作成者 :(株)クラスキャットセールスインフォメーション
作成日 : 01/11/2019

ClassCat® TF / ONNX Hub とは

「ClassCat® TF / ONNX Hub」はクラスキャットが提供する実用性の高い機械学習モデルのレポジトリです。各モデルは TensorFlow 固有フォーマットと ONNX フォーマットの両者で提供されます。 [ClassCat® ONNX Hub 詳細]

ONNX (Open Neural Network Exchange) は深層学習モデルのためのオープンなフォーマットで、異なるオープンソースの深層学習フレームワーク間の相互作用を可能にします。

「ClassCat TF / ONNX Hub」で提供されるモデルについてはクラスキャットが検証の上で仕様を公開致しますので、ユーザ企業は希望するモデルを自由に選択することができます。更に (ユーザ企業の保持するデータセットによる) 再調整も含めて配備・実運用するために必要なトータルサポートを提供致します。

本ページでは提供モデルとして 物体検出モデル の代表例である、Mask R-CNN をサポートする Detectron 互換モデルを紹介致します。

物体検出とは

「物体検出」は画像の複数種類の物体の位置を特定してクラス分類することを可能にする、実用的で応用範囲が広い技術です。

深層学習技術の普及により画像全体の情報からクラス分類を行なう「物体認識」については畳み込みニューラルネットワーク (CNN) の利用により手軽に成果が出せるようになりました。典型的な例が MNIST や CIFAR10 の分類タスクです。しかしながら、画像上の複数種類の物体の位置を特定して各々の物体をクラス分類する「物体検出」を行なうためには更に多岐に渡る技術が必要となります。

物体検出技術は精度と速度のトレードオフがあり、高精度と高速化を求めて現在でも改良が重ねられています。その中心的なアルゴリズムとしては Fast R-CNN, Faster R-CNN, YOLO 更には SSD などが考案され実装されてきました。

最新技術としては Mask R-CNN が有名です。Mask R-CNN は物体検出した領域についてセマンティック・セグメンテーションも遂行します。

Detectron

Detectron は FAIR (Facebook AI Research) が開発して 2018 年にオープンソース化した物体検出フレームワークです。Detectron は Mask R-CNN で有名になりましたが最新の物体検出技術を多く包含しており Caffe2 で実装されています。現在では、様々なドメインにおける物体検出とセマンティック・セグメンテーションの集大成とも言えるプラットフォームに進化しています。