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。

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

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。

Python

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。

Q&A

解決済

1回答

831閲覧

SSDやM2Detにおいて異なるサイズのfeature mapsを並列に入力し、利用する原理?

OOZAWA

総合スコア45

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。

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

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。

Python

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。

0グッド

0クリップ

投稿2020/01/31 00:38

編集2020/02/04 09:00

イメージ説明![イメージ説明

SSDもM2Detも異なるサイズ(面積)の沢山のfearure maps (pyramid stack )を並列的にDetection層(ROI Align,classification)(SSDの場合)或いはPrediction層(M2Detの場合)に繋いでいるのですね。
mapサイズが異なるのに、Detection層やPrediction層にどうやって利用されるのでしょうか。

???? 基本原理だけでもご説明いただければ幸いですし、
????  感想や議論だけ入れていただいても嬉しいです。

どうぞ宜しくお願い致します。


  1. 面積サイズ同じfeature maps単位で別々に対してROI Alignを行い、Prediction層に繋いでいく?

  2. さらに提案されたobject 領域(proposals)も一つ一つ取り出してROI Alignを行う??

推論過程で 1,2処理のどれの中でも並行性なく逐次進めていくしかない?! 遅い、遅い!

⚠ ROI Align以降の部分のネットをGPUに分散して並列化も図れる?

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。

guest

回答1

0

ベストアンサー

いろんなサイズの Feature Map を作成して Concat する処理は比較的よく見る処理だと思われます。
この場合大抵いずれかの Feature Map のサイズに合わせて他の Feature Map のサイズを変更して揃えてから Concat することが多いです。

Convolution 層や Pooling 層で大きい方の Feature Map を小さくすることもできますが、
M2Det の場合下記のように Upsampling で小さい方の Feature Map を大きくすることでサイズを揃えているように見えます。

python

1 def _upsample_add(self, x, y, fuse_type='interp'): 2 _,_,H,W = y.size() 3 if fuse_type=='interp': 4 return F.interpolate(x, size=(H,W), mode='nearest') + y 5 else: 6 raise NotImplementedError 7 #return nn.ConvTranspose2d(16, 16, 3, stride=2, padding=1)

上記の _upsample_add を呼び出している箇所です。
https://github.com/qijiezhao/M2Det/blob/master/layers/nn_utils.py#L86-L90

投稿2020/02/04 06:05

fam_taro

総合スコア37

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。

OOZAWA

2020/02/04 08:55 編集

ご回答ありがとうございます。 例えば、添付した図に示しているように、MeDetもSSDも、Pyramidの形のfeature mapsが生成されていますね。それは直に最後の『Prediction Layer』やら『Detection Layer』に接続されています。 そもそも異なるscaleのfeature mapsを生成するのは違う解像度のfeatureを求めるためですから、 『Prediction Layer』や『Detection Layer』の中でfeature mapのサイズをわざわざ拡大したり、縮小したりはしないと思います。 そうしますと、これらの平面dimensionが一致しないmapはどうやって同じNNの入力として利用されるの?という質問ですね。  【通常特定のNNの入力dimensionが予め固定されたと思いますから】
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

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