ディープラーニングは、画像認識分野でどのように活用されているか。
目次
画像データとCNN（畳み込みニューラルネットワーク）
- 画像データ→「RGB画像」（赤、緑、青）→縦・横・奥行き（チャネル）の3次元
- 「CNN（畳み込みニューラルネットワーク）」が使われる
- 画像は縦横の位置関係が重要な意味を持つため、CNNのような畳み込み層・プーリング層を利用し、2次元のまま入力として扱う方が適している
- 通常のニューラルネットワークでは、縦横の位置関係を一列の分解してしまうため、関係が失われる
ネオコグニトロン、LeNet
- 「ネオコグニトロン」→以下2つの細胞の働きを最初に組み込んだモデル（学習方法：add-if silent）
①単純型細胞（S細胞）：画像の濃淡の特徴を検出する
②複雑型細胞（C細胞）：特徴の位置が変動しても同じ特徴とみなす - 「LeNet」→以下2つを複数組み合わせた構造（学習方法：誤差逆伝播法）
①畳み込み層
②プーリング層（サブサンプリング層）
データ拡張
- 手元にあるデータから擬似的に別のデータを生成するアプローチ
- データの”水増し”
- 学習に必須の処理
具体的な処理方法
- 上下左右にずらす
- 上下左右を反転する
- 拡大縮小する
- 回転する
- 斜めにする
- 一部を切り取る
- 明るさやコントラストを変える
- ノイズを加える
- paraphrhrasing（一部を別の値に入れ替える）
- Cutout、Random Erasing（データの一部分を0またはランダムにする）
- Mixup（2つのデータを合成する）
- CutMix（CutoutとMixupの組み合わせ）
- RandAugment（どのようなデータ拡張をどのくらいの強さで行えばよいか）
