Submit Search
Upload
CG Image Recognition with Deep Learning
•
Download as PPTX, PDF
•
0 likes
•
1,157 views
Kodai Takao
Follow
CG Image Recognition using Deep Learning
Read less
Read more
Technology
Report
Share
Report
Share
1 of 24
Download now
Recommended
論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks
Seiya Tokui
SeRanet
SeRanet
Kosuke Nakago
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
Deep learning 20170311
Deep learning 20170311
Hiroyuki Miyamoto
Reducing the Dimensionality of Data with Neural Networks
Reducing the Dimensionality of Data with Neural Networks
Nagayoshi Yamashita
Ocha 20191204
Ocha 20191204
Atsushi Hashimoto
Active learning with efficient feature weighting methods for improving data q...
Active learning with efficient feature weighting methods for improving data q...
Shunsuke Kozawa
Machine learning design pattern transfer learning
Machine learning design pattern transfer learning
Tomohisa Seki
Recommended
論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks
Seiya Tokui
SeRanet
SeRanet
Kosuke Nakago
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
[DL輪読会]Learning by Association - A versatile semi-supervised training method ...
Deep Learning JP
Deep learning 20170311
Deep learning 20170311
Hiroyuki Miyamoto
Reducing the Dimensionality of Data with Neural Networks
Reducing the Dimensionality of Data with Neural Networks
Nagayoshi Yamashita
Ocha 20191204
Ocha 20191204
Atsushi Hashimoto
Active learning with efficient feature weighting methods for improving data q...
Active learning with efficient feature weighting methods for improving data q...
Shunsuke Kozawa
Machine learning design pattern transfer learning
Machine learning design pattern transfer learning
Tomohisa Seki
Semantic segmentation
Semantic segmentation
Takuya Minagawa
Image net classification with deep convolutional neural network
Image net classification with deep convolutional neural network
ga sin
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
ニューラルネットと深層学習の歴史
ニューラルネットと深層学習の歴史
Akinori Abe
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
Mxnetによるデープラーニングでセミの抜け殻を識別する
Mxnetによるデープラーニングでセミの抜け殻を識別する
dokechin
E-SOINN
E-SOINN
SOINN Inc.
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
KCS Keio Computer Society
Learning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for Graphs
Takuya Akiba
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
Yuta Sugii
深層学習の数理
深層学習の数理
Taiji Suzuki
画像処理基礎
画像処理基礎
大貴 末廣
Generative Deep Learning #01
Generative Deep Learning #01
逸人 米田
SSA-SOINN
SSA-SOINN
SOINN Inc.
Visualizing Data Using t-SNE
Visualizing Data Using t-SNE
Tomoki Hayashi
Generative deeplearning #02
Generative deeplearning #02
逸人 米田
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
MLSE
Deeply-Recursive Convolutional Network for Image Super-Resolution
Deeply-Recursive Convolutional Network for Image Super-Resolution
harmonylab
人工知能10 サポートベクトルマシン
人工知能10 サポートベクトルマシン
Hirotaka Hachiya
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
Okamoto Laboratory, The University of Electro-Communications
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
RyomaBise1
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
RyomaBise1
More Related Content
What's hot
Semantic segmentation
Semantic segmentation
Takuya Minagawa
Image net classification with deep convolutional neural network
Image net classification with deep convolutional neural network
ga sin
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
ニューラルネットと深層学習の歴史
ニューラルネットと深層学習の歴史
Akinori Abe
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
Mxnetによるデープラーニングでセミの抜け殻を識別する
Mxnetによるデープラーニングでセミの抜け殻を識別する
dokechin
E-SOINN
E-SOINN
SOINN Inc.
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
KCS Keio Computer Society
Learning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for Graphs
Takuya Akiba
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
Yuta Sugii
深層学習の数理
深層学習の数理
Taiji Suzuki
画像処理基礎
画像処理基礎
大貴 末廣
Generative Deep Learning #01
Generative Deep Learning #01
逸人 米田
SSA-SOINN
SSA-SOINN
SOINN Inc.
Visualizing Data Using t-SNE
Visualizing Data Using t-SNE
Tomoki Hayashi
Generative deeplearning #02
Generative deeplearning #02
逸人 米田
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
MLSE
Deeply-Recursive Convolutional Network for Image Super-Resolution
Deeply-Recursive Convolutional Network for Image Super-Resolution
harmonylab
人工知能10 サポートベクトルマシン
人工知能10 サポートベクトルマシン
Hirotaka Hachiya
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
Okamoto Laboratory, The University of Electro-Communications
What's hot
(20)
Semantic segmentation
Semantic segmentation
Image net classification with deep convolutional neural network
Image net classification with deep convolutional neural network
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
ニューラルネットと深層学習の歴史
ニューラルネットと深層学習の歴史
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
Mxnetによるデープラーニングでセミの抜け殻を識別する
Mxnetによるデープラーニングでセミの抜け殻を識別する
E-SOINN
E-SOINN
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Laye...
Learning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for Graphs
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
深層学習 勉強会第1回 ディープラーニングの歴史とFFNNの設計
深層学習の数理
深層学習の数理
画像処理基礎
画像処理基礎
Generative Deep Learning #01
Generative Deep Learning #01
SSA-SOINN
SSA-SOINN
Visualizing Data Using t-SNE
Visualizing Data Using t-SNE
Generative deeplearning #02
Generative deeplearning #02
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡(東大)
Deeply-Recursive Convolutional Network for Image Super-Resolution
Deeply-Recursive Convolutional Network for Image Super-Resolution
人工知能10 サポートベクトルマシン
人工知能10 サポートベクトルマシン
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
クラウドソーシングにおける協調的な共同作業に対する組織構成システム
Similar to CG Image Recognition with Deep Learning
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
RyomaBise1
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
RyomaBise1
画像処理応用
画像処理応用
大貴 末廣
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
Takuya Minagawa
2018/6/26 deep learning Neural Network Console hands-on
2018/6/26 deep learning Neural Network Console hands-on
Sony Network Communications Inc.
