Chapter5-2 その他の話題 15k1015 関根修斗.

Slides:



Advertisements
Similar presentations
Trac と Eclipse の 便利な機能. プロジェクト管理システム: Trac 0. はじめに バージョン管理システム: Subversion 統合開発環境: Eclipse ・ Wiki による情報 管理 ・進捗状況の管理 ・プログラムの作 成 ・リポジトリに データを集める.
Advertisements

図示、可視化モジュール ~ pylab と numpy を ちょっと~. pylab とは? ・数学や統計的なグラフを生成するモ ジュール ・インストール pip や easy install からのインストールを推奨 →numpy モジュールなどの前提としている。 Anaconda の場合は標準.
『わかりやすいパターン認 識』 第 5 章 特徴の評価とベイズ誤り確率 5.4 ベイズ誤り確率と最近傍決定則 発表日: 5 月 23 日(金) 発表者:時田 陽一.
画像情報処理1 ~画像処理プログラミング~ 2015/05/01 知的画像処理研究室 M1 吉原寛樹
情報基礎演習I(プログラミング) 第9回 6月22日 水曜5限 江草由佳
ゲーム開発者向け最新技術論文の解説・実装講座
初年次セミナー 第13回 2次元グラフィックス(1).
初年次セミナー 第14回 2次元グラフィックス(2).
Building text features for object image classification
HOG特徴に基づく 単眼画像からの人体3次元姿勢推定
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
「わかりやすいパターン認識」 第1章:パターン認識とは
Pose Tracking from Natural Features on Mobile Phones
Bipartite Permutation Graphの ランダム生成と列挙
プログラミング入門 電卓番外編 ~エクセルで関数表示~.
Knowledge Suite(ナレッジスイート) ファーストステップガイド (管理者向け)
画像処理論.
ゲームプログラミング講習 第1章 DXライブラリ入門
Microsoft Office 2010 クイックガイド ~PowerPoint編~
エクセル(2)の目次 セル範囲の指定方法 データの消去法 アクティブセルの移動 セル内容の複写と移動 セル幅の変更方法
「データ学習アルゴリズム」 第3章 複雑な学習モデル 3.1 関数近似モデル ….. … 3層パーセプトロン
ORB: an efficient alternative to SIFT or SURF
情報科学1(G1) 2016年度.
TextonBoost:Joint Appearance, Shape and Context Modeling for Multi-Class Object Recognition and Segmentation 伊原有仁.
システム開発実験No.7        解 説       “論理式の簡略化方法”.
階層的境界ボリュームを用いた 陰関数曲面の高速なレイトレーシング法
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第三回 演習課題 画像中からの物体抽出処理(色情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/08.
情 報 A ー ディジタル化のしくみ ー.
アニメーションのタイミングを自由に設定するには
ティコ第2星表を用いた限界等級の測定 目的 内容 宇宙粒子研究室 竹川涼太
教師あり学習と ディープラーニング 金子邦彦.
2014/05/02 知的画像処理研究室 M1 中津美冴 画像情報処理1 ~画像処理プログラミング~ 2014/05/02 知的画像処理研究室 M1 中津美冴
行列による画像処理 デジタル表現論 担当者:劉 雪峰 2017年6月1日.
第5章:特徴の評価とベイズ誤り確率 5・3:ベイズ誤り確率とは
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
画像処理工学 2013年1月23日 担当教員 北川 輝彦.
人工知能を動かしてみる(Keras を用いたニューラルネットワークの定義,コンパイル,学習,評価,予測)
第14章 モデルの結合 修士2年 山川佳洋.
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室  EP02086 永橋知行.
プログラミング演習Ⅱ 課題4第3週 画像処理 (1) ビット演算子.
1-R-19 発話に不自由のある聴覚障害者の発話音声認識の検討
深層学習を用いた音声認識システム 工学部 電気電子工学科 白井研究室 T213069 林健吉.
情報検索技術に基づくベクトル表現と 深層学習を用いたコード片の類似性判定法
PowerPoint へようこそ 簡単に操作するための 5 つのヒント.
Data Clustering: A Review
15K1117 下窪 聖人 15K1013 坂本 倖輝 15K1112 黒川 晶太 15K1015 関根 修斗
物体検出による視覚補助システム T215085 若松大仁 白井研究室.
論文紹介: “Joint Embedding of Words and Labels for Text Classification”
エクセル(2)の目次 セル範囲の指定方法 データの消去法 アクティブセルの移動 セル内容の複写と移動 セル幅の変更方法
プログラミングⅠ 平成30年10月22日 森田 彦.
企画 協力 制作 画像提供:JAXA/NASA 高学年用.
DCGANを用いた 画像生成システム 電気電子工学科 T 山田 真司  白井研究室.
わかりやすいパターン認識 第7章:部分空間法  7.1 部分空間法の基本  7.2 CLAFIC法                  6月13日(金)                  大城 亜里沙.
ベイズ最適化 Bayesian Optimization BO
手書き文字の自動認識アプリケーション 15K1013 坂本 倖輝
自己組織化マップ Self-Organizing Map SOM
最尤推定・最尤法 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
プロジェクト演習Ⅳ・Ⅵ インタラクティブゲーム制作
距離空間ピラミッドを用いた LLCによる3次元物体認識
誤差逆伝播法による ニューラルネットワーク (BackPropagation Neural Network, BPNN)
ポスター用テンプレート 立川 太郎 ○○○研究系 助教 【ポスターのサイズ】 【ポスターのテンプレート】 【文字の大きさ】
blossom取り扱い説明書 <基本説明> <各種設定> 初期画面→ノードの初期化 入力データの選択 学習開始 学習終了 マップの見方
【GeoAFM】オリジナルの探針形状データの作成/使用 1/2
コンパイラ 2012年10月11日
ニューラルネットワークの仕組み (Raspberry PI 演習で学ぶ) AI DATA VASSEL 資料
人物再識別システムの 試作と評価 飯塚 敦志.
混合ガウスモデル Gaussian Mixture Model GMM
Microsoft Office 2010 クイックガイド ~PowerPoint編~
Presentation transcript:

