こんにちは！
現役パラレルワーカー フクコです。
前回の記事↓に続き
www.fukuko-parallel-work.com
来年の2月の試験に向けてE資格試験勉強中のため
E資格とは？の記事はコチラ↓
ゼロつくシリーズでおなじみ
オーライリーから出版されている
ディープラーニングの本格的な入門書でよくおススメされる
「ゼロからつくる Deep Learning」本
この本↑を毎日5ページずつコツコツこなすと
約2か月間で今年中に終了するので
来年のE資格試験までにこれで基礎力をつけることにしました。(＾＾)
ついつい私は何もないとだらけてしまうので(笑)
毎日5ページ終わった後の記録とまとめを書いていこうと思います。
と、まとめに入る前に…
やる気を出すためのコトバをシェアします！！(主に私のやる気を出すために 笑）
「俺が先に行く！！
お前はガクガク震えながら後ろをついて来な！！
腹が減るぜ！！」
ｂｙ嘴平伊之助(はしびら いのすけ)
私の大好きな「鬼滅の刃」から
嘴平伊之助(はしびら いのすけ)の名言です。
この後、すかさず善逸に、「腕がなるだろ・・・・」とツッコまれても聞いちゃいない。笑
伊之助のこのまったく空気読まない感、イイですわ～。
そうそう、
空気なんて読まなくってイイんですよ！
どうせみんな、
結局自分が思いたいようにしか思わないんですから。
私も伊之助みたいに、
誰が何を言おうと動じず常にポジティブに
誰よりも先に進みたい！！
伊之助、どうもありがとう！ （＾０＾）
今日もやる気が出てきました！
よし！！ 今日も頑張るぞ～！ お～！！
というコトで、
プログラミングなんてできなくても文系は大丈夫と言われようが、
今日もコツコツ、私はノルマをゼッタイこなしますよ！笑
ではでは、いい加減まとめに入ります。笑
その前に本の目次の紹介です。
ゼロつくディープラーニングは、下記↓の合計8章で構成されています。
本の目次
- 1章 Python入門
- 2章 パーセプトロン
- 3章 ニューラルネットワーク
- 4章 ニューラルネットワークの学習
- 5章 誤差伝播法
- 6章 学習に関するテクニック
- 7章 畳み込みニューラルネットワーク
- 8章 ディープラーニング
ちなみに…
ゼロつくディープラーニングの第1章はPython入門のセクション(20ページ分)なので、
とりあえず今回私は飛ばし、第2章からまとめています。
現在は最終章！ 第８章 ディープラーニングで～す。
第8章 ディープラーニング のつづき
層を深くしたディープなニューラルネットワーク。
ディープラーニングの性質と課題、そして、可能性についてみていく。
8.4.2 セグメンテーション
セグメンテーション(Semantic Segmentation)とは
画像に対してピクセルレベルでクラス分類を行う問題。
セグメンテーションを行う方法は、
全てのピクセルを対象として、ピクセルごとに推論処理を行うコト。
「FCN」(Fully Convolutional Network)という手法がある。
1回のforward(順伝播)処理ですべてのピクセルに対してクラス分類を行う。
FCNの大きな特徴は、
全結合層を持たず、ネットワークが畳み込み層のみで構成されていること。
そして
もう一つの「FCN」の特徴としては
最後に空間サイズを拡大する処理を導入しているところ。
この拡大処理により
小さくなった中間データの入力画像のサイズと同じ大きさまで一気に拡大することができる。
FCNの拡大処理は、
バイリニア補間によるバイリニア拡大。
補足：バイリニア補間とは、2倍拡大する場合の補間対象となる画素
「FCN」の構造は↓のとおり。
8.4.3 画像キャプション生成
画像キャプションとは
画像を与えると、その画像を説明する文章を自動で生成する研究。
NIC(Neural Image Caption)：画像キャプションを生成する代表的な方法
NIC(Neural Image Caption)の構造は下記↓のとおり。
参照：https://arxiv.org/pdf/1411.4555.pdf
（↑上の画像キャプションは、結構うまく画像を説明していますね！）
ディープなCNNと自然言語をあつかうためのRNN(Recurrent Neural Network)から構成される。
画像と自然言語といった複数の種類の情報を組み合わせて処理することを、マルチモーダル処理という。
RNN（Recurrent Neural Network)は、過去の情報を記憶する。
8.5 ディープラーニングの未来
ディープラーニングの可能性と、これからの未来を感じさせる研究を紹介。
8.5.1 画像スタイル変換
ディープラーニングを使って、アーティストのような絵を描かせるという研究。
