Submit Search
Upload
Neural Network Console delta_tokyo_#3
•
2 likes
•
345 views
A
AkiraYasukawa1
Follow
Neural Network Consoleでこんなことやってみた
Read less
Read more
Technology
Report
Share
Report
Share
1 of 33
Download now
Download to read offline
Recommended
Swift (with SceneKit) で簡単な3Dゲームを作ってみた
Swift (with SceneKit) で簡単な3Dゲームを作ってみた
Kazuya Hiruma
LightSwitch 結局何ができるの
LightSwitch 結局何ができるの
Yoshitaka Seo
機械学習 (AI/ML) 勉強会 #1 基本編
機械学習 (AI/ML) 勉強会 #1 基本編
Fujio Kojima
人工知能のコードをハックする会 #2
人工知能のコードをハックする会 #2
Ryohei Kamiya
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Recruit Technologies
ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"
ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"
Hajime Mihara
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
DeNA
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
Yoshitaka Seo
Recommended
Swift (with SceneKit) で簡単な3Dゲームを作ってみた
Swift (with SceneKit) で簡単な3Dゲームを作ってみた
Kazuya Hiruma
LightSwitch 結局何ができるの
LightSwitch 結局何ができるの
Yoshitaka Seo
機械学習 (AI/ML) 勉強会 #1 基本編
機械学習 (AI/ML) 勉強会 #1 基本編
Fujio Kojima
人工知能のコードをハックする会 #2
人工知能のコードをハックする会 #2
Ryohei Kamiya
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Recruit Technologies
ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"
ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"
Hajime Mihara
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
DeNA
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
Yoshitaka Seo
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
moto2g
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
Yuusuke Kounoike
Line Creators Studio Android With Kotlin
Line Creators Studio Android With Kotlin
LINE Corporation
2018/06/22 Neural Network Console Tutorial
2018/06/22 Neural Network Console Tutorial
Sony Network Communications Inc.
Jenkinsstudy#4kokawa
Jenkinsstudy#4kokawa
Takashi Kokawa
学習モデルの検証
学習モデルの検証
Ruketa
第2回nseg slideshare
第2回nseg slideshare
ko ty
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
hiyohiyo
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
Daiyu Hatakeyama
C#メタプログラミング概略 in 2021
C#メタプログラミング概略 in 2021
Atsushi Nakamura
Core Graphics on watchOS 2
Core Graphics on watchOS 2
Shuichi Tsutsumi
はじめての人のためのDeep Learning
はじめての人のためのDeep Learning
Tadaichiro Nakano
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Recruit Technologies
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
Yoichi Shirasawa
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
Shintaro Yoshida
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
貴志 上坂
LEGO MINDSTORMS EV3 API
LEGO MINDSTORMS EV3 API
Akira Hatsune
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
Mao Yamaguchi
01 idea table3.1(up)
01 idea table3.1(up)
umisuzume
More Related Content
Similar to Neural Network Console delta_tokyo_#3
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
moto2g
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
Yuusuke Kounoike
Line Creators Studio Android With Kotlin
Line Creators Studio Android With Kotlin
LINE Corporation
2018/06/22 Neural Network Console Tutorial
2018/06/22 Neural Network Console Tutorial
Sony Network Communications Inc.
