トップページ用語集,まとめページ用語集(データ処理,データベース,ディープラーニング分野)

用語集(データ処理,データベース,ディープラーニング分野)

データ処理,データベース,ディープラーニング分野のための基礎用語. 項目を 0-9,a-z, あーん,漢字順に並べている.

第三者のソフトウエア,データセット,製品等を説明しているものがあるが, それらの利用条件は利用者で確認すること.個々のソフトウエア,データセット,製品等の評価,評論は行わない.

【目次】

  1. 0-9 (数字)
  2. a-z (アルファベット)
  3. あ〜ん (ひらがな,カタカナ)
  4. あ〜ん (漢字)

【サイト内の関連ページ】

参考 Web ページ:

0-9 (数字)

2to3

2to3 は,Python バージョン 2 用のソースコードを Python バージョン 3 用に変換するプログラム.

詳しくは: 別ページで説明している.

300W (300 Faces-In-The_Wild) データセット

顔のデータベース,顔の 68 ランドマークが付いている.

【関連項目】 HELEN データセット, iBUG 300-W データセット, face alignment, 顔ランドマーク (facial landmark)の検出, 3次元の顔の再構成 (3D face reconstruction), OpenMMLab, 顔の 68 ランドマーク, 顔のデータベース

3DF Zephyr Free

3DF Zephyr Free は,フォトグラメトリのソフトウエア 3dF Zephyr の無料版

【関連項目】 フォトグラメトリ, Meshroom

3DDFA_V2

3DDFA_V2 は, 3次元の顔の再構成 (3D face reconstruction) のうち dense vertices regression を行う一手法.論文は,2020年発表.

Gradio での 3DDFA_V2 のオンライン実行

URL: https://github.com/cleardusk/3DDFA_V2

作成された3次元モデルを Blender にインポートした画面.

Google Colaboratory での 3DDFA_V2 のインストールとオンライン実行

次のページは,Google Colaboratory のページである.ページを開き実行できる.

URL: https://colab.research.google.com/drive/1OKciI0ETCpWdRjP-VOGpBulDJojYfgWv [Google Colaboratory]

実行により,3次元のポリゴンが得られていることを確認できる.

結果は /content/3DDFA_V2/examples/results/ にできる. ここには,顔の3次元データであるポリゴンメッシュ(.obj ファイル)もある.

.obj ファイルをダウンロードし Blender で表示してみると次のようになる.

【関連項目】 3次元の顔の再構成, 顔に関する処理

3次元姿勢推定 (3D pose estimation)

画像から,物体検出を行うとともに,その3次元の向きの推定も行う.

【関連項目】 Objectron

3次元ゲームエンジン (3-D game engine)

3次元ゲームエンジン (3-D game engine) の機能を持つソフトウエアとしては, GoDot, Open 3D Engine, Unreal Engine, Panda3D などがある.

3次元の顔の再構成 (3D face reconstruction)

3次元の顔の再構成 (3D face reconstruction) は, 顔の写った画像から,元の顔の3次元の形を構成すること.

3次元の顔の再構成は,次の2つの種類がある.

  1. 3次元の変形可能な顔のモデル (3D Morphable Model) について,そのパラメータを,画像を使って推定すること. FaceRig などが有名である.
  2. dense vertices regression: dense は「密な」,vertices は「頂点」,regression は「回帰」.画像から,顔の3次元データであるポリゴンメッシュを推定する

【関連項目】 3DDFA_V2 , 顔に関する処理

3次元再構成 (3D reconstruction)

3次元再構成 (3D reconstruction) の機能をもつソフトウエアとしては, colmapMeshroom がある.

【関連項目】 colmap, Meshroom, Multi View Stereo, OpenMVG, OpenMVS, Structure from Motion

3次元点群データ (3-D point cloud data)

3次元点群データ (3-D point cloud data) を扱うには,MeshLab や CloudCompare が便利である.

7-Zip のインストール

7-Zip は,Windows で動くソフトウエア.ファイルの圧縮や展開の機能を持つ.

7-Zip のURL: https://sevenzip.osdn.jp/

7-Zip のインストールの詳細: 別ページで説明している

a-z (アルファベット)

Aachen Day-Night データセット

URL: https://www.visuallocalization.net/datasets/

AdaDelta 法

M.Zeiler の AdaDelta 法は,学習率をダイナミックに変化させる技術. 学習率をダイナミックに変化させる技術は,その他 Adam 法なども知られる.

確率的勾配降下法 (SGD 法) をベースとしているが, 確率的勾配降下法が良いのか,Adadelta 法が良いのかは,一概には言えない.

