◆ 2021/10/23 ～ 2021/12/30
Keras 2 : Code examples : コンピュータビジョン – TPU 上で肺炎の分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「TPU 上で肺炎の分類」です。このチュートリアルは X 線精査が肺炎の存在を示すかを予測する X 線画像分類モデルを構築する方法を説明します。
[詳細] (12/30/2021)
Keras 2 : Code examples : コンピュータビジョン – 畳み込みの学習結果を可視化する
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「畳み込みの学習結果を可視化する」です。このサンプルでは、画像分類モデルがどのような視覚パターンを学習するのか調べます。ImageNet データセットで訓練された、ResNet50V2 モデルを使用していきます。
[詳細] (12/28/2021)
Keras 2 : Code examples : コンピュータビジョン – Transformer による動画分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Transformer による動画分類」です。このサンプルは CNN-RNN アーキテクチャによる動画分類サンプルへのフォローアップです。今回は動画を分類するために Transformer ベースのモデルを使用していきます。
[詳細] (12/27/2021)
Keras 2 : Code examples : コンピュータビジョン – CNN-RNN アーキテクチャによる動画分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「CNN-RNN アーキテクチャによる動画分類」です。このサンプルは動画分類を実演します。レコメンデーション, セキュリティ, 等への応用を持つ重要なユースケースです。動画分類器を構築するために UCF101 データセットを使用します。
[詳細] (12/21/2021)
Keras 2 : Code examples : コンピュータビジョン – Swin Transformer による画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Swin Transformer による画像分類」です。このサンプルは画像分類のための Swin Transformer を実装し、そしてそれを CIFAR-100 データセット 上で実演します。
[詳細] (12/20/2021)
Keras 2 : Code examples : コンピュータビジョン – 教師あり対照学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「教師あり対照学習」です。教師あり対照学習は分類タスクにおいて、交差エントロピーによる教師あり学習のパフォーマンスを超える訓練手法です。このサンプルでは画像分類のために教師あり対照学習を実演します。
[詳細] (12/19/2021)
Keras 2 : Code examples : コンピュータビジョン – Efficient Sub-Pixel CNN を使用した画像超解像
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Efficient Sub-Pixel CNN を使用した画像超解像」です。ESPCN (Efficient Sub-Pixel CNN) は画像の低解像度バージョンが与えられたときに高解像度バージョンを再構築するモデルです。このサンプルでは、Efficient sub-pixel モデルを使用して BSDS500 上で超解像を実装します。
[詳細] (12/18/2021)
Keras 2 : Code examples : コンピュータビジョン – SimSiam による自己教師あり対照学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「SimSiam による自己教師あり対照学習」です。
自己教師あり学習 (SSL) は表現学習の領域の興味深い研究分野です。SSL システムはラベルのないデータポイントのコーパスから教師あり信号を定式化しようとします。例えば、与えられた単語のセットから次の単語を予測するために深層ニューラルネットワークを訓練します。言語モデルのように、同様のアプローチを用いてコンピュータビジョンモデルを訓練できます。このサンプルでは SimSiam と呼ばれるそのようなシステムの一つを実装していきます。
[詳細] (12/17/2021)
Keras 2 : Code examples : コンピュータビジョン – Siamese ネットワークを triplet 損失で使用した画像類似性推定
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Siamese ネットワークを triplet 損失で使用した画像類似性推定」です。このサンプルは、triplet 損失関数を使用して画像の類似性を比較するために Siamese ネットワークを訓練します。
[詳細] (12/16/2021)
Keras 2 : Code examples : コンピュータビジョン – Siamese ネットワークを対照損失で使用した画像類似性推定
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Siamese ネットワークを対照損失で使用した画像類似性推定」です。対照損失で訓練された siamese ネットワークを使用した類似性学習を実演します。Siamese ネットワーク は 2 つ以上の姉妹ネットワーク間で重みを共有するニューラルネットワークで、それぞれがそれぞれの入力の埋め込みベクトルを生成します。
