ネットワーク構造

過去に性能を発揮し有名となっているネットワークを列挙しておきます。これらをベースいくつもの発展させたネットワークが作成されています。
2017.9.3
  • 265
    Views
  • 1
    Watch
  • 26
    Knows

ネットワーク構造の新規投稿

Attention機構
Attention機構(注意機構)とは、主に機械翻訳や画像処理等を目的としたEncoder-Decoderモデルに導入される要素ごとの関係性、注意箇所を学習する機構.機械翻訳において翻訳対象の単語間の関係性や全体のコンテキストを考慮させるために考案されたものだが、画像処理などにおいても応用されている.
PV 1158
Fav 0
2018.12.08
SegNet
SegNetはFCNより解像度よくSemanticSegmentationを行うことができるネットワーク.UnPooling層をDecoderに用いることでより細かい領域分割ができることを可能にした.またUnpoolingを用いて省メモリになったことも特徴.
PV 147
Fav 0
2018.09.16
FCN (Semantic Segmentation)
FCN(Fully Convolutional Networks for Semantic Segmentation)は、FCNのネットワーク構造を用いてSemantic Segmentation(領域のクラス分類)を行っているネットワークです.ピクセルレベルでなんの物体なのかを推定します.全結合層を含まないためどのような大きさの画像に対しても適用できるのが特徴ですが、解像度が低くなりがちでまた境界あたりは分類の精度が低く曖昧になりがちです.
PV 183
Fav 0
2018.09.16
SAGAN
SAGAN(Self Attention Generative Adversarial Network)はACGANやSNGANでも扱う画像生成タスクにおいてSelf Attention機構を導入することで高精度な画像生成を実現したネットワーク.
PV 274
Fav 0
2018.07.15
ACGAN
ACGAN(Auxiliary Classifier Generative Adversarial Network)は、DCGANではランダムノイズ列から画像を作っていただけにすぎない学習に加えて、画像のクラスラベル情報をGeneratorに入力しDiscriminatorで補助的なクラス識別タスクを行うことで、高精度な画像を生成できたネットワーク.学習は128x128の画像を入力としてImageNetの画像を使用している.
PV 315
Fav 0
2018.07.15
pix2pixHD
pix2pixHDは複数の工夫を導入することでpix2pixでは256x256の画像生成であったのを2048x1024まで精度を改善したネットワーク.ResNetを使用したこと、ネットワーク構造を多段にすること、FeatureMatchingを採用したこと、マルチスケールの対応等の工夫を入れることで実現しています.
PV 330
Fav 0
2018.07.15
pix2pix
pix2pixはUNetとDCGANを組み合わせた汎用的な画像変換を学習することができるネットワーク.昼と夜の変換や航空写真と地図の変換等様々なタスクを行わせることができる.画像から画像の変換(Image to Image Translation)を行っているConditional GANの一種.
PV 313
Fav 0
2018.07.15
シャムネットワーク
シャムネットワークは(Siamese Network)二つの画像の似ている似ていないという指標となる距離を学習するCNNを利用したニューラルネットワーク.二つのCNNは重みが共有されていてそれらの出力を距離を計算するネットワークに入力する.
PV 632
Fav 0
2018.07.15
PGGAN
高解像度な顔画像の生成を達成したProgressive Growing of GANに関して紹介します.これまで256x256ほどのサイズだった画像生成を1024x1024の高解像度でかつ精度よく行えていることが特徴です.
PV 254
Fav 0
2018.07.05
InfoGAN
制御パラメータを持つ教師なし学習を行うGAN. 入力のいくらかを制御用のパラメータとして、出力にも同様のパラメータを出すようなネットワークにすることで、入力と出力に強い関係をもたせている。
PV 160
Fav 0
2018.01.10
WGAN
正式名はWasserstein GAN.GANの学習の不安定さを数学的に改善した。WGANを改良したWGAN-GPが近年用いられることが多い。
PV 154
Fav 0
2018.01.09
ConditionalGAN
調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。
PV 207
Fav 1
2018.01.09
おすすめのDeepLearningのネットワークはどれですか?
PV 38
Fav 0
2017.09.20
AlexNet
AlexNetはAlex,Hintonらによって開発されたCNN.全部で8層からなりうち5つがConvolution層.2012年画像分類の大会LSVRCにて好成績を残して注目される.
PV 94
Fav 0
2017.09.18
LeNetとは
LeNet(5)とは1990年代に作成された一番初めにConvolutional Neural Netowrkの基礎にあたるものを提案し使用したネットワーク.MNISTにおいて当時から高い精度を出していた.
PV 287
Fav 0
2017.09.18
ResNetとは
ResNetは2015年にMicrosoftより発表された152層からなるニューラルネットワーク. 今まで20層ほどで作られていたCNNを特別なユニットを挟むことで深くすることを可能にした.
PV 544
Fav 0
2017.09.13
LSTMとは
LSTMは時系列データのような連続したデータにおいて特に使用されるニューラルネットワーク。 翻訳、ビデオ等に対して有効に働く。
PV 98
Fav 0
2017.09.13
U-Net
U-netはConvolutional AutoEncoderの構造に似ておりEncoderの途中の層からDecoderへショートカットをもたせた構造になっている.領域分割などにおいて威力を発揮をしている.
PV 131
Fav 0
2017.09.13
Convolutional Neural Network
CNNとは,Convolution層を主要な層として繋げている画像処理に向いているニューラルネット.少し前まではPooling層も合わせることが多かったがPoolingで行っていたこともConvolutionで行わせることも増えてきた.BatchNormalization層を挿入することも多い.
PV 109
Fav 0
2017.09.13
Sparse AutoEncoder
中間層の値ができるかぎり0になる(スパース)ようにAutoEncoderの損失関数にペナルティを加えたネットワーク
PV 137
Fav 0
2017.09.13
Convolutional AutoEncoder
画像処理に向いているConvolution層を使ったAutoEncoder.デコーダではUnpooling層やDeconvolution層を使う.
PV 110
Fav 0
2017.09.13

