Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

新入社員の俺がDeepLearningのコードを書いてみたら神検出率だった件

勉強会で発表した資料。
https://sciencepark.connpass.com/event/178816/

  • Be the first to comment

  • Be the first to like this

新入社員の俺がDeepLearningのコードを書いてみたら神検出率だった件

  1. 1. 新入社員の俺がDeepLearningのコード を書いてみたら神検出率だった件 サイエンスパーク株式会社 原 英明
  2. 2. ・2020年4月入社 ・職業技術校で2年間、主にC言語、javaを中心に勉 強。 自己紹介
  3. 3. 0. DeepLearningについて 1. YOLO・ Mask-RCNNを使った学習 2. YOLO・ Mask-RCNNを使った検出 3. 所感 概要
  4. 4. 人工知能(AI) 機械学習(ML) DeepLearning ・教師あり学習(正解データを与える) ・教師なし学習(正解データなし、分類が主) ・強化学習(最終的に最も報酬が得られる選択をする) CNNというニューラルネットワークを画像認識に応用した RCNNという手法 →・YOLO ・Mask-RCNN 0. DeepLearning(深層学習)について
  5. 5. 学習 推論これは犬です よ。 犬の特徴を学習 どこに犬がいますか。 これらの物体は99%の確率で犬です。 なるほど。こんな特徴 がある物体を犬と呼ぶ のか。 機械学習(教師あり)の主なプロセス
  6. 6. ・YOLO ・物体の画像と位置情報(矩形)が必要 ・Mask-RCNN ・物体の画像と位置情報(マスク画像)が必要 1. YOLO・ Mask-RCNNを使った学習
  7. 7. YOLO(矩形) Mask(マスク画像) 釘の位置情報(矩形) 釘の位置情報(マスク画像) 釘のオリジナル画像 ・矩形の幅 ・矩形の高さ ・矩形中心のX座標 ・矩形中心のY座標 期待する検出結果(YOLO) 期待する検出結果(Mask-RCNN)
  8. 8. ・YOLO ・物体の画像と位置情報(矩形)が必要 ・Mask-RCNN ・物体の画像と位置情報(マスク画像)が必要 0からデータセットを作るのは時間がかかる。 1. YOLO・ Mask-RCNNを使った学習 Open Image Dataset V6
  9. 9. Open Image Dataset V6(アノテーション)
  10. 10. Open Image Dataset V6(セグメンテーション)
  11. 11. Open Image Dataset V6からデータセットをそれぞれ取得した。 ・YOLO ・117個のデータセット ・Mask-RCNN ・40個のデータセット これらのデータセットを使って学習を行い、推論時に必要となる モデルを生成する。 1. YOLO・ Mask-RCNNを使った学習
  12. 12. オリジナル画像 検出結果画像 推論 ・YOLOで生成されたモデル(9000回)での検出 2. YOLO・ Mask-RCNNを使った検出
  13. 13. オリジナル画像 検出結果画像 推論 ・Mask-RCNNで生成されたモデル(2400回)での検出 2. YOLO・ Mask-RCNNを使った検出
  14. 14. しかし、実用的な検出は学習に使った画像だ けではわからない。 つまり、学習に使っていない画像で検出して みなければならない。 未知の画像で検出してみる。 高い精度で検出することができた!!!
  15. 15. 2. 未知の画像を使った検出1(YOLO)
  16. 16. 2. 未知の画像を使った検出2(YOLO)
  17. 17. 2. 未知の画像を使った検出3(YOLO)
  18. 18. 2. 未知の画像を使った検出1(Mask-RCNN)
  19. 19. 2. 未知の画像を使った検出2(Mask-RCNN)
  20. 20. 2. 未知の画像を使った検出3(Mask-RCNN)
  21. 21. ・YOLO ・神検出率で未知の画像に対してもある程度対応できた。 ・Mask-RCNN ・学習データに対しては神検出率で検出できたものの、 未知のデータに関しては全く検出できなかった。 →考えられる原因は、 ・学習データ(量・種類ともに)が少ないこと。 YOLOが117個に対してMask-RCNNは40個。 ・モデルの学習回数が少ない。 YOLOが9000回に対してMask-RCNNは2400回。 3. 所感
  22. 22. EOF ご清聴ありがとうございました。 SP2006-E02

×