MXNet参考情報④MXNetの実装事例として、「物体検出」「3次元画像変換」「画風変換」「畳み込みニューラルネットワーク」「オンラインニュース記事の人気度分析」について紹介。

MXNet参考情報④MXNetの実装事例

MXNet参考情報④MXNetの実装事例として、「物体検出」「3次元画像変換」「画風変換」「畳み込みニューラルネットワーク」「オンラインニュース記事の人気度分析」について紹介。

MXNet参考情報④MXNetの実装事例

MXNetを利用した実装事例(物体検出、3次元画像変換、画風変換、CNNなど)について紹介します。

■物体検出

概要

MXNet実装「mxnet-ssd」での物体検出モデル作成がまとめられています。

「mxnet-SSD(Single Shot MultiBox Object Detector)」とは、単一ネットワークでのオブジェクト検出フレームワークです。オブジェクト検出タスクのトレーニング/評価/テストを行えます。

トレーニング用データセットとして「PASCAL VOC2007」を利用しています。

解説テーマ

・物体検出
・物体検出モデルの作成

ページリンク

→SoraLab →MXNet →Single Shot MultiBox DetectorのMXNet実装で物体検出モデルを作成してみた

■3次元画像変換

概要

MXNetのDeep3Dを利用して「2次元画像を3次元画像に変換する方法」についてまとめられています。

解説テーマ

・Deep3D
・2D・3D変換

ページリンク

→SoraLab →MXNet →MXNetのDeep3Dで画像の2D・3D変換を試してみた

■画風変換

概要

MXNetを利用して「Neural Art」による画風変換を行なう例です。

「ポメラニアン」画像を「ゴッホのひまわり」風に変換しています。

解説テーマ

・MXNet
・Neural Artによる画風変換
・ポメラニアン × ゴッホの『ひまわり』

ページリンク

→SoraLab →MXNet →MXNetのNeural Artで画風を変換してみた

■畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)

概要

MXNetのRパッケージでMNISTショートバージョンの分類タスクを試している例です。

解説テーマ

・Convolutional Neural Network (CNN)とは
・MXnetのRパッケージ{mxnet}で手持ちのMNISTショートバージョンの分類タスクを試してみる
・インストール
・データセットの準備
・Deep Neural Network (DNN)で試してみる
・Convolutional Neural Network (CNN)で試してみる
・他手法との比較

ページリンク

→六本木で働くデータサイエンティストのブログ →Deep Learningライブラリ{mxnet}のR版でConvolutional Neural Networkをサクッと試してみた(追記3件あり)

■オンラインニュース記事の人気度分析

概要

「あるサイトに掲載されたオンラインニュース記事が、それぞれどの程度シェアされたのか?」について、ディープラーニングで回帰処理を行っている例です。

解説テーマ

・下準備
・ベンチマーク(L1正則化回帰&ランダムフォレスト)
・MXnetでDNNを組んで回してみる
・MXnetで手動で試行錯誤する
・ベイズ最適化でチューニングを効率良く進める
・最後に

ページリンク

→六本木で働くデータサイエンティストのブログ →Deep Learningで遊ぶ(2): オンラインニュース人気度+ベイズ最適化によるパラメータチューニング

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

MXNet最新TOPICS

【OSS】深層学習フレームワーク「Apache MXNet 1.1.0」リリース---GPU学習速度が20%改善、ボキャブラリ構築用APIの実験的導入(2018年03月07日 11:03)

Apache MXNet Communityは、3月1日、 深層学習フレームワーク「Apache MXNet(incubating) 1.1.0」を公開した。 【Apache MXNetとは】 AWSが公式サポートしたディープラーニングフレームワーク https://www.ossnews.jp/oss_info/MXNet 【1.1.0のポイント】 ・GPU/CPU上の性能を...

MXNet最新CLOSEUPコラム

イベント情報

セミナー講演資料

無料資料プレゼント

2021/03/04 セキュリティDAYS Keyspider資料

講演資料を見るには、 プライバシーポリシーに同意して、送付先メールアドレスをご入力しご請求ください。

またご入力いただきました情報は、当該資料の作成・提供企業とも共有させていただき、当社及び各社のサービス、製品、セミナー、イベントなどのご案内に使用させていただきます。

本資料を見るには次の画面でアンケートに回答していただく必要があります。



セミナー講演資料公開中

ビッグデータ処理のデータベースとして MySQL HeatWave が最適な理由 〜AWS Aurora/Redshift、GCP BigQuery との性能&コスト比較〜

注目のDB技術「HTAP」とは? ~手軽に、かつ高速に、リアルタイム分析を実現する方法~

データ分析の課題をAWS Analyticsサービスで解決する方法

  • オープソース書籍(サイド)
  • OSSNEWSに広告を掲載しませんか?

facebook

twitter