ネットワーク構造人気知識・質問

Attention機構
Attention機構(注意機構)とは、主に機械翻訳や画像処理等を目的としたEncoder-Decoderモデルに導入される要素ごとの関係性、注意箇所を学習する機構.機械翻訳において翻訳対象の単語間の関係性や全体のコンテキストを考慮させるために考案されたものだが、画像処理などにおいても応用されている.
PV 1158
Fav 0
2018.12.08
シャムネットワーク
シャムネットワークは(Siamese Network)二つの画像の似ている似ていないという指標となる距離を学習するCNNを利用したニューラルネットワーク.二つのCNNは重みが共有されていてそれらの出力を距離を計算するネットワークに入力する.
PV 632
Fav 0
2018.07.15
ResNetとは
ResNetは2015年にMicrosoftより発表された152層からなるニューラルネットワーク. 今まで20層ほどで作られていたCNNを特別なユニットを挟むことで深くすることを可能にした.
PV 544
Fav 0
2017.09.13
pix2pixHD
pix2pixHDは複数の工夫を導入することでpix2pixでは256x256の画像生成であったのを2048x1024まで精度を改善したネットワーク.ResNetを使用したこと、ネットワーク構造を多段にすること、FeatureMatchingを採用したこと、マルチスケールの対応等の工夫を入れることで実現しています.
PV 330
Fav 0
2018.07.15
ACGAN
ACGAN(Auxiliary Classifier Generative Adversarial Network)は、DCGANではランダムノイズ列から画像を作っていただけにすぎない学習に加えて、画像のクラスラベル情報をGeneratorに入力しDiscriminatorで補助的なクラス識別タスクを行うことで、高精度な画像を生成できたネットワーク.学習は128x128の画像を入力としてImageNetの画像を使用している.
PV 315
Fav 0
2018.07.15
pix2pix
pix2pixはUNetとDCGANを組み合わせた汎用的な画像変換を学習することができるネットワーク.昼と夜の変換や航空写真と地図の変換等様々なタスクを行わせることができる.画像から画像の変換(Image to Image Translation)を行っているConditional GANの一種.
PV 313
Fav 0
2018.07.15
AutoEncoderとは
AutoEncoderとはニューラルネットで入力と出力を等しいものにして、ネットワークの前半と後半で対称的にした構造を持つネットワーク。特徴抽出器として使われる。
PV 301
Fav 0
2017.09.13
LeNetとは
LeNet(5)とは1990年代に作成された一番初めにConvolutional Neural Netowrkの基礎にあたるものを提案し使用したネットワーク.MNISTにおいて当時から高い精度を出していた.
PV 287
Fav 0
2017.09.18
SAGAN
SAGAN(Self Attention Generative Adversarial Network)はACGANやSNGANでも扱う画像生成タスクにおいてSelf Attention機構を導入することで高精度な画像生成を実現したネットワーク.
PV 274
Fav 0
2018.07.15
GANとは
近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.
PV 260
Fav 1
2017.09.13
PGGAN
高解像度な顔画像の生成を達成したProgressive Growing of GANに関して紹介します.これまで256x256ほどのサイズだった画像生成を1024x1024の高解像度でかつ精度よく行えていることが特徴です.
PV 254
Fav 0
2018.07.05
ConditionalGAN
調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。
PV 207
Fav 1
2018.01.09
DCGAN
GANに様々な工夫を入れて学習の安定性や精度を向上させた技術.Convolution層系列のみを使用しているのが特徴.
PV 206
Fav 0
2017.09.13
Denoising AutoEncoder
Denoising AutoEncoderは通常のAutoEncoderでは入力と出力を同じにして学習させるのに対して、わざと入力にノイズを載せそこから元の入力を出力するように学習させる技術です。
PV 200
Fav 0
2017.09.13
FCN (Semantic Segmentation)
FCN(Fully Convolutional Networks for Semantic Segmentation)は、FCNのネットワーク構造を用いてSemantic Segmentation(領域のクラス分類)を行っているネットワークです.ピクセルレベルでなんの物体なのかを推定します.全結合層を含まないためどのような大きさの画像に対しても適用できるのが特徴ですが、解像度が低くなりがちでまた境界あたりは分類の精度が低く曖昧になりがちです.
PV 183
Fav 0
2018.09.16
CycleGAN
比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)
PV 160
Fav 0
2017.09.13
InfoGAN
制御パラメータを持つ教師なし学習を行うGAN. 入力のいくらかを制御用のパラメータとして、出力にも同様のパラメータを出すようなネットワークにすることで、入力と出力に強い関係をもたせている。
PV 160
Fav 0
2018.01.10
WGAN
正式名はWasserstein GAN.GANの学習の不安定さを数学的に改善した。WGANを改良したWGAN-GPが近年用いられることが多い。
PV 154
Fav 0
2018.01.09
SegNet
SegNetはFCNより解像度よくSemanticSegmentationを行うことができるネットワーク.UnPooling層をDecoderに用いることでより細かい領域分割ができることを可能にした.またUnpoolingを用いて省メモリになったことも特徴.
PV 147
Fav 0
2018.09.16
Sparse AutoEncoder
中間層の値ができるかぎり0になる(スパース)ようにAutoEncoderの損失関数にペナルティを加えたネットワーク
PV 137
Fav 0
2017.09.13
おすすめのDeepLearningのネットワークはどれですか?
PV 38
Fav 0
2017.09.20