[詳細] (12/14/2021)
Keras 2 : Code examples : コンピュータビジョン – SimCLR : 対照事前学習を使用した半教師あり画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「 SimCLR : 対照事前学習を使用した半教師あり画像分類」です。このサンプルでは、STL-10 データセット上で半教師あり画像分類のための SimCLR による対照事前学習の実演をします。
[詳細] (12/15/2021)
Keras 2 : Code examples : コンピュータビジョン – セマンティック画像クラスタリング
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「セマンティック画像クラスタリング」です。このサンプルは CIFAR-10 データセット上で SCAN アルゴリズムを適用してセマンティック・クラスタリングする方法を実演します。
[詳細] (12/13/2021)
Keras 2 : Code examples : コンピュータビジョン – RetinaNet による物体検出
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「RetinaNet による物体検出」です。物体検出はコンピュータビジョンの非常に重要な問題です。モデルは画像に存在する物体の位置を特定し、同時にそれらを様々なカテゴリーに分類する仕事を課せられます。
物体検出モデルは「1 段階式」と「2 段階式」に大きく分類できます。2 段階式検出器はより精度が高いですが、より遅くなるという代償があります。このサンプルではポピュラーな 1 段階式検出器 RetinaNet を実装します、これは精度が高く高速に動作します。
[詳細] (12/12/2021)
Keras 2 : Code examples : コンピュータビジョン – Reptile による Few-Shot 学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Reptile による Few-Shot 学習」です。Reptile アルゴリズムはモデル不可知なメタ学習を遂行するために OpenAI により開発されたアルゴリズムです。このアルゴリズムは最小限の訓練 (few-shot 学習) で新しいタスクを遂行するために素早く学習するように設計されました。
[詳細] (12/11/2021)
Keras 2 : Code examples : コンピュータビジョン – 堅牢性向上のための画像分類用 RandAugment
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「堅牢性向上のための画像分類用 RandAugment」です。RandAugment はビジョンデータのための確率的データ増強ルーチンです。ランダムクロップのような従来の増強変換とともに、カラー jitters, ガウスぼかし, 彩度等のような強力な増強変換から構成されます。
[詳細] (12/11/2021)
Keras 2 : Code examples : コンピュータビジョン – PointNet によるポイントクラウド・セグメンテーション
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「PointNet によるポイントクラウド・セグメンテーション」です。PointNet モデルのファミリーは、オブジェクト分類, パーツ・セグメンテーション から シーン・セマンティック解析 までのアプリケーションに対して単純で、統一されたアーキテクチャを提供します。
このサンプルでは、形状セグメンテーションのための PointNet アーキテクチャの実装を実演します。
[詳細] (12/08/2021)
Keras 2 : Code examples : コンピュータビジョン – PointNet によるポイントクラウド (点群) 分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「PointNet によるポイントクラウド分類」です。3D ポイントセット i.e. ポイントクラウド (点群) の分類、検出とセグメンテーションはコンピュータビジョンの中核的な問題です。このサンプルでは ModelNet10 分類のために PointNet を実装します。
[詳細] (12/07/2021)
Keras 2 : Code examples : コンピュータビジョン – Perceiver による画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Perceiver による画像分類」です。
このサンプルは画像分類のための the Perceiver: General Perception with Iterative Attention model by Andrew Jaegle et al. を実装してそれを CIFAR-100 上で実演します。Perceiver モデルは、入力をタイトな潜在的ボトルネックに反復的に蒸留して、非常に大きな入力を処理するためにそれをスケールすることを可能にするため、非同期注意カニズムを活用しています。
[詳細] (12/06/2021)
Keras 2 : Code examples : コンピュータビジョン – NNCLR による自己教師あり対照学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「NNCLR による自己教師あり対照学習」です。