Chapter5-2 その他の話題 15k1015 関根修斗

カラー写真画像の分類① CIFAR-10の特徴 カラー写真画像データセット(CIFAR-10)の特徴 ・32✕32ピクセルのRGB画像が6万枚(訓練画像は内5万)ラベル付され た画像データセット ・ラベルは10クラス(airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck) ・Pythonで扱いやすいデータ形式で提供されている ダウンロードリンク: http://www.cs.toronto.edu/~kriz/cifar.html

カラー写真画像の分類② 画像の前処理 識別対象の位置や対象以外の物体や明るさ等の問題から 画像には2つの前処理を行う ・画像の周囲を切り落とす(32✕32→24✕24にしている) ・画像のダイナミックレンジの平準化(ピクセル値を整える) さらに学習データとする場合には、画像データを使用するごとに ランダムに周囲を切り落としたり、左右を反転させる これらの処理過程は以下のプログラムがわかりやすい (https://github.com/enakai00/jupyter_tfbook/blob/master/Chapter05/ CIFAR-10%20dataset%20samples.ipynb)

カラー写真画像の分類③ 画像の前処理 左から一列目が入力画像 左から二列目が前処理した画像 左から三列目以降が テストデータとする場合の処理を施したもの

カラー写真画像の分類④ CNNの構造 ③で処理された画像を右のような構成のCNNに入力する conv1,conv2:64個の畳み込みフィルター pool1,pool2:プーリング層 norm1,norm2:正規化層(ピクセル値の極大化を防ぐ) local3,local4:全結合層(ノード数は順に384,192) softmax_linear:ソフトマックス関数

カラー写真画像の分類② ソースコード類 ①~④で示した内容は Tensorflowのチュートリアル (https://github.com/tensorflow/tensorflow/tree/r0.11/tensorflow/mo dels/image/cifar10)にそのソースコードが配布されている dockerの仮想環境から実行する場合の手順 https://www.slideshare.net/satoshinoda792/tensorflow-56455816)

Playgroundで分類の様子を観察する① 正規化の選択 L1 or L2 or なし クリックして学習を開始 学習回数 学習率 活性化関数 回帰か分類の選択 学習データを4種類から選択 Circle Exclusive or Gaussian Spiral (回帰の場合は2種類になる) データの再生成 x,y座標を特徴量とする以外に 二乗やsinなど、事前変換したものも 特徴量とすることができる 隠れ層とノードの設定 うまく分類できると 色が濃くなり 上のようにはっきりと分かれる

Playgroundで分類の様子を観察する②

コラム:notMNISTの分類 notMNIST(http://yaroslavvb.blogspot.jp/2011/09/notmnist- dataset.html)データセットを分類する ・著者のブログにnotMNISTをMNISTと同じように扱えるpythonソース コードが用意されている (http://enakai00.hatenablog.com/entry/2016/08/02/102917) ・5章の最後で作成した2層CNNをそのまま利用できる