Keras のプログラム】

from tensorflow.keras.optimizers import Adadelta
optimizer = Adadelta(rh=0.95)

M. Zeiler, Adadelta An adaptive learning rate method, 2012.  

Adam 法

Adam 法は,学習率をダイナミックに変化させる技術. 学習率をダイナミックに変化させる技術は,その他 AdaDelta 法なども知られる. Adam 法を使うプログラム例は次の通り.

Keras のプログラム】

m.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
    loss='sparse_categorical_crossentropy',
    metrics=['sparse_categorical_crossentropy', 'accuracy']
)

Diederik Kingma and Jimmy Ba, Adam: A Method for Stochastic Optimization, 2014, CoRR, abs/1412.6980

ADE20K データセット

ADE20K データセット は, セマンティック・セグメンテーション,シーン解析(scene parsing)インスタンス・セグメンテーション (instance segmentation)についてのアノテーション済みの画像データセットである.

次の特色がある

画像数,オブジェクト数などは次の通り.

利用には,次の URL で登録が必要.

ADE20K データセットの URL: http://groups.csail.mit.edu/vision/datasets/ADE20K/

【関連情報】

【関連項目】 semantic segmentation, シーン解析(scene parsing), インスタンス・セグメンテーション (instance segmentation), Detectron2 CASILVision, MIT Scene Parsing Benchmark, 物体検出

AFLW (Annotated Facial Landmarks in the Wild) データセット

AFLW (Annotated Facial Landmarks in the Wild) データセットは, Flickr から収集された24,386枚の顔画像である. さまざまな表情,民族,年齢,性別,撮影条件,環境条件の顔が収集されている. それぞれの顔には,最大21個の顔ランドマークが付けられている.

次の URL で公開されているデータセット(オープンデータ)である.

URL: https://www.tugraz.at/institute/icg/research/team-bischof/lrs/downloads/aflw/

【関連情報】

【関連項目】 顔のデータベース, 顔ランドマーク

Anaconda3 のインストール

Python 処理系, conda その他の詰め合わせ. パッケージ管理は anaconda, conda コマンドで行う. pip や python setpy.py でのインストール予定がない場合には候補の1つになりえる.

Windows での Anaconda3 のインストールには,複数の方法がある.次のいずれかによりインストールできる.

【関連項目】 Python のインストール

AgeDB データセット

手作業で収集された,「in-the-wild」の顔と年齢のデータベース. 年号まで正確に記録された顔画像が含まれている.

次の URL で公開されているデータセット(オープンデータ)である.

https://ibug.doc.ic.ac.uk/resources/agedb/

【関連項目】 顔認識 (face recognition), 顔のデータベース

AIM-500 (Automatic Image Matting-500) データセット

image matting のデータセット. 3種類の前景(Salient Opaque, Salient Transparent/Meticulous, Non-Salient)を含む 500枚の画像について,元画像と alpha matte と Trimap のデータセットである.

次の URL で公開されているデータセット(オープンデータ)である.

URL: https://drive.google.com/drive/folders/1IyPiYJUp-KtOoa-Hsm922VU3aCcidjjz

【関連用語】 image matting, オープンデータ (open data)

AlexeyAB darknet

AlexeyAB darknet は,YOLOv3, YOLOv4 の機能などを持つ.

Alexey による darknet の実装(GitHub)ページ: https://github.com/AlexeyAB/darknet

Alexnet

AlexNet の場合

input 3@224x224
conv 11x11
  96@55x55
pooling
conv 5x5
  256@27x27
pooling
  16@5x5
conv 3x3
  384@13x13
conv 3x3
  384@13xx13
conv 3x3 
  256@13x13
affine
  4096
affine
  4096
  1000

参考文献: ch08/deep=cnvnet.py

AP

機械学習による物体検出では, 「AP」は,「average precision」の意味である.

Applications of Deep Neural Networks

「Applications of Deep Neural Networks」は,ディープラーニングに関するテキスト. ニューラルネットワークCNN (convolutional neural network), LSTM (Long Short-Term Memory), GRU (Gated Recurrent Neural Networks), GAN (Generative Adversarial Network), 強化学習とその応用について学ぶことができる. Python, TensorFlow, Keras を使用している.

【関連項目】 CNN (convolutional neural network), GAN (Generative Adversarial Network), GRU (Gated Recurrent Neural Networks), Keras, LSTM (Long Short-Term Memory), TensorFlow, ディープラーニング ニューラルネットワーク, 強化学習

ArcFace 法

距離学習の1手法である. 分類モデルが特徴ベクトルを生成するための複数の層と,最終層の softmax から構成されているとき, その分類モデルでの,特徴ベクトルを生成するための複数の層の出力に対して, L2 正規化の処理と,Angular Magin Penalty 層による処理を追加し,softmax 層につなげる.

deepface, InsightFace などで実装されている.