自己教師あり表現学習はラベルやアノテーションなしで生データからのサンプルの堅牢な表現を取得することが目的です。より広いカテゴリーの自己教師ありテクニックは対照損失を使用するもので、これらは 画像類似性, 次元削減 (DrLIM) と 顔検証/識別 のような広範囲のコンピュータビジョン・アプリケーションで使用されています。このサンプルでは、論文 With a Little Help from My Friends: Nearest-Neighbor Contrastive Learning of Visual Representations, by Google Research and DeepMind で提案されている NNCLR を実装します。
[詳細] (12/05/2021)
Keras 2 : Code examples : コンピュータビジョン – Near-duplicate 画像検索
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Near-duplicate 画像検索」です。深層学習と局所性鋭敏型ハッシュ (LSH, locality-sensitive hashing) を使用した Near-duplicate 画像検索ユティリティを構築します。
[詳細] (12/03/2021)
Keras 2 : Code examples : コンピュータビジョン – MobileViT : 画像分類のためのモバイルで扱いやすい Transformer ベースモデル
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「MobileViT : 画像分類のためのモバイルで扱いやすい Transformer ベースモデル」です。このサンプルでは MobileViT アーキテクチャを実装します、これは Transformer と畳み込みの利点を組合せています。
[詳細] (12/02/2021)
Keras 2 : Code examples : コンピュータビジョン – 現代的な MLPモデルによる画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「現代的な MLPモデルによる画像分類」です。このサンプルは画像分類のための 3 つの現代的な attention-free な多層パーセプトロン (MLP) ベースのモデル – MLP-Mixer, FNet と gMLP モデルを実装します。CIFAR-100 データセット上で実演されます。
[詳細] (12/01/2021)
Keras 2 : Code examples : コンピュータビジョン – 画像分類のための MixUp 増強
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「画像分類のための MixUp 増強」です。mixup はドメイン不可知なデータ増強テクニックです。mixup は、例えば医用画像データセットのようにデータセットに対して増強変換のセットの選択について確信がないときに特に有用です。mixup はコンピュータビジョン, 自然言語処理, 音声認識, 等のような様々なデータ様式に拡張できます。
[詳細] (12/01/2021)
Keras 2 : Code examples : コンピュータビジョン – MIRNet による低照度画像強化
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「MIRNet による低照度画像強化」です。高品質画像コンテンツをその劣化版からリカバーする目的で、画像復元は写真撮影, セキュリティ, 医用画像処理そしてリモートセンシングのような多くのアプリケーションで利用されています。このサンプルでは低照度画像強化のための MIRNet モデルを実装します
[詳細] (11/30/2021)
Keras 2 : Code examples : コンピュータビジョン – TensorFlow Similarity による画像類似性検索のためのメトリック学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「TensorFlow Similarity による画像類似性検索のためのメトリック学習」です。このサンプルは 「画像の類似性検索のためのメトリック学習」に基づいて同じデータセットを使用しますが、TensorFlow Similarity を使用してモデルを実装することを目的としています。
[詳細] (11/28/2021)
Keras 2 : Code examples : コンピュータビジョン – 画像の類似性検索のためのメトリック学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「画像の類似性検索のためのメトリック学習」です。メトリック学習は、「類似の」入力が互いに近く配置されるように、入力を高次元空間に埋め込めるモデルを訓練することを目的としています。一度訓練されたこれらのモデルはそのような類似性が有用であるような下流システムのための埋め込みを生成できます。
[詳細] (11/27/2021)
Keras 2 : Code examples : コンピュータビジョン – リサイズの学習
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「リサイズの学習」です。与えられた解像度に対して画像の表現をどのように最適に学習するか。このアイデアは、DenseNet-121, ResNet-50, MobileNetV2 と EfficientNets のような、一般的なビジョンモデルのパフォーマンスを一貫して向上させるのに役立ちます。
