« 「チームが機能するとはどういうことか――「学習力」と「実行力」を高める実践アプローチ」の感想 | トップページ | 機械学習で反実仮想や自然実験が作れる »

2020/08/28

画像セグメンテーションのリンク

以下は画像セグメンテーションのリンク。
「物体認識」「物体検出」「セマンティックセグメンテーション」の違いを知るためにメモ。

画像生成でセグメンテーション?GANを使った教師なしセグメンテーション手法が登場! | AI-SCHOLAR.TECH

SegNet: 画像セグメンテーションニューラルネットワーク - Qiita

画像セグメンテーションのためのU-net概要紹介 技術ブログ | アクセルユニバース株式会社

【物体検出】SSD(Single Shot MultiBox Detector)の解説 技術ブログ | アクセルユニバース株式会社

(引用開始)
近年、様々な分野で画像認識技術が活用されています。これは深層学習技術の発展によって、画像認識の精度が大幅に向上したためです。画像認識技術には三段階のステップに分けられます。

1つ目は、画像に何が写っているか判断する「物体認識」です。「物体認識」では画像に何が写っているか判断するだけで、その物体の位置までは判断しません。
2つ目は、画像に写っている物体の名前と位置を判断する「物体検出」です。
3つ目は、画像のピクセル単位で物体認識を行う「セマンティックセグメンテーション」です。人間はピクセル単位で物体を認識しており、「セマンティックセグメンテーション」は私たちと同様の画像認識を機械に行わせる試みと言えます。その応用範囲は自動運転や医療など、様々な分野に渡ります。

これら3つを総称して画像認識技術と言い、「物体認識」「物体検出」「セマンティックセグメンテーション」の順に教師データを作成するのに必要なコストは高くなります。特に、ピクセル単位でラベル付けを行う必要のある「セマンティックセグメンテーション」は他の2つに比べて、教師データの作成に非常に高いコストが掛かります。
(引用終了)

CNNをベースに画像認識する時、「物体認識」「物体検出」「セマンティックセグメンテーション」の順に難易度は高くなる。
教師データがより複雑になるし、CNNも複雑に組合せたアルゴリズムになる。


|

« 「チームが機能するとはどういうことか――「学習力」と「実行力」を高める実践アプローチ」の感想 | トップページ | 機械学習で反実仮想や自然実験が作れる »

統計学・機械学習・深層学習」カテゴリの記事

コメント

コメントを書く



(ウェブ上には掲載しません)


コメントは記事投稿者が公開するまで表示されません。



« 「チームが機能するとはどういうことか――「学習力」と「実行力」を高める実践アプローチ」の感想 | トップページ | 機械学習で反実仮想や自然実験が作れる »