
yukimori_726 2017/04/21
dataset

cifar-10
リンク
畳み込みニューラルネットワークの可視化 - 人工知能に関する断創録
Deep Learningの学習結果（重み）はブラックボックスで、隠れ層のユニット（特に深い層の！）が一体何を学習したのかがよくわからないと長年言われてきた。しかし、今回紹介する方法を使うとニューラルネットが何を学習したのか目で見える形で表現できる。畳み込みニューラルネットで学習したフィルタの可視化というと以前やったように学習した第1層のフィルタの重みを直接画像として可視化する方法がある。しかし、畳み込みフィルタのサイズは基本的に数ピクセル（MNISTの例では5x5ピクセル程度）のとても小さな画像なのでこれを直接可視化しても何が学習されたか把握するのはとても難しい。たとえば、MNISTを学習した畳み込みニューラルネット（2016/11/20）のフィルタを可視化しても各フィルタがどの方向に反応しやすいかがわかる程度だ。各フィルタが何を学習したかを可視化する別のアプローチとして各フィルタ
yukimori_726 2017/02/17
[

cifar-10

deeplearning

visualization

keras
リンク
Chainerのtrainerを使ってCIFAR-10の分類に挑戦したかった - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
yukimori_726 2017/01/16
chainer

cifar-10

trainer
リンク
CIFAR-10 - 人工知能に関する断創録
MNISTの数字画像はそろそろ飽きてきた（笑）ので一般物体認識のベンチマークとしてよく使われているCIFAR-10という画像データセットについて調べていた。このデータは、約8000万枚の画像がある80 Million Tiny Imagesからサブセットとして約6万枚の画像を抽出してラベル付けしたデータセット。このデータセットを整備したのは、SuperVision（またはAlexNet）と呼ばれる畳み込みニューラルネットワークを使ってILSVRC2012で優勝したAlex Krizhevskyさんとのこと。こういう泥臭い仕事もしていたなんて尊敬する。 CIFAR-10の元となる80 Million Tiny Imagesは類似画像検索（2009/10/3）で少し言及したことがあった。初出はこの論文（PDF）だと思うけれど、最初に読んだときいろいろな画像があってとてもわくわくし、いつか使っ
yukimori_726 2016/12/02
chainer

imagerecognition

cifar-10
リンク
chainerの畳み込みニューラルネットワークで10種類の画像を識別（CIFAR-10） - AI-Programming
＜システムバージョン＞ ubuntu 14.04 python 3.5.1 chainer 1.7.0 CIFAR-10 and CIFAR-100 datasets 32x32pixelのカラー画像を10のクラスに分類します。訓練画像が50000枚、テスト画像が10000枚です。 CIFAR-10のデータは、各画像サンプルがchannel（3チャンネル）、row（32ピクセル）、column（32ピクセル）のフラット形式3*32*32=3072次元ベクトルの形で格納されている。 Chainerでは画像を (Nsample, channel, height, width) の形式にする必要があるためreshape()して次元を変換している。詳しくはここに書いてありますまずは、データの読み込み。データのファイルはこのように分かれているために、読み込みには工夫が必要。 import s
yukimori_726 2016/12/02
chainer

imagerecognition

cifar

cifar-10
リンク
ChainerでCIFAR-10の分類を行ってみる - のんびりしているエンジニアの日記
皆さんこんにちはお元気ですか。私は元気です。前回はChainerの紹介をしました。nonbiri-tereka.hatena blog.com 本日はこのChainerを使って、CIFAR-10の分類を行ってみようと思います。アーキテクチャとして利用するのはConvolutional Neural Networkを利用します。 What is CIFAR-10 CIFAR-10 and CIFAR-100 datasetsにあるデータセットです。32x32pixelのカラー画像を10のクラスに分類する問題が含まれています。画像の大きさはTraining画像が50000枚、Test画像が10000枚です。研究とかのベンチマークでお世話になっている人も多いと思いますが・・・以下の図は本家に掲載されているサンプル画像です。データセットの読み込み CIFAR-10ではPythonでの読
yukimori_726 2016/11/27
chainer

cnn

cifar-10

imagerecognition
リンク
ChainerによるCIFAR-10の一般物体認識 (1) - 人工知能に関する断創録
Chainerによる畳み込みニューラルネットワークの実装（2015/10/7）のつづき。今回はMNISTの数字画像認識ではなく、CIFAR-10（2015/10/14）という画像データを使った一般物体認識をやってみた。画像を10個のクラスに分類するタスク。実装にはChainerを使った。 MNISTは1チャンネルの白黒画像だったけれどCIFAR-10は3チャンネル（RGB）のカラー画像なので少しだけ複雑になる。CIFAR-10（2015/10/14）でも書いたけれどCIFAR-10の提供データは、各画像サンプルがchannel（3チャンネル）、row（32ピクセル）、column（32ピクセル）のフラット形式3*32*32=3072次元ベクトルの形で格納されている。Chainerでは画像を (nsample, channel, height, width) の形式にする必要があるためres
yukimori_726 2016/11/27
chainer

cnn

cifar-10
リンク
KerasでCIFAR-10の一般物体認識 - 人工知能に関する断創録
今回は、畳み込みニューラルネットを使ってCIFAR-10（2015/10/14）の一般物体認識をやってみた。以前、Chainerでやった（2015/11/8）のをKerasで再実装した。これもKerasの例題に含まれている。このスクリプトでは、データ拡張（Data Augmentation）も使っているがこれはまた別の回に取り上げよう。ソースコード：cifar10.py CIFAR-10 CIFAR-10は32x32ピクセル（ちっさ！）のカラー画像のデータセット。クラスラベルはairplane, automobile, bird, cat, deer, dog, frog, horse, ship, truckの10種類で訓練用データ5万枚、テスト用データ1万枚から成る。まずは描画してみよう。 import numpy as np import matplotlib.pyplot a
yukimori_726 2016/11/27
keras

imagerecognition

cifar-10
リンク
ディープラーニングの様々なモデルを使ってCIFAR-10画像データセットの分類を行う
動機 Residual Networkのようなdeeeepなニューラルネットワークを使ってみたいと思いました。 MNISTでは物足りなく、ImageNetはデータ集めるのが大変そう&学習に時間がかかりそう、という理由でCIFAR-10画像データセットをつかって画像の分類を行いました。 CIFAR-10画像データセットとは CIFAR-10画像データセットは小さいサイズのカラー画像のデータセットです https://www.cs.toronto.edu/~kriz/cifar.html 画像サイズは32 x 32px 10クラスの画像がそれぞれ6000枚、計60000枚の画像があるそのうち50000枚が学習データ、10000枚がテストデータクラスはairplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck 実行
yukimori_726 2016/11/14
chainer

classification

cifar-10
リンク
1