[詳細] (11/26/2021)
Keras 2 : Code examples : コンピュータビジョン – 知識蒸留
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「知識蒸留」です。
知識蒸留はモデル圧縮のための手続きで、そこでは大きい事前訓練済みの『教師モデル』に一致するように小さい『生徒モデル』が訓練されます。正解ラベルに加えて穏やかにされた教師ロジットに一致することを目的として、損失関数を最小化することにより知識が教師モデルから生徒に転移されます。
ロジットは softmax の温度付きスケーリング関数を適用することにより穏やかにされ、確率分布を効果的に滑らかにして教師により学習されたクラス間の関係性を明らかにします。
[詳細] (11/25/2021)
Keras 2 : Code examples : コンピュータビジョン – Involutional ニューラルネットワーク
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Involutional ニューラルネットワーク」です。このサンプルでは involution カーネルを説明し、畳み込みを使用するものと involution を使用する 2 つの画像分類モデルを比較してまた自己注意層との比較も試みます。
[詳細] (11/24/2021)
Keras 2 : Code examples : コンピュータビジョン – 積分勾配によるモデル解釈
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「積分勾配によるモデル解釈」です。積分勾配 (= Integrated Gradients) は分類モデルの予測をその入力特徴に帰着させるためのテクニックです。それは入力特徴とモデル予測の間の関係を可視化するために利用できる、モデル解釈テクニックです。
[詳細] (11/24/2021)
Keras 2 : Code examples : コンピュータビジョン – EfficientNet を使用した再調整による画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「EfficientNet を使用した再調整による画像分類」です。EfficientNet は名前どおりに最も効率的なモデルの一つで、ImageNet と一般的な画像分類転移学習タスクの両方で最先端の精度に到達しています。このサンプルでは、Stanford Dogs 分類のために ImageNet 上で事前訓練された重みを持つ EfficientNet を利用してみます。
[詳細] (11/23/2021)
Keras 2 : Code examples : コンピュータビジョン – 画像キャプショニング
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「画像キャプショニング」です。このサンプルでは、CNN と Transformer を使用して画像キャプショニング・モデルを実装します。
[詳細] (11/21/2021)
Keras 2 : Code examples : コンピュータビジョン – 手書きテキスト (可変長文字列) 認識
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「手書きテキスト (可変長文字列) 認識」です。このサンプルは Captcha OCR サンプルをどのように IAM データセットに拡張できるかを示します。データセットの各サンプルは幾つかの手書きテキストの画像で、対応するターゲットは画像に存在する文字列です。
[詳細] (11/20/2021)
Keras 2 : Code examples : コンピュータビジョン – Grad-CAM クラス活性化の可視化
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「Grad-CAM クラス活性化の可視化」です。画像分類モデルのためのクラス活性化ヒートマップを取得する方法を実演します。
[詳細] (11/19/2021)
Keras 2 : Code examples : コンピュータビジョン – FixRes: 訓練/テスト解像度の不一致の修正
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「FixRes: 訓練/テスト解像度の不一致の修正」です。
視覚モデルでは、通常は訓練の間にはランダムにリサイズされたクロップを、推論の間にはセンタークロップを使用します。これは訓練と推論の間に見られるオブジェクトサイズの不一致を導入してしまいます。この不一致を修正できればモデル性能を大幅にブーストできます。このサンプルでは、この不一致を修正するために FixRes テクニックを実装します。
[詳細] (11/19/2021)
Keras 2 : Code examples : コンピュータビジョン – EANet (外部注意 Transformer) で画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「EANet (外部注意 Transformer) で画像分類」です。
このサンプルは画像分類のための EANet モデルを実装し、それを CIFAR-100 データセット上で実演します。EANet は外部注意 (= external attention) と呼ばれる、新規の注意メカニズムを導入します。これは既存のアーキテクチャで使用されていた自己注意を置き換えることができて、線形複雑度を持つだけです。
