12/9(月) 応用科学学会シンポジウムで自動運転に関する講演を担当します☆彡(試乗会もあります!来て!)

ケーキ

画像生成 / スタイル変換

4-3. CNNでケーキ画像の次元圧縮(最終手段編)

やること どうしてもオートエンコーダで画像を2次元まで次元圧縮したい。今日は最終手段を使って、ケーキ画像の次元圧縮をしてみます。 使うもの 最終手段とは オートエ...
画像生成 / スタイル変換

4-2. CNNでケーキ画像の次元圧縮(Stacked Auto-Encoder編)

やること エンコーダ部分とデコーダ部分をまとめて学習させると、どうも学習が安定しない気がします。今日は、学習を工夫した「Stacked Auto-Encoder」でケーキ画像の次元圧縮を試して...
画像生成 / スタイル変換

4-1. CNNでケーキ画像の次元圧縮(Auto-Encoder編)

やること 画像というものは非常に高次元の情報を持っています。例えば128*128pxの画像は、128*128*3ch=49152次元の情報を含んでいます。人間は高次元の情報を処理できない動物な...
回帰 / クラス分類

1-6. ケーキ画像のクラス分類

やること 準備が長かったですが、いよいよケーキ画像のクラス分類を行います。 環境とコード ニューラルネットモデル ここでは基本に則って、「畳み込み+プーリング」...
回帰 / クラス分類

1-5. 画像の水増しをする

やること 深層学習では、教師データが少ないと過学習を起こしてしまい、未知の入力に対応できなくなってしまいます。 1つのドリルを1万回やるよりも、1000種のドリルを10回やったほうが入試に強い...
回帰 / クラス分類

1-4. 画像のサイズ(解像度)を揃える

やること 「画像のクラス分類」をする際、Kerasには「フォルダから画像を読み込みながらリサイズしながら水増ししながら正解ラベルを作りながら学習する」という必殺技があるのですが、実は「リサイズ...
回帰 / クラス分類

1-3. 画像のスクレイピングで教師データを用意する

やること 教師あり学習にはたくさんの教師データが必要です。今日は、「画像のクラス分類問題」の準備として、さまざまな検索ワードでGoogle画像検索を行い、結果をスクレイピングしてみます。 ...
タイトルとURLをコピーしました