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!

ただいまの
回答率

90.52%

  • Python

    7975questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    675questions

畳み込みニューラルネットワークと入力画像

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 330

dad

score 27

画像認識用の畳み込みニューラルネットワーク(CNN)を作ろうと思います。
CNNの知識は、「ゼロから作るDeepLearning」くらいの初心者です。実装は、MNISTのみやりました。

そこで、いくつか質問があります。

・インターネット上の文献やチューリアルは、どれも入力画像が正方形です。実際、入力画像は正方形出ないといけないのでしょうか?正方形の方が精度が高くなるのでしょうか?なぜ、正方形なのでしょうか?

・動画データなど、10枚の画像で1つのラベルをつけているとき、入力画像はどのように渡すべきでしょうか?
10枚渡して、その結果の平均値を出力として、処理すべきでしょうか?

回答よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

2つの質問にお答えさせていただきます

・インターネット上の文献やチューリアルは、どれも入力画像が正方形です。実際、入力画像は正方形出ないといけないのでしょうか?正方形の方が精度が高くなるのでしょうか?なぜ、正方形なのでしょうか?

結論から言いますと、正方形である必要性はありませんし正方形のほうが精度が高くなるということはありません。
一般的に正方形が使われている理由としましては、
CNNの作り方にもよるのですが、一般的に(Global Average Poolingなどのような手法を使っていなければ)CNNは同じサイズの画像しか処理することができません。(たとえば、224✕224の画像で学習された藻でrに300✕300を入れることができない)そのため正方形でモデルを作って、入力画像を中央をクロップしたり、無理やり正方形にリサイズして利用することが多くなります。

・動画データなど、10枚の画像で1つのラベルをつけているとき、入力画像はどのように渡すべきでしょうか?
10枚渡して、その結果の平均値を出力として、処理すべきでしょうか?

やり方はいろいろあります。
おっしゃられている方法もその一つだと思います。(その上でやりやすいのでかなり有力かと)

その他のやり方としては(いままで見たものをすべて書いているので筋悪のものもありますが)、

  • CNNで得られた特徴量をLSTMに入力する
  • 3D(3次元目は奥行方向ではなく時間方向とする) CNNなどを利用する
  • CNNで得られた特徴量を混ぜて入力するような識別器を作る。
  • channel 方向に画像をすべて入れてしまう
  • 画像を横にくっつける

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/17 15:33

    Global Average Poolingってcnnの出力層を各チャンネルの平均値だけを取り出す奴ですよね?
    それを使っても、同じサイズしか学習出来ないように思うのですが

    キャンセル

  • 2018/06/17 16:11

    @puroko3
    できない理由は何でしょうか?

    あんまり好まれなかったり、フレームワークによってはできなかったり、ミニバッチにするときに不都合があったりしますが、仕組み上はできるはずです。

    論点は一般的にCNNで固定長の画像しか処理できない理由がどこにあるかという話だと思うのですが、
    CNNの重み自身は画像の大きさに依存しない(畳み込みの窓のサイズのみなので)ため画像サイズが変わっても問題ありません。
    問題になっている部分は全結合層(とその前の特徴量の長さ)にあります。
    全結合層は一般的に重みが入力の大きさに依存します。
    Global Average Poolingを利用しない場合、一般的にはフラット化(C, H, Wで並んでるarrayをC*H*Wのarrayに変える)を行いその後に全結合層にかけます。
    そのときに画像のサイズが違ってしまうと全結合層の入力の大きさが変わってしまうため学習ができないということになってしまいます。

    Global Average Poolingを行った場合は出力層の各チャネルで平均を取る、つまり(C, H, W)のようなshapeを(C,)のようなshapeにかえるため、たとえその後全結合層を利用したとしても全結合層の入力の大きさが画像サイズが変わっても、変わらないため学習できる。

    と認識していますが、いかがでしょうか?

    キャンセル

  • 2018/06/17 16:21

    なるほど! 確かにその通りですね。
    cnnの重みが画像の大きさに依存していると勝手に思い込んでいました。
    失礼しました...

    キャンセル

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 90.52%
  • 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られる

関連した質問

  • 受付中

    機械学習のCNN

    機械学習のCNNについて GPU無しでCNNを動かすことは可能ですか?

  • 解決済

    TensoeFlowの画像分類(CNN)の処理が分からない.

    以下のコードがどういった処理を行っているのかわかりません. TensorFlowを用いた画像分類のCNN法のコードなのですが,どういう方法でニューラルネットワークを構築しているのか

  • 受付中

    Faster R-CNNについて

    Faster R-CNNについての質問です。 物体候補領域を決めるときk個のアンカーを用いて、各アンカーごとで物体らしさ(objectness)のスコアを得るところまでは理解したの

  • 解決済

    CNNの比較、改善点

     知りたいこと cyfer10に使用したCNNでなぜこのような差が出たのか、してはいけないことが含まれていたのか。 aidemyに使われていたCNNと層よりも、より層を増やして適当

  • 受付中

    mask r-cnnのdemo.ipynbでエラー

    jupyterでmask r-cnnのdemo.ipynbを実行したら下記のようなエラーが発生しました。 ModuleNotFoundError: No module named 

  • 解決済

    kerasのCNNについて

    https://qiita.com/hiroeorz@github/items/2fbb3b8d12b0e20f0384 上記の記事を参考にしてkerasでCNNをやってみたのです

  • 受付中

    kerasのCNNについて

    https://qiita.com/hiroeorz@github/items/2fbb3b8d12b0e20f0384 上記の記事を参考にしてkerasでCNNをやってみたのです

  • 解決済

    CNNのフィルターについて

    畳み込みニューラル・ネットワークの動画で https://youtu.be/4NX8RjAUpvw?t=2m55s 「下の層は畳み込まれ、一番上の層は完全に接続している」という意味

同じタグがついた質問を見る

  • Python

    7975questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • TensorFlow

    675questions