Jenkinsstudy#4kokawa
Jenkinsstudy#4kokawa
Takashi Kokawa
学習モデルの検証
学習モデルの検証
Ruketa
第2回nseg slideshare
第2回nseg slideshare
ko ty
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
hiyohiyo
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
Daiyu Hatakeyama
C#メタプログラミング概略 in 2021
C#メタプログラミング概略 in 2021
Atsushi Nakamura
Core Graphics on watchOS 2
Core Graphics on watchOS 2
Shuichi Tsutsumi
はじめての人のためのDeep Learning
はじめての人のためのDeep Learning
Tadaichiro Nakano
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Recruit Technologies
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
Yoichi Shirasawa
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
Shintaro Yoshida
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
貴志 上坂
LEGO MINDSTORMS EV3 API
LEGO MINDSTORMS EV3 API
Akira Hatsune
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
Mao Yamaguchi
01 idea table3.1(up)
01 idea table3.1(up)
umisuzume
Similar to Neural Network Console delta_tokyo_#3
(20)
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
Webカメラ画像のリアルタイム識別 / Web Cam Image Recognition with Inception V3
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
映像解析クラスタのアプリエンジニアから見たRancher&Kubernetes
Line Creators Studio Android With Kotlin
Line Creators Studio Android With Kotlin
2018/06/22 Neural Network Console Tutorial
2018/06/22 Neural Network Console Tutorial
Jenkinsstudy#4kokawa
Jenkinsstudy#4kokawa
学習モデルの検証
学習モデルの検証
第2回nseg slideshare
第2回nseg slideshare
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
第二世代MDD(萌え駆動開発)によるプログラミングWin32 #CLRH89
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
C#メタプログラミング概略 in 2021
C#メタプログラミング概略 in 2021
Core Graphics on watchOS 2
Core Graphics on watchOS 2
はじめての人のためのDeep Learning
はじめての人のためのDeep Learning
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
画像処理でのPythonの利用
画像処理でのPythonの利用
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
LEGO MINDSTORMS EV3 API
LEGO MINDSTORMS EV3 API
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
Ques12_自動テスト ✕ 機械学習 〜自動テスト結果分析は楽になるか?〜
01 idea table3.1(up)
01 idea table3.1(up)
Neural Network Console delta_tokyo_#3
1.
証券コード 6918 DELTA TOKYO #3 〜Neural
Network Consoleの面白い使い方を学ぼう〜 12018年8月30日 でこんなことやってみた こんな機能が欲しい
2.
2 自己紹介 株式会社アバールデータ Akira ブログ:イメージングソリューション imagingsolution.net Twitter: @ImagingSolAkira 主な仕事:光切断法による3D測定の開発 画像処理全般(マシンビジョン) 開発環境:Windows、C#、C言語、C++ Pythonはほとんど出来ない
3.
目次 • 評価結果( output_result.csv
)のビューアを作成 • 重みの可視化 • オリジナルの学習データ作成 3
4.
評価結果( output_result.csv ) ビューア作成 4
5.
評価結果 5 分類精度 NG OK OKNG 許せない 許せる
6.
誤判定した画像を探すのは大変 6 この列でソートしたい
7.
評価結果の場所 7
8.
output_result.csvファイルの中身 8画像ファイル名 ラベル 評価値
9.
output_result.csvファイルの中身(y’の値でソート) 9 誤認識
10.
エクセルのマクロを使って画像表示 10 画像表示のためのマクロ
11.
output_result.csvファイルのビューアソフト(C#)を作成 11 y = 0 y
= 1 ヒストグラム表示
12.
評価値の分布(ロジスティック回帰の場合) 12 あまり分類されていない
13.
理想としているスコア分布 13 0 0.5 1.0
14.
• ニューラルネットワークの再構築 • 学習データの追加 14 どうやって改善するか?
15.
ニューラルネットワークの再構築(Convolutionを追加) 15
16.
16 ラベルは9だが4と判断された画像 ラベルは4だが 9と判断された画像
17.
重みの可視化 17
18.
重みの可視化 18
19.
重みの可視化(Convolution) 19 赤が正 青が負
20.
重みの可視化(Affine) 20 Affineの重みは一次元配列で見づらい
21.
重みの可視化(Affine) 21
22.
重みの可視化(Affine) 22
23.
重みファイルを開く 23
24.
24
25.
オリジナルの学習データ作成 25
26.
26
27.
データセットのフォルダ構成 27
28.
学習用画像データ撮影ソフト 28 参考)https://imagingsolution.net/deep-learning/trainingimagecapture/
29.
学習用画像データ撮影ソフト 29 データの水増し 【回転】 90°、180°、270° 【反転】 左右、上下 ※Neural Network Console の
ImageAugmentation でもできそう。。
30.
30
31.
処理結果 その1 31
32.
処理結果 その2 32
33.
まとめ • Neural Network
ConsoleはPythonが分からなくても動かすこと ができる。 Deep Learning初学者にやさしい • 評価結果表示でy‘の値でソート表示したい。 ヒストグラム表示が欲しい。 • NNablaがC#に対応して欲しい!! 33
Download now