狠狠撸
Submit Search
CG Image Recognition with Deep Learning
?
Download as PPTX, PDF
?
0 likes
?
1,159 views
Kodai Takao
Follow
CG Image Recognition using Deep Learning
Read less
Read more
1 of 24
Download now
Download to read offline
More Related Content
CG Image Recognition with Deep Learning
1.
プロジェクト3A 最終発表 14K1020 髙尾航大
2.
プロジェクトテーマ DeepLearning を用いて 3次元オブジェクトの特徴量を 2次元画像として抽出し、 カテゴリタグ付けを自動的に行う。
3.
プロジェクトテーマ(図解) なんか長い 部分がある 3次元データ 人工知能 特徴量抽出 うさぎ カテゴリ判定 動物 耳 長い input output (実際はこんなも のではない)
4.
狈别耻谤补濒狈别迟飞辞谤办について
5.
MNIST手書き文字認識 MNISTと呼ばれる手書き文字のデータセットで学習を進める 28×28 ピクセルの画像 MNIST =
学習用画像 : 5万枚 / テスト用画像 : 1万枚
6.
ベクトル化 1つの画像は 28×28 =
784 ピクセルを保有している これをベクトルに落とし込む ?????? = 0 0 0 0 ? .6 .8 1 ? 0 0 0 0
7.
ベクトル化 5万枚の学習用画像は以下のベクトル集合で 表すことができる。
8.
ベクトル化 学習用画像はその画像が何の数字であるかを保持するベクトル も同添字として紐付けられている。
9.
パーセプトロン 人間の脳細胞をモデル化 ステップ関数であるため微分不可能で機械学習に向かない
10.
シグモイドニューロン パーセプトロンの改良 連続関数であるため微分可能で機械学習に向く(線形分離可能)
11.
ニューラルネットワーク シグモイドニューロンを沢山使用して学習を行う 入力に784次元ベクトル (画像の配列) バイアスと重みを コスト関数に従って 更新していくこと 学 習
12.
誤差逆伝播法 入力信号と教師データの誤差を小さくするように 勾配降下法 全体の結合重みを調整 E : 一時解と最適解の二乗誤差
13.
ソフトマックス回帰 実際に一時解ベクトル?が出力される際は、 ソフトマックス回帰によって正規化される
14.
TensorFlowでのMNISTテスト 精度91%….
15.
TensorFlowでのMNISTテスト 公式ドキュメントでは99.7%以上の精度でなければ良い結果 とは言えないと書かれている。
16.
畳み込みディープニューラルネットワーク
17.
Watson API の使用 TensorFlowの画像認識ライブラリ環境 設定がうまく行かず使用断念。 Watson
Visual Recognition 教師用画像を用意してネットワークを 学習させ、カテゴリ分けを行う。
18.
学習 今回は「うさぎ」と「顔」と「その他」を区別することを考える。
19.
教師用画像の用意 100枚 100枚 100枚
20.
カラー画像で学習させた場合(うさぎ) 87% 66% 62% 72%
21.
モノクロ画像で学習させた場合(うさぎ) 87% → 89% 66%
→ 71% 62% → 63% 72% → 74%
22.
人間の顔の認識( カラー →
モノクロ ) 85% → 85% 79% → 75%
23.
その他 認識せず。
24.
結論?今後の課題 WebアプリのUIと保守性を改良することができた。 この知能をWEBアプリ内に組み込む 3カテゴリの学習による分類は70%前後の精度で成功した。 学習カテゴリを増やしても精度が保たれるかの実験を行う カテゴリ抽出後に連想語を関連付ける
Download