[詳細] (11/19/2021)
Keras 2 : Code examples : コンピュータビジョン – 単眼深度推定
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「単眼深度推定」です。深度推定は 2D 画像からのシーン・ジオメトリの推論への重要なステップです。単眼深度推定の目的は、入力として単一の RGB 画像が与えられたとき、各ピクセルの深度値を予測したり深度情報を推論することです。このサンプルは convnet と単純な損失関数で深度推定モデルを構築するアプローチを示します。
[詳細] (11/18/2021)
Keras 2 : Code examples : コンピュータビジョン – DeepLabV3+ を使用した多クラス・セマンティック・セグメンテーション
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「DeepLabV3+ を使用した多クラス・セマンティック・セグメンテーション」です。このサンプルでは、多クラス・セマンティック・セグメンテーションのために DeepLabV3+ モデルを実装します。これはセマンティック・セグメンテーション・ベンチマークを上手く遂行する完全畳み込みアーキテクチャです。
[詳細] (11/17/2021)
Keras 2 : Code examples : コンピュータビジョン – 画像分類のための CutMix データ増強
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「画像分類のための CutMix データ増強」です。CutMix はデータ増強テクニックで、領域 dropout ストラテジーに存在する情報損失と非効率性の問題に対処します。このサンプルでは、CIFAR-10 上の画像分類のための CutMix によるデータ増強を実演します。
[詳細] (11/16/2021)
Keras 2 : Code examples : コンピュータビジョン – ConvMixer による画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「ConvMixer による画像分類」です。このサンプルでは、ConvMixer モデルを実装して CIFAR-10 データセット上でそのパフォーマンスを実演します。
[詳細] (11/16/2021)
Keras 2 : Code examples : コンピュータビジョン – 畳み込み LSTMによる次フレームビデオの予測
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「畳み込み LSTMによる次フレームビデオの予測」です。このサンプルは、次のフレームビデオの予測のために畳み込み LSTM モデルをどのように構築して訓練するかを実演します。
[詳細] (11/15/2021)
Keras 2 : Code examples : コンピュータビジョン – スーパービジョンによる一貫性訓練
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「スーパービジョンによる一貫性訓練」です。
データが独立同分布 (i.i.d.) であるとき深層学習モデルは多くの画像認識タスクにおいて優れています。けれども、入力データにおける微妙な分布シフトにより引き起こされる性能劣化を受ける可能性があります。このサンプルでは、一貫性の感覚を強化した画像分類モデルを訓練していきます。
[詳細] (11/15/2021)
Keras 2 : Code examples : コンピュータビジョン – コンパクトな畳込み Transformer
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「コンパクトな畳込み Transformer」です。このサンプルでは、Compact 畳込み Transformer (CCT) を実装して CIFAR-10 データセット上でどのくらい上手く実行するかを見ます。
[詳細] (11/13/2021)
Keras 2 : Code examples : コンピュータビジョン – ビジョン Transformer による画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「ビジョン Transformer による画像分類」です。このサンプルは画像分類のためのビジョン Transformer (ViT) モデルを実装し、そして CIFAR-100 データセットで実演します。ViT モデルは畳込み層を使用することなく、画像パッチのシークエンスに self-attention を持つ Transformer アーキテクチャを適用します。
[詳細] (11/13/2021)
Keras 2 : Code examples : コンピュータビジョン – BigTransfer (BiT) を使用する画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「BigTransfer (BiT) を使用する画像分類」です。BigTransfer (BiT) は画像分類のための最先端の転移学習法です。事前訓練済みの表現の Transfer は、ビジョンのために深層ニューラルネットワークを訓練するときサンプルの効率性を向上させてハイパーパラメータ調整を単純化します。BiT は大規模な教師ありデータセット上の事前訓練とターゲットタスク上のモデルの再調整のパラダイムを再考します。
[詳細] (11/12/2021)