機械学習 入門
機械学習 入門
Hayato Maki
画像処理分野における研究事例紹介
画像処理分野における研究事例紹介
nlab_utokyo
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
Etsuji Nakai
Similar to CG Image Recognition with Deep Learning
(8)
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
九大_DS実践_画像処理応用
画像処理応用
画像処理応用
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
2018/6/26 deep learning Neural Network Console hands-on
2018/6/26 deep learning Neural Network Console hands-on
機械学習 入門
機械学習 入門
画像処理分野における研究事例紹介
画像処理分野における研究事例紹介
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
「TensorFlow Tutorialの数学的背景」 クイックツアー(パート1)
More from Kodai Takao
チームラボ サマーインターン発表スライド
チームラボ サマーインターン発表スライド
Kodai Takao
Smoothed Particle Hydrodinamics
Smoothed Particle Hydrodinamics
Kodai Takao
プロジェクト3A テーマ発表
プロジェクト3A テーマ発表
Kodai Takao
Computer Graphics from the Mathematical Aspects - Lecture 1
Computer Graphics from the Mathematical Aspects - Lecture 1
Kodai Takao
Computer Graphics
Computer Graphics
Kodai Takao
プロジェクト2B 最終発表
プロジェクト2B 最終発表
Kodai Takao
プロジェクト2B 中間発表
プロジェクト2B 中間発表
Kodai Takao
プロジェクト2B テーマ発表
プロジェクト2B テーマ発表
Kodai Takao
More from Kodai Takao
(8)
チームラボ サマーインターン発表スライド
チームラボ サマーインターン発表スライド
Smoothed Particle Hydrodinamics
Smoothed Particle Hydrodinamics
プロジェクト3A テーマ発表
プロジェクト3A テーマ発表
Computer Graphics from the Mathematical Aspects - Lecture 1
Computer Graphics from the Mathematical Aspects - Lecture 1
Computer Graphics
Computer Graphics
プロジェクト2B 最終発表
プロジェクト2B 最終発表
プロジェクト2B 中間発表
プロジェクト2B 中間発表
プロジェクト2B テーマ発表
プロジェクト2B テーマ発表
Recently uploaded
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
Recently uploaded
(10)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
CG Image Recognition with Deep Learning
1.
プロジェクト3A 最終発表 14K1020 髙尾航大
2.
プロジェクトテーマ DeepLearning を用いて 3次元オブジェクトの特徴量を 2次元画像として抽出し、 カテゴリタグ付けを自動的に行う。
3.
プロジェクトテーマ(図解) なんか長い 部分がある 3次元データ 人工知能 特徴量抽出 うさぎ カテゴリ判定 動物 耳 長い input output (実際はこんなも のではない)
4.
NeuralNetworkについて
5.
MNIST手書き文字認識 MNISTと呼ばれる手書き文字のデータセットで学習を進める 28×28 ピクセルの画像 MNIST =
学習用画像 : 5万枚 / テスト用画像 : 1万枚
6.
ベクトル化 1つの画像は 28×28 =
784 ピクセルを保有している これをベクトルに落とし込む 𝑖𝑚𝑎𝑔𝑒𝑖 = 0 0 0 0 ⋮ .6 .8 1 ⋮ 0 0 0 0
7.
ベクトル化 5万枚の学習用画像は以下のベクトル集合で 表すことができる。
8.
ベクトル化 学習用画像はその画像が何の数字であるかを保持するベクトル も同添字として紐付けられている。
9.
パーセプトロン 人間の脳細胞をモデル化 ステップ関数であるため微分不可能で機械学習に向かない
10.
シグモイドニューロン パーセプトロンの改良 連続関数であるため微分可能で機械学習に向く(線形分離可能)
11.
ニューラルネットワーク シグモイドニューロンを沢山使用して学習を行う 入力に784次元ベクトル (画像の配列) バイアスと重みを コスト関数に従って 更新していくこと 学 習
12.
誤差逆伝播法 入力信号と教師データの誤差を小さくするように 勾配降下法 全体の結合重みを調整 E : 一時解と最適解の二乗誤差
13.
ソフトマックス回帰 実際に一時解ベクトル𝑦が出力される際は、 ソフトマックス回帰によって正規化される
14.
TensorFlowでのMNISTテスト 精度91%….
15.
TensorFlowでのMNISTテスト 公式ドキュメントでは99.7%以上の精度でなければ良い結果 とは言えないと書かれている。
16.
畳み込みディープニューラルネットワーク
17.
Watson API の使用 TensorFlowの画像認識ライブラリ環境 設定がうまく行かず使用断念。 Watson
Visual Recognition 教師用画像を用意してネットワークを 学習させ、カテゴリ分けを行う。
18.
学習 今回は「うさぎ」と「顔」と「その他」を区別することを考える。
19.
教師用画像の用意 100枚 100枚 100枚
20.
カラー画像で学習させた場合(うさぎ) 87% 66% 62% 72%
21.
モノクロ画像で学習させた場合(うさぎ) 87% → 89% 66%
→ 71% 62% → 63% 72% → 74%
22.
人間の顔の認識( カラー →
モノクロ ) 85% → 85% 79% → 75%
23.
その他 認識せず。
24.
結論・今後の課題 WebアプリのUIと保守性を改良することができた。 この知能をWEBアプリ内に組み込む 3カテゴリの学習による分類は70%前後の精度で成功した。 学習カテゴリを増やしても精度が保たれるかの実験を行う カテゴリ抽出後に連想語を関連付ける
Download now