トレーニングにまつわるあれこれを掲載しているブログではありますが，都合によりこのような記事を掲載いたします．
現在一般社団法人ディープラーニング協会のE資格を取得するため，ラビットチャレンジなるプログラムを受講しています．本プログラムにおいてレポート公開が必須になっていることから，こちらのブログにてレポートします．
物体検知とSemantic Segmentation
概要
画像の中で位置と大きさ，クラスと推定するのが物体検知．ピクセル単位でクラス分類をするのが Semantic Segmentation．U-Netは経験があるのでそれなりに馴染みがある．
データセット
画像認識モデルの性能を検証するために，MINISTやImageNet，CIFAR-10などを利用するが，物体検知やSemantic Segmentationでもデータセットが存在する．
具体的にはVOC12，ILSVRC17，MS COCO18，OICOD18など．
評価指標
分類問題ではconfusion matrixから評価指標を算出するのが一般的． 物体検出の場合，threshholdの変化に対する振る舞いは以下のようになる．
- threshholdを変化させると検出数が変化する．
- threshholdが低すぎる場合，同じ物体を複数回検出してしまう可能性がある．
また，物体位置の予測精度はIOUやDice係数を使用する場合が多い．cmで表現すると，IoU= TP/(TP+FP+FN)で，Dice=2TP/(2TP+FP+FN)．
Average Precision
IoUを0.5で固定，クラスラベルを固定した状態で得たPR曲線の積分値をAverage Precisionと呼ぶ．さらに複数のラベルに対してAPを算出，その平均をｍAPと呼ぶ．さらにIoUを0.5~0.95まで0.05刻みで変化させて，その平均をとったものをｍAPcocoと呼ぶ．
検出速度
リアルタイム検出が求められることが多い物体検出では，FPS(Flame per Second)も重要．
モデル概要
領域検出とクラス推定を別々に行う2段階検出器と，同時に行う1段階検出器がある．2段階は精度が高く，検出が遅い傾向がある．1段階は精度は比較的低いが，検出が早い．
物体検出：SSD
大きさ，アスペクト比が異なる多数のdefault boxを用意して，これらのconfidenceを算出して物体位置を特定する方法．
複数のdefault boxが検出結果として得られるので，以下の手順で抽出していく．
- スコアが高いデフォルトボックスのみ抽出。
- 各クラスごとにデフォルトボックスの重なり率IoUを計算
- IoUが高い場合はスコアの低いデフォルトボックスを除去
Semantic Segmentation
こちらは割愛．
GAN
GANはGenarative Adversarial Netsの略．GeneratorとDescriminatorを競わせることで，生成モデルと識別モデルを作成する手法のこと．
ミニマックスゲーム
価値関数はクロスエントロピーの形になっている．
Generatorを更新する際には，Descriminatorのパラメータを固定して，Generatorを更新する．Descriminatorを更新する際には，Generatorのパラメータを固定して，Descriminatorを更新する．
以下がイメージとして非常にわかりやすかった．
DCGAN
Generatorは100次元の乱数ベクトルから転置畳み込みにより画像を生成する．Descriminatorは畳み込みにより識別する．中間層を全て畳みこみ層を使用するのが特徴．
長くなったが最後の記事でコード演習をレポートする．