Keras 2 : Code examples : コンピュータビジョン – AdaMatch による半教師あり学習とドメイン適応
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「AdaMatch による半教師あり学習とドメイン適応」です。このサンプルでは、AdaMatch: A Unified Approach to Semi-Supervised Learning and Domain Adaptation by Berthelot et al で提案された AdaMatch アルゴリズムを実装します。それは教師なしドメイン適応の新しい最先端技術です。
[詳細] (11/07/2021)
Keras 2 : Code examples : コンピュータビジョン – CAPTCHA を読むための OCR モデル
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「CAPTCHA を読むための OCR モデル」です。このサンプルは関数型 API で構築された単純な OCR モデルを実演します。CNN と RNN の組合せ以外にも、それは新しい層をインスタンス化してそれを CTC 損失の実装のための “Endpoint 層” として使用できる方法も示します。
[詳細] (11/06/2021)
Keras 2 : Code examples : コンピュータビジョン – 画像のノイズ除去のための畳込みオートエンコーダ
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「画像のノイズ除去のための畳込みオートエンコーダ」です。このサンプルは MNIST データセットからのノイズのある数字画像をクリーンな数字画像にマップする、画像のノイズ除去のための深層畳込みオートエンコーダを実装する方法を示します。
[詳細] (11/01/2021)
Keras 2 : Code examples : コンピュータビジョン – COVID-19 関連所見を持つ胸部 CT スキャンからの 3D 画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「COVID-19 関連所見を持つ胸部 CT スキャンからの 3D 画像分類」です。このサンプルは、コンピュータ・トモグラフィー (CT) のウイルス性肺炎の存在を予測する 3D 畳込みニューラルネットワークを構築するために必要なステップを示します。
[詳細] (10/31/2021)
Keras 2 : Code examples : コンピュータビジョン – スクラッチから画像分類
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は Code examples の「コンピュータビジョン」から「スクラッチから画像分類」です。このサンプルは、事前訓練済みの重みや事前作成済みの Keras アプリケーションモデルを活用することなしに、スクラッチから画像分類を行なう方法を示します。Kaggle の猫 vs 犬の二値分類データセット上のワークフローを実演します。
[詳細] (10/31/2021)
Keras 2 : 開発者ガイド : ハイパーパラメータ調整 – ハイパーパラメータ調整過程の可視化
Keras Web サイトのドキュメントを幾つか翻訳しています。
KerasTuner はハイパーパラメータ探索の問題点を解決する、簡単に使える、スケーラブルなハイパーパラメータ最適化フレームワークです。KerasTuner は組込みの Bayesian 最適化, Hyperband とランダム探索アルゴリズムを装備しています。
今回は「開発者ガイド」の「ハイパーパラメータ調整」カテゴリーから「ハイパーパラメータ調整過程の可視化」です。
KerasTuner はユーザが進捗を監視するためにログをスクリーンにプリントします、これは各トライアルのハイパーパラメータの値を含みます。ハイパーパラメータ値と対応する評価結果を TensorBoard を使用して対話的な図で可視化する方法を提供します。
[詳細] (11/01/2021)
Keras 2 : 開発者ガイド : ハイパーパラメータ調整 – KerasTuner で始める
Keras Web サイトのドキュメントを幾つか翻訳しています。
KerasTuner はハイパーパラメータ探索の問題点を解決する、簡単に使える、スケーラブルなハイパーパラメータ最適化フレームワークです。KerasTuner は組込みの Bayesian 最適化, Hyperband とランダム探索アルゴリズムを装備しています。
今回は「開発者ガイド」の「ハイパーパラメータ調整」カテゴリーから「KerasTuner で始める」です。単一層の dense ニューラルネットワークのためにランダム探索を使用してハイパーパラメータ調整を実行してみます。
[詳細] (10/31/2021)
Keras 2 : 開発者ガイド : 転移学習と再調整
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「転移学習と再調整」です。転移学習は 1 つの問題上で学習された特徴を取り、そしてそれらを新しい類似の問題上で活用することから成ります。例えば、アライグマを識別するために学習したモデルからの特徴はタヌキを識別することを意図したモデルを始動するために有用かもしれません。転移学習はスクラッチから本格的なモデルを訓練するには貴方のデータセットが少な過ぎるデータを持つようなタスクのために通常は行なわれます。
[詳細] (10/30/2021)
Keras 2 : 開発者ガイド : マスキングとパディングの理解
