CNN でテニス選手の動きを解析する
- 6. NN ってなんでしょう？
- 8. パーセプトロン 1 ?1 ?2 ? ? h( ) ? ?1 ?2 ? = ? + ?1?1 + ?2?2 ? = ?(?) 典型的なh は シグモイド関数 ? ? = 1 1 + exp ?? 重み バイアス 入力データ 出力データ
- 9. シグモイド関数 ? ? = 1 1 + exp ??
- 10. 実際の計算 1 ?1 ?2 ? ? h( ) ? ?1 ?2 1.0 0.1 0.5 0.1 0.2 0.45 0.610639234 浮動小数点 どこまで精度 が必要かは 不明
- 12. TensorFlow ? Python でネットワーク設計 http://qiita.com/icoxfog417/items/fb5c24e35a849f8e2c5d が参考になる ? = ?2 + ? import tensorflow as tf def x2_plus_b(x, b): _x = tf.constant(x) _b = tf.constant(b) result = tf.square(_x) result = tf.add(result, _b) return result ? ? square add
- 14. NN のデモ ? MNIST – 手書き数字認識 ? Cifar10 – 画像を10種類に分類するデモ ? YOLO – 画像から物体認識(Object Detection) ? Dorefanet – 画像の分類(Classfication)
- 15. CNN と YOLO
- 16. CNN って何？ CNN では畳み込み処理をする 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 重みパラメタ 畳み込み処理
- 17. 畳み込み処理(画像処理)
- 18. BNN(*1) の MNIST BNN の MNIST 情報がフラット 画像としての縦横を 放棄(?) *1 あくまで Xilinx が提供している BNN の MNIST の話。CNN の MNIST もある。
- 19. YOLO のCNN(1層目) G R B 0.1 0.1 0.1 0.4 0.5 0.6 0.7 0.8 0.9 0.2 0.2 0.2 0.4 0.5 0.6 0.7 0.8 0.9 0.3 0.3 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.4 0.4 0.4 0.4 0.5 0.6 0.7 0.8 0.9 重み バイアス
- 20. パーセプトロン(再掲) 1 ?1 ?2 ? ? h( ) ? ?1 ?2 ? = ? + ?1?1 + ?2?2 ? = ?(?) 典型的なh は シグモイド関数 ? ? = 1 1 + exp ?? 重み バイアス 入力データ 出力データ
- 21. YOLO の一部 任意の画像(例：768x576) 416x416 に正規化された画像 1) 入力画像の各画素を浮動小 数点数に正規化 2) numpy 用に重みとバイアスを変形 重み バイアス 3) numpy の matmul を使って計算 0.123456789 0.012345678 0.345689088 0.457898989 0101010110 1110010000 1110001010 0010110101 4) 3bit の情報に変換
- 22. Tinier YOLO 10層 = Deep じゃない CNN
- 23. YOLO v3 Ayoosh Kathuria さんの towardsdatascience.com 記事から
- 24. 結果 Tinier YOLO ? Predicted in 0.73 sec. ? car: 95% ? dog: 74% ? bicycle: 56% YOLO ｖ３ ? data/dog.jpg: Predicted in 22.6 sec. ? bicycle: 99% ? truck: 92% ? dog: 100%
- 25. 何をしたか？ > git clone https://github.com/pjreddie/darknet > cd darknet > make > wget https://pjreddie.com/media/files/yolov3.weights > ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
- 26. Darknet ? NN 用のフレームワーク – YOLO はその一部 ? 簡単にオレオレ NN 作成可能 – 分かった気になれる(危険!) ? 数式をたどろう! ? 論文読もう ? ソースを読もう ? 意味を考えよう データが問題。 学習はどうする？ 誰かの作った ありもので いけたりする
- 27. 惭狈滨厂罢再考
- 29. MNIST with FPGA 4 と 9 を間違えてい る
- 31. LeNet-5 複製して再学習
- 33. YOLO の重みパラメタ
- 34. 分布を見てみた 0
- 37. Google は bloat16 Wikipedia より Google I/O ‘18の資料より Wikipedia より 精度はいらない？ Exponent が重要？ 分布もそれを示唆？
- 38. とりたいアプローチ ? 統計学（的） ? 人間の感覚を信用しない ? 既存のフレームワークをうまく使う – 使うだけにはしたくない
- 39. テニスの动画に応用
- 44. 目標 ? 静止画からプレイヤーを特定する ? 動画からプレイヤーを特定する ? 動画からボールを特定する ? 動画からプレイ内容/ポイント状況を特定する ? 動画から優劣を特定(将棋に迫れるか？)