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.

オンライン勉強会「物体検出を体験してみよう!」(PyDATA.Fukui共同開催 )

85 views

Published on

オンライン勉強会「物体検出を体験してみよう!」(PyDATA.Fukui共同開催 )
3月12日にZOOMで開催しました。

ハンズオンのURL
https://colab.research.google.com/github/ydaigo/ObjectDetectionColab/blob/master/ObjectDetectionColab.ipynb

Published in: Technology
  • Be the first to comment

  • Be the first to like this

オンライン勉強会「物体検出を体験してみよう!」(PyDATA.Fukui共同開催 )

  1. 1. 金沢人工知能勉強会 物体検出をやってみよう!
  2. 2. 流れ 1. 物体検出のためのセットアップ 2. SIGNATEのコンペで銀メダルを取るまで 3. 物体検出をやってみる
  3. 3. 山本大悟 • 金沢工業大学情報工学科4年 • 来月から富山県のIT企業 に勤務 Twitter: @161abcd 自己紹介
  4. 4. 物体検出のためのセットアップ
  5. 5. 物体検出のためのセットアップ
  6. 6. SIGNATEのコンペ内容
  7. 7. SIGNATEって? • SIGNATEはデータサイエンティストが作る「モデル」 を競う場。Kaggleの日本語版のような感じ。 • コンペの流れ 1. データをダウンロード 2. モデルを作成 3. 評価、提出 4. 結果発表
  8. 8. 国立国会図書館の画像データレイアウト認識コンペ https://signate.jp/competitions/218
  9. 9. 評価指標 https://signate.jp/competitions/218#evaluation https://arxiv.org/pdf/1906.09756.pdf
  10. 10. 銀メダルを取るまで
  11. 11. 試作1 SSDを使う 0.2 0.3 0.4 0.5 0.6 0.7 0.8 sample 試作1 試作2 試作3 試作4 平均IoUの推移 系列 1
  12. 12. SSD:Single Shot Multibox Detector[1] • 複数のデフォルトボックスがありそれらがどれだけ物体から離 れていてその物体が何かを予測する。
  13. 13. SSDがうまくいかない理由 • 検出対象は細長く小さいものが多くデフォルトボックスが対応 できていない。 • 文字の行はほとんど検出できなかった。
  14. 14. 試作2 Faster-RCNNを使う 0.2 0.3 0.4 0.5 0.6 0.7 0.8 sample 試作1 試作2 試作3 試作4 平均IoUの推移
  15. 15. Faster-RCNN[2] https://www.slideshare.net/grafi_tt/20180427-arxivtimes-cascade-rcnn-delving-into-high-quality-object- detection Region Propasal Network(RPN): 物体の候補領域の推定を行うネットワーク RoI Pooling: 固定サイズの特徴を取り出す。
  16. 16. 試作3 Cascade R-CNN[3]を使う 0.2 0.3 0.4 0.5 0.6 0.7 0.8 sample 試作1 試作2 試作3 試作4 平均IoUの推移
  17. 17. Cascade R-CNNはFaster-RCNNの改善版
  18. 18. https://www.slideshare.net/grafi_tt/20180427-arxivtimes-cascade-rcnn-delving-into-high- quality-object-detection Cascade R-CNNのアーキテクチャー
  19. 19. Cascade R-CNN[3] I:画像 Conv:畳み込み層 Pool:特徴量の縮小 H:出力 B:バウンディングボックス C:クラス B0:全体の出力 • Faster R-CNNの改善 • 出力IoUが入力IoUよりも高いことを利用 • 閾値近くの物体の検出に強くなる。 Ex. 閾値が0.5で検出対象の物体が0.55
  20. 20. 試作3 テスト画像をページ単位にする 0.2 0.3 0.4 0.5 0.6 0.7 0.8 sample 試作1 試作2 試作3 試作4 平均IoUの推移
  21. 21. テスト画像をページ単位にする
  22. 22. 1位の解法 https://www.slideshare.net/kojiasami/signate-1st-place- solution-229868677
  23. 23. 参考文献 [1] https://arxiv.org/abs/1512.02325 [2] https://arxiv.org/abs/1506.01497 [3] https://arxiv.org/abs/1712.00726
  24. 24. 物体検出をやってみよう!

×