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「マスキングとパディングの理解」です。マスキングはシークエンス処理層に入力の一部の時間ステップが欠損しているために、データ処理時にスキップされるべきであることを伝える手段です。そしてパディングはマスキングの特殊な形式で、バッチの総てのシークエンスを標準的な長さにするためには、幾つかのシークエンスをパッドしたり切り詰めることです。
[詳細] (10/29/2021)
Keras 2 : 開発者ガイド : RNN の利用
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「RNN の利用」です。リカレント・ニューラルネットワーク (RNN) は、時系列や自然言語のようなシークエンス・データをモデル化するためのパワフルなニューラルネットワークのクラスです。このガイドでは組込みの keras.layers.RNN, LSTM, GRU 層の使い方を中心に解説されます。
[詳細] (10/29/2021)
Keras 2 : 開発者ガイド : 前処理層の操作
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「前処理層の操作」です。Keras 前処理層 API は開発者に Keras-ネイティブな入力処理パイプラインを構築することを可能にします。これらの入力処理パイプラインは Keras モデルと直接結び付けられ、非-Keras ワークフローにおける独立した前処理コードとして利用できます。Keras 前処理層で真に end-to-end なモデルを構築してエクスポートできます。
[詳細] (10/29/2021)
Keras 2 : 開発者ガイド : 独自のコールバックを書く
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「独自のコールバックを書く」です。コールバックは 訓練、評価や推論の間の Keras モデルの動作をカスタマイズするための強力なツールです。このガイドでは、Keras コールバックが何か、それは何ができるか、そして独自のものをどのように構築できるかを学習します。
[詳細] (10/28/2021)
Keras 2 : 開発者ガイド : シリアル化とセーブ
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「シリアル化とセーブ」です。モデル全体をディスクにセーブするために使用できる 2 つの形式があります : TensorFlow SavedModel 形式と (より古い) Keras H5 形式 です。推奨形式は SavedModel で model.save() を使用するときのデフォルトです。
[詳細] (10/28/2021)
Keras 2 : 開発者ガイド : 訓練ループをスクラッチから書く
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「訓練ループをスクラッチから書く」です。Keras はデフォルトの訓練と評価ループ、fit() と evaluate() を提供します。訓練 & 評価に渡り非常に低位な制御を望む場合、貴方自身の訓練 & 評価ループをスクラッチから書くべきです。このガイドはこれについて説明されます。
[詳細] (10/27/2021)
Keras 2 : 開発者ガイド : Model.fit で起きることをカスタマイズする
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「Model.fit で起きることをカスタマイズする」です。教師あり学習を行なっているとき fit() を使用できて総てがスムースに動作します。しかしカスタム訓練アルゴリズムを必要としながら fit() の便利な特徴から依然として恩恵を受けることを望む場合にはどうでしょう？fit() が行なうことをカスタマイズする必要があるとき、Model クラスの訓練ステップ関数を override するべきです。
[詳細] (10/25/2021)
Keras 2 : 開発者ガイド : 組込みメソッドで訓練と評価
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「組込みメソッドで訓練と評価」です。このガイドは model.fit(), model.evaluate(), model.predict() のような訓練と検証のための組込み API を利用する、訓練と評価そして予測 (推論) モデルをカバーします。
[詳細] (10/24/2021)
Keras 2 : 開発者ガイド : サブクラス化で新しい層とモデルを作成する
Keras Web サイトのドキュメントを幾つか翻訳しています。
今回は「開発者ガイド」から「サブクラス化で新しい層とモデルを作成する」です。Keras の中心的な抽象の一つは Layer クラスです。層は状態と入力から出力への変換をカプセル化します。一般に、内側の計算ブロックを定義するために Layer クラスを使用し、外側のモデル (貴方が訓練するオブジェクト) を定義するために Model クラスを使用します。
[詳細] (10/24/2021)
Keras 2 : 開発者ガイド : シーケンシャル・モデル
Keras Web サイトのドキュメントを幾つか翻訳します。
今回は「開発者ガイド」カテゴリーから「シーケンシャル・モデル」です。シーケンシャル・モデルは層のプレーンなスタックのために適切です、そこでは各層は正確に 1 つの入力テンソルと 1 つの出力テンソルを持ちます。
[詳細] (10/23/2021)
Keras 2 : 開発者ガイド : 関数型 API
