More Related Content
Similar to #IkaLog によるスプラトゥーンの画像解析と機械学習 (20)
More from Takeshi HASEGAWA (20)
#IkaLog によるスプラトゥーンの画像解析と機械学習
- 28. 0"
2"
4"
6"
8"
0" 1" 2" 3" 4" 5" 6" 7" 8" 9" 10"
Kill
Win/Lose
Win" Lose"
0"
1"
2"
3"
4"
5"
1" 2" 3" 4" 5" 6" 7" 8" 9" 10" 11"
Death Win/Lose"
Win" Lose"
0.0%$
2.0%$
4.0%$
6.0%$
8.0%$
10.0%$
12.0%$
14.0%$
*5$ *4$ *3$ *2$ *1$ 0$ 1$ 2$ 3$ 4$ 5$
K*D
- 38. • GitHub にソースあり
– https://github.com/hasegaw/opencv_knn_example/
• 三つのパターン ○ △ □ で画像を生成し、
kNNで学習する
• ランダムに ○ △ □ から画像を生成し、その画像
の種類を判定する
– KNN を用いてそれに近い画像を見つけ出す
– 見つけた画像の種類から、問題図形の種類を特定
- 45. • 基本は数字の認識と一緒
• 認識率はそれほど高くないが、認識回数で精度を確保
– IkaLogは現在毎秒10フレームほど解析している
– 下記例では、死因のメッセージ合計49fを解析し、
最多頻度は96gal_deco (18f, 36%) だった → 結果的に正解
votes={
'supershot': 6, 'carbon_deco': 1, 'bucketslosher': 1, 'octoshooter_replica': 1,
'splashshield': 1, 'sshooter_collabo': 5, 'hotblaster': 2, 'pablo': 1, 'nzap89': 6,
'sharp_neo': 3, 'hotblaster_custom': 2, '96gal_deco': 18, '52gal': 1, 'hokusai': 1
}
- 67. • 入力値と出力値
– 入力値: RGBもしくはHSVの色情報 (47*45*3=6,345 units)
– 出力値: 各クラスの出力値(91 units, So+maxを適用する)
– 使用する結合:全結合のみを使用(理由は後述)
– 目 的:特徴量の自動生成
• 今回の用途であれば、深層学習で特徴量を自動的に見つけ出せるはず
• 各ブキの背景色の重みが自動的ゼロに調整されれば、背景色への考慮も不要
– 目標性能値
• 目標性能値: 91クラスのマルチクラス分類が350ms未満(画面1枚あたり3秒以内)
• stat.ink の投稿データに対して99.99%の精度
- 80. K近傍法 既存ImageNet 新ニューラルネット
認識効率 一部ユーザでは
低い
99.99+%
99.99+%
モデルサイズ 20MB(現時点) 400MB (AlexNet)
100MB (GoogleNet)
14MB (Float32)
7MB (Float16)
分類にかかる時間
@ IvyBridge 2GHz
とても高速 ~300ms ~20ms
• 既存のImageNetよりも高速、
より小さなモデルデータ(配布物)
• 従来のIkaLogよりも高い認識精度を実現
Special Thanks to