質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Q&A

1回答

182閲覧

DNNの基本設計法に関する質問

oookabe

総合スコア126

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

0グッド

1クリップ

投稿2018/04/25 11:49

自分当初想像していたのは既存の有名DNNを少々弄ってなんとかなるという事ですが、
やはり違いますね。

① 基本は訓練画像の内容が異なるなら、DNNの構成も全然違う事になるし、
② 訓練画像の内容が同じであっても、カテゴリの割合が違えば、DNNの構成も全然違う事になる可能性が高い。

上記2点は私の現在の認識ですが、正しいかどうか、ご指摘くださいませ。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mkgrei

2018/04/25 13:29

構成というはなんでしょう?重みは学習するものですから、変わります。200x200で5回プーリングしているのが元のモデルで、それを20x20にしたら画素がなくなって問題だというのはあからさま過ぎる過ちで、そうでないのなら何が問題なのでしょうか?何を根拠にした問題意識なのか、掴みかねます。
tachikoma

2018/04/25 13:45

データの性質によって最適なモデルが異なるのではないか、という疑問ですか?
oookabe

2018/04/26 03:58 編集

皆さん お返答ありがとう御座います。 説明不足で申し訳ございません。 私が言っている『構成』とは、例えば、CNNの層の数(poolの設置位置や場所、数、及びdimensionまで) そして、各層のdimensionやfilterのサイズ です。 tachikoma さんが仰った意味と近いですね。 私のこれまでの認識では、学習画像の内容や数によって、上記ハイパーパラメータは基本として全部違います。なので、他人の特定画像LIBより学習・訓練済みのDNNやCNNを参考する価値が薄いではという疑念を持っています。 このような認識は正しいでしょうか。 また宜しくお願い致します。
guest

回答1

0

理論的な根拠はありませんが、よく知られているネットワーク構造(層の数・配置構成)は効率的に重みの学習ができるものではないかと想像しています。
(唯一の例外はプーリング層数。後述あり)

例えば、画像の分類であればAlexNetからスタートするとそんなに悪いことはないと思います。

層内のノードの数などはデータのスケールに依存します。
分類のラベルが1000であれば終端側のDense層のノード数が多くなるのは直感的に正しく、2であればノード数が少ない方が性能は良くなりそうです。


さて、プーリング層はそれに至るまでのBatchNormalization層・畳み込み層とセットで増減します。

例えばAlexNetをmnistに適用するためにはプーリング層セットを1つか2つ減らした方が良さそうです。
そのままでやるとFlattenするころには1ピクセルしか残らないので驚きはありません。


画像サイズを変化させない変換であれば少しは融通が利きます。

ResNetの層の数はかなりの自由度があることからイメージしていただければと思います。

それでもResNetはブロック単位で変化します。


いくつかの典型的なネットワークから学習の具合を見ながらマイナー調整することはあっても、全く異なる構造のネットワークをやることはあまりありません。
というよりもそれでいいモデルができたら論文一本分です。

既存のネットワークの構造というのは性能対計算コストのパフォーマンスが非常に優れていると感じています。

投稿2018/04/26 10:42

mkgrei

総合スコア8560

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

oookabe

2018/04/26 13:03

さすが、さすが、、、 自分がやりたいのは工業検査分野のチップ画像ですけれども、どうも既存の著名なDNNは自然物の写真で訓練されたばかりで、内容的にも、画像サイズ的にも(検査分野の画像が非常に大きい)、または訓練画像数にも差が大きい(こちら利用できるサンプル画像はせいぜい数百枚程度)。。。このような差があっても 著名なDNN構造を利用できるのでしょうか。 もし大きな改造をしなければならないのなら、0からの新規設計と変わらなくなるのではと危惧していますが。どうでしょうか。 宜しくお願い致します。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問