Keras Web サイトのドキュメントを幾つか翻訳します。
今回は「開発者ガイド」カテゴリーから「関数型 API」です。Keras 関数型 API は tf.keras.Sequential API よりも柔軟なモデルを作成する方法です。関数型 API は非線形トポロジー、共有層、そしてマルチ入力と出力を持つモデルさえ扱うことができます。主要なアイデアは深層学習モデルが通常は層の有向非巡回グラフ (DAG) であることです。そして関数型 API は層のグラフを構築するための方法です。
[詳細] (10/23/2021)
◆ 2021/07/05 ～ 2021/08/12
TensorFlow 2.6.0 リリースノート
TensorFlow 2.6.0 ステーブル版がリリースされました。
いつものようにリリースノートの主要部分を翻訳しておきました。前バージョン (2.5.0) からおよそ 3ヶ月が経過しています。
特に注意すべき点は、Keras が個別の PIP パッケージ (keras) に分割されコードは GitHub レポジトリ keras-team/keras に移動されたことです。tf.keras のための API エンドポイントは変更されないままですが、keras PIP パッケージにより支援されることになります。
[詳細] (08/12/2021)
Alibi Detect 0.7 : Examples : VAE 外れ値検知 on CIFAR10
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
CIFAR10 の画像を題材に VAE 外れ値検知器の利用方法を説明します。摂動された画像を利用した外れ値の予測も調べます。
[詳細] (07/10/2021)
Alibi Detect 0.7 : Examples : AEGMM と VAEGMM 外れ値検知 on TCP dump
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
AEGMM と VAEGMM 外れ値検知器の利用方法をサンプルを通して説明します。題材として米国空軍 LAN をシミュレートした LAN の TCP dump データを使用し、外れ値検知器はコンピュータ・ネットワーク侵入を検知する必要があります。
[詳細] (07/09/2021)
Alibi Detect 0.7 : Examples : VAE 外れ値検知 on TCP dump
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
VAE 外れ値検知器の利用方法をサンプルを通して説明します。題材として米国空軍 LAN をシミュレートした LAN の TCP dump データを使用し、外れ値検知器はコンピュータ・ネットワーク侵入を検知する必要があります。
[詳細] (07/08/2021)
Alibi Detect 0.7 : Examples : Isolation Forest 外れ値検知 on TCP dump
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
Isolation Forest 外れ値検知器の利用方法をサンプルを通して説明します。題材として米国空軍 LAN をシミュレートした LAN の TCP dump データを使用し、外れ値検知器はコンピュータ・ネットワーク侵入を検知する必要があります。
[詳細] (07/08/2021)
Alibi Detect 0.7 : Examples : マハラノビス外れ値検知 on TCP dump
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
マハラノビス外れ値検知器の利用方法をサンプルを通して説明します。題材として米国空軍 LAN をシミュレートした LAN の TCP dump データを使用し、外れ値検知器はコンピュータ・ネットワーク侵入を検知する必要があります。
[詳細] (07/06/2021)
Alibi Detect 0.7 : Examples : 外れ値、敵対的 & ドリフト検知 on CIFAR10
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
今回は CIFAR-10 を題材に、外れ値、敵対的 & ドリフト検知の手法について学習します。
[詳細] (07/05/2021)
Alibi Detect 0.7 : 概要
Alibi Detect は 外れ値、敵対的そして ドリフト検知にフォーカスしたオープンソース Python ライブラリです。このパッケージは表形式データ、テキスト、画像と時系列のためのオンラインとオフライン検知の両者をカバーすることが目的です。TensorFlow と PyTorch バックエンドの両者がドリフト検知のためにサポートされます。
最初に README を概要として翻訳しました。サポートされるアルゴリズムや利用可能なデータセットについて概説されています。
[詳細] (06/30/2021)
◆ お問合せ
本件に関するお問い合わせ先は下記までお願いいたします。
| 株式会社クラスキャット |
| セールス・マーケティング本部 セールス・インフォメーション |
| E-Mail：sales-info@classcat.com |
| WebSite : https://www.classcat.com/ |
| Facebook : https://www.facebook.com/ClassCatJP/ |
※ TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
※ その他、記載されている会社名・製品名は各社の登録商標または商標です。