モデル 胸部X線画像を用いた深層学習モデルの開発(1/2)
１．胸部X線画像を用いた深層学習モデルの開発(1/2)まとめ・胸部X線は多くの疾患の検出のための重要で利用しやすい臨床画像ツールだが解釈が難しい場合がある・ディープラーニングを画像診断に適用したくとも正確な臨床ラベルがないとモデルの評価が困...
image classification
モデル 入門／解説 VTAB:視覚タスク用のベンチマーク(1/2)
１．VTAB:視覚タスク用のベンチマーク(1/2)まとめ・視覚タスク用に事前トレーニングしたモデルは有用だが数が多く評価方法も異なっている・数が多すぎる故にどのモデルが最適な特徴表現を提供してくれるのかを知ることは困難・VTABは多様で現実...
インフラ EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(1/2)
１．EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(1/2)まとめ・ハードウェアアクセラレータ上での実行に最適化したニューラルネットワークはあまり存在しない・AutoMLで最適化したEffici...
ビッグデータ データ拡張を教師なしで実現し半教師付き学習の性能を向上(2/2)
１．データ拡張を教師なしで実現し半教師付き学習の性能を向上(2/2)まとめ・UDA、教師なしデータ拡張を使うと半教師付き学習が教師付き学習を上回る性能を出すようになる・拡張元となるラベル付きデータが少なくとも多くとも教師付き学習の最先端のス...
ビッグデータ 第6回きめ細かい視覚分類ワークショップの開催(2/2)
１．第6回きめ細かい視覚分類ワークショップの開催(2/2)まとめ・Herbariumチャレンジでは植物標本シート画像をもとにきめ細かい視覚分類を実施する・植物標本シート画像を使うためのiNaturalistチャレンジとは区別される・FGVC...
入門／解説 第6回きめ細かい視覚分類ワークショップの開催(1/2)
１．第6回きめ細かい視覚分類ワークショップの開催(1/2)まとめ・6月17日にカリフォルニアで開催されるCVPR 2019でFGVC6が開催・FGVC6では単なるカテゴリ分類を超えたきめ細かい分類に挑戦する・今回からメトロポリタン美術館とニ...
入門／解説 Activation Atlases：画像分類ニューラルネットワークの深部を探索(3/3)
１．Activation Atlases：画像分類ニューラルネットワークの深部を探索(3/3)まとめ・ニューラルネットワークが画像分類時に背景も考慮している事も明確に視覚化・また多様な写真の特徴を組み合わせており食用用途も観賞用途も混在して...
入門／解説 Activation Atlases：画像分類ニューラルネットワークの深部を探索(2/3)
１．Activation Atlases：画像分類ニューラルネットワークの深部を探索(2/3)まとめ・ニューラルネットワークでは層が進むにつれ概念が洗練されていく・概念の大枠だけではなく、個別の概念も洗練されていく・また、新しい概念が古い概...
入門／解説 Activation Atlases：画像分類ニューラルネットワークの深部を探索(1/3)
１．Activation Atlases：画像分類ニューラルネットワークの深部を探索(1/3)まとめ・隠れ層で起きているニューロンの活性化状態を地図にして視覚化しようという試み・UMAPで高次元ベクトルを二次元に変換しグリッドにまとめて一目...
入門／解説 DeepDreamで最初期に作成された画像が見つかる(3/3)
１．DeepDreamで最初期に作成された画像が見つかる(3/3)まとめ・DeepDreamが犬の画像に偏るのは元のニューラルネットがImageNetであるため・ImageNetはfine-grained classification用に1...
入門／解説 Inceptionism：ニューラルネットワークの最深部へ
１．Inceptionism：ニューラルネットワークの最深部へまとめ・人工知能が悪夢のような絵を書いたと話題になったDeep Dreamの元技術・画像分類の際の各レイヤーの動作原理を解明するテクニック・原文は人工知能に対する愛が感じられ、新...
AI関連その他 人工知能の誤動作を目的とした敵対的データと戦うコンペ
１．人工知能の誤動作を目的とした敵対的データと戦うコンペまとめ・人工知能の誤動作を目的とした敵対的データに対抗するコンペが開催・コンペは防衛側と攻撃側とに分かれて鳥と自転車を間違わない事を競い合う・コンペは事前準備期間と本期間に分かれており...