Day 53 巨人の肩に座る

1. 画像認識の応用分野

• 講義のコードを理解しながら再現する過程で、referenceを見る癖がだいぶついた。そして、英語のreferenceを読むことに抵抗感がほぼなくなった。

• DeepLabV3によるsegmentation実装。

  • 1秒ほどの短時間で、縦横1312ピクセルほどの画像のsegmentationが完了。
  • 出力された画像は、結構粗があって画像合成できるほどの精度にはなっていないが、どうすればもっと高精度になるんだろ。
  • 試しにresizeせずにぶちこんだ。ただ、一部馬や鳥にクラス分けされるピクセルもあり、うまくいかず。= 単に画素を上げて打ち込めばいいというわけではない。
    • 馬/鳥に分類されたのは、犬の毛のところ。ここは「ピクセル」だけ与えられても、たしかに判別は難しい。
    • というか、どういうふうに推論しているんだ??

• CNNにおける「パラメタ」数とはそもそもなんぞや。をもう一度確認。

  • カーネル1つ1つが学習する「パラメタ」なわけで、ピクセルとは違う。
  • よって、Conv層におけるパラメタは「カーネル縦 * カーネル横 * 出力チャネル * 入力チャネル + バイアス (出力チャネル * 1) 」となる。
    • 参考URL: https://qiita.com/hiromasat/items/43e20c8da6d21f2578dc
  • pooling層は、学習するパラメタはないので、パラメタ数0.
  • 計算コスト = このパラメタを「1ピクセルずつ」最適化していくので、パラメタ*画素数、ということになる。

• 計算コスト削減の歴史

  • 面白い手法はたくさんあるが、「なぜそうしたのか？」「それで十分か？」という必要十分性が全く満たされていないようにみえるのが、ちょっと歯がゆい。
  • それこそ、Convolution層 = 特徴抽出できている、という点がまだ実感として湧いていないのかもしれない。

• segmentation labeling tool (labelme)のインストール

  • Githubのreadmeに記載されているコードの通りにインストールしてもエラー。少し苦戦。
  • issues見ると、python=3ではなくpython=3.8でインストールすればうまくいったとの記載。(ちょうど3週間ほど前のissue)
  • うまくいかないときは素直にissueを見よう。

思ったこと

• Inputは、outputしない分、楽で楽しい。これだけしてても仕方はないのだが。。。