http://apple.ee.uec.ac.jp/isyslab ロボット情報工学特論 no.10 Advanced Information Engineering for Robotics no.10 第10回: Deep Learning 1~ Convolutional Neural Network ~ 電気通信大学大学院 情報理工学研究科 知能機械工学専攻 長井隆行 http://apple.ee.uec.ac.jp/isyslab Story From the New York Times The system, which comprises of a cluster of 1,000 computers (totaling 16,000 processor cores), analyzes 10 million 200×200 still frames from YouTube. Over 3 days, the system’s software builds up a network of hundreds of neurons and thousands (millions?) of synapses. http://www.nytimes.com/2012/06/26/technology/in-a-big-network-ofcomputers-evidence-of-machine-learning.html?pagewanted=2 http://apple.ee.uec.ac.jp/isyslab そして顔 http://apple.ee.uec.ac.jp/isyslab Outline Deep Learning とは? Convolutional Neural Networks CNNを使った一般物体認識 まとめ http://apple.ee.uec.ac.jp/isyslab Deep Learningとは 多層のニューラルネットワーク 新しい概念ではない 誤差逆伝搬法(BP)で1980年代に大ブレーク ⇒ BPでは大規模なネットワークの学習が困難 学習方法(プレトレーニング)や高い性能で再注目されている GPUなどの計算パワーの向上も一つの要因 よく出てくる言葉 多層ニューラルネットワーク(Multi-layered Perceptron) 畳み込みニューラルネットワーク(Convolutional Neural Network:CNN) Deep Belief Network(DBN) 制約付きボルツマンマシン(Restricted Boltzmann Machine:RBN) オートエンコーダ(Autoencoder) 疎表現(Sparse Coding) 辞書学習(Dictionary Learning) 次 の 機 会 http://apple.ee.uec.ac.jp/isyslab 多層ニューラルネットワーク 前回のお話 入力層で信号を入力し出力層で認識結果のラベルを出力する 学習サンプルを使ってBPで重みを学習 学習サンプルの出力と所望の出力との誤差の2乗和を最小化する http://apple.ee.uec.ac.jp/isyslab Convolutional Neural Network (CNN) 人間の視覚野を模擬 特定の傾きの線分に反応するニューロン 線分の検出 ⇒ 画像のフィルタリング ⇒ 畳み込み (次のページ) どのようなカーネルがよいのか? 画像処理では色々提案されている SIFTでは単純な微分フィルタが使われている サンプルがあるのであれば学習すればよい http://apple.ee.uec.ac.jp/isyslab 畳み込み オペレータ適用(フィルタリング・2次元畳み込み)の計算手順 足りないところはゼロで補う 出力画像 入力画像 オペレータ -1 0 -1 0 1 1 0 0 1 1 0 0 1 7 -1 0 1 1 0 8 8 中心 0 1 8 9 -1 -1 -1 0 0 0 1 10 10 1 7 0-1 00 11 7 1 0 8 8 1 0 8 8 0 1 8 9 0 1 8 9 0 0 0 0 -1 0 1 1 01 1 -1 1-1 07 1 0 0 1 1 0 0 1 7 1 0 0 1 8-1 8-1 -1 08 09 0 1 1 0 -1 0 1 0-1 01 1 0-1 01 17 1 0 8 8 1 0 8 8 0 1 8 9 0 1 8 9 0 0 -1 0 -1 0 -1 01 10 10 1 1 0 1 7 0 10 8 0 1 8 2 2 8 8 -2 8 0-1 0-1 1-1 0 11 1 0 11 7 0 18 8 9 0 1 8 9 -1 0 1 0-1 00 11 1 0 0 2 0 2 0 9 0 2 8 -2 8 -2 1 1 1 右下 8 http://apple.ee.uec.ac.jp/isyslab オペレータ ノイズ除去のための平滑化と組み合わせる 平滑化によって色々なパターンがある 3×3がよく用いられる 横方向微分 prewitt sobel -1 0 -1 0 -1 0 1 1 1 -1 0 -2 0 -1 0 1 2 1 縦方向平均 中心を重視 した平均 横方向平均 -1 -1 -1 0 0 0 1 1 1 縦方向微分 -1 -2 -1 0 0 0 1 2 1 9 http://apple.ee.uec.ac.jp/isyslab オペレータ適用の例(畳み込みの例) prewitt sobel 10 http://apple.ee.uec.ac.jp/isyslab プーリングとネットワーク化 非線形関数 複数のカーネル関数 受容野で様々な方向に反応する細胞があるのと同じ プーリング(pooling) パーセプトロントと同じ ある小領域内で情報を集約する いろいろな意味(解釈)がある ⇒ 不変性の担保、情報量の圧縮 平均プーリング、マックスプーリング、Lpプーリング(p乗ノルム) 多層接続 上記の仕組みを多層に接続 最後の層にはMNN(非線形識別関数)を入れる http://apple.ee.uec.ac.jp/isyslab CNN 全体像 前述の仕組みをつなげると次のようになる CNNのポイントは 疎な結合 ⇒ パラメータが少ない 重みの共有 ⇒不変性の実現 http://apple.ee.uec.ac.jp/isyslab CNNの応用 文字認識では昔から高い性能を出すことが知られていた あまり注目されなかった(NN自体が下火だったため) 大規模な一般認識ベンチマークテストで2012年に大差でトップ Large Scale Visual Recognition Challenge 2012 http://www.image-net.org/challenges/LSVRC/2012/results.html#t2 ⇒Alex Krizhevsky, Ilya Sutskever, Geoffrey E Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”, in Proc. NIPS 2012 SuperVision test-rect-preds-144-cloc-141146.2009-131-137-145- 0.335463 Using extra training data for classification from ImageNet Fall 2011 release SuperVision test-rect-preds-144-cloc-131137-145-135-145f.txt 0.341905 Using only supplied training data 0.500342 Re-ranked DPM detection over Mixed selection from HighLevel SVM scores and Baseline Scores, decision is performed by looking at the validation performance OXFORD_VGG test_adhocmix_detection.txt http://apple.ee.uec.ac.jp/isyslab Large Scale Visual Recognition Challenge 2012 http://apple.ee.uec.ac.jp/isyslab 画像の例 1/2 http://apple.ee.uec.ac.jp/isyslab 画像の例 2/2 http://apple.ee.uec.ac.jp/isyslab トップチームの手法 CNNを比較的素直に使っている CNNの構造 1:11×11×3のカーネル48個+Max pooling 2:5×5×48のカーネル256個+Max pooling 学習を高速化するノウハウ GPUの利用 並列化 過学習を防ぐノウハウ 学習サンプル ⇒ 変形させたものをたくさん用意する ドロップアウト ⇒ 重みを変えずに、50%の確率でニューロンの出力をゼロにする http://apple.ee.uec.ac.jp/isyslab 結果 昨年の優勝アルゴリズム(SIFTを利用)に比べ 10%近く性能を向上 結果の例 http://apple.ee.uec.ac.jp/isyslab 何が学習されたのか? 最下層で学習されたカーネル Sparse Coding との関連性 http://apple.ee.uec.ac.jp/isyslab まとめ Deep Learningの最初としてCNNを概説 最新のテストではCNNが大幅に記録を塗り替えた 画像だけではなく音声認識などでもかなり注目さ れている よくわかっていないことも多い タスクによって使い分けが必要? 小規模な認識や特定物体認識で有効か? パラメータの選び方にどれだけ影響を受けるのか?
© Copyright 2024