Weitere ähnliche Inhalte
Ähnlich wie カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び (15)
Mehr von Recruit Technologies (7)
Kürzlich hochgeladen (10)
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
- 2. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
内容
2
Convolutional Neural Network[CNN]
CNN
- 4. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 4
入力画像上でパッチ(局所画像)を滑らせ、パッチからの特徴量抽出(Convolution)
と近くのパッチ同士での特徴量のまとめ上げ(Pooling)を繰り返し、最終的に得られた
特徴量をもとに画像のラベルを予測する。
P (野球)
P (サッカー)
P (カバディ)
繰り返し
すべての特徴量
を連結し使用
Convolution層 Pooling層 ベクター Predict
画像に映っているものが何かを特定する
=物体認識を実施
Convolutional Neural Network とは
- 5. Convolution: RGB
*
3 0
1 3
*
3 0
1 3
= 3*3 + 0*0
+ 2*1 + 3*3 =20
*
3 0
1 3
=3
*
3 0
1 3
=12 *
3 0
1 3 =20
22 5
14 22
2
+
残したいエッジや色などの特徴を抽出する処理
Convolution と Pooling
3 0 1
2 3 0
0 2 3
3 0
2 3
2 3
0 2
3 0
2 3
0 1
3 0
Pooling:
Conv
8 4 9
5 4 1
1 0 2
2*2
8 4
5 4
Max( ) = 8 Max( ) = 9
4 9
4 1
Max( ) = 5 Max( ) = 4
5 4
1 0
4 1
0 2
8 9
5 4
微小な変化に対してロバストな特徴を与える処理
- 12. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
課題
12
高精度を出すために大量の学習データが必要・・・orz
80
1
→
→ [ ]
- 13. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
課題の解は論文にあり
13
:ラベル1データ
:ラベル2データ
:ラベルなしデータ
:境界面
VAT※1の半教師有り学習を活用
:予測確率分布がずれやすい
方向へデータをずらす
…
…
…
このズレの予測確率
分布の差が最小になる
ように、WとBを学習
データの多少のブレにも耐えうる判別モ
デルが作成できる
故に、たくさん画像があれば、少しのラ
ベル作成で済む。
少量の学習データと大量のラ
ベルなしデータで高精度なモ
デルを作る技術
- 14. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
今後の世界[画像解析]
14
→ VAT
→
CNN
→ AWS tensorflow keras
( )
/
UX