【関連項目】 deepface, InsightFace, 顔検証 (face verification), 顔識別 (face identification), 顔認識 (face recognition), 顔に関する処理

BASNet (Boundary-Aware Salient object detection)

BASNet は, ディープラーニングにより,Salient Object Detection (顕著なオブジェクトの検出)を行う一手法.2019年発表.

BASNet は次の2つのモジュールから構成される.

Salient Object Detection は, 視覚特性の異なるオブジェクトを,画素単位で切り出す. 前景と背景の分離に役立つ場合がある.人間がマスクの指定や塗り分け(Trimap など)を行うことはない.

元画像

BASNet 法の結果

【関連用語】 U-Net, salient object detection, semantic segmentation,

Google Colaboratory での BASNet のインストールとオンライン実行

次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

BASNet のテストプログラムのオンライン実行を行うまでの手順を示す.

  1. BASNet プログラムなどのダウンロード**
    !git clone https://github.com/NathanUA/BASNet.git
    

  2. 学習済みモデルのダウンロード

    公式ページ https://github.com/xuebinqin/BASNet の指示による. 学習済みモデル(ファイル名 basenet.pth)は,次で公開されている. ダウンロードし,saved_models/basnet_bsi の下に置く

    https://drive.google.com/open?id=1s52ek_4YTDRt_EOkx1FS53u-vJa0c4nu

  3. テスト用の画像のダウンロードと確認表示
    %cd PyTorch-UNet 
    !curl -L https://github.com/opencv/opencv/blob/master/samples/data/fruits.jpg?raw=true -o fruits.jpg
    !curl -L https://github.com/opencv/opencv/blob/master/samples/data/home.jpg?raw=true -o home.jpg
    !curl -L https://github.com/opencv/opencv/blob/master/samples/data/squirrel_cls.jpg?raw=true -o squirrel_cls.jpg
    from IPython.display import Image, display
    display(Image('fruits.jpg'))
    display(Image('home.jpg'))
    display(Image('squirrel_cls.jpg'))
    


  4. BASNet の実行
    %cd BASNet
    !python basnet_test.py
    

  5. 結果の表示
    
    


Big Tranfer ResNetV2

【関連項目】 Residual Networks (ResNets)

BioID 顔データベース (BioID Face Database)

BioID 顔データベースは,23名, 1521枚のモノクロの画像.解像度は 384x286 である.目の位置に関するデータを含む.

BioID 顔データベースは次の URL で公開されているデータセット(オープンデータ)である.

https://www.bioid.com/facedb/

Blender

Blenderは,3次元コンピュータグラフィックス・アニメーションソフトウエアである. 3次元モデルの編集,レンダリング,光源やカメラ等を設定しての3次元コンピュータグラフィックス・アニメーション作成機能がある.

【関連項目】 bpy (blenderpy), yuki-koyama の blender-cli-rendering

Windows での Blender のインストール

Windows での Blender のインストールは,複数の方法がある.

Ubuntu での Blender のインストール

Ubuntu での Blenderインストールは,別ページで説明している.

Blender のモーショントラッキング機能

次の動画は,Blender のモーショントラッキング機能を用いた映像作成について説明している.

https://www.youtube.com/watch?v=lY8Ol2n4o4A

次の動画は,作成された映像,グリーンバックの映像である.

https://www.youtube.com/watch?v=FFJ_THGj72U

bpy (blenderpy)

bpy (blenderpy) では,Blender がPython モジュールになっている.

【関連項目】 Blender yuki-koyama の blender-cli-rendering

Windows での bpy (blenderpy) のインストール(PyPI を使用)

PyPI を用いてのインストールでは,2021年12月時点では,使用する Python はバージョン 3.7,Blender は 2.8. 新しい Blender の Python モジュールを必要する場合には,下の項目を見ること.

https://pypi.org/project/bpy/ の記載により,PyPI の bpy (blenderpy) のインストールを行う.

  1. 次のページで,必要な Python のバージョンを確認する.

    https://pypi.org/project/bpy/

  2. いま確認したバージョンの Python がインストールされていないときは, Python のインストールを行う.
  3. コマンドプロンプト管理者として実行し,次のコマンドを実行.

    -3.7」のところには, いま確認した Python のバージョンを指定する.

  4. インストールできたことの確認

    -3.7」のところには, いま確認した Python のバージョンを指定する.

    エラーメッセージが出ていなければ OK.

Windows での bpy (blenderpy) のインストール(ソースコード を使用)

詳しくは,別ページで説明している.

  1. 前準備

    C++ ビルドツール (Build Tools) のインストール, Git のインストール, cmake のインストール, svn のインストール, NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストールを行うこと. が必要.

  2. タグの確認

    インストールしたい Blender のバージョンにあうタグを,次のページで探す.

    https://github.com/blender/blender/tags

  3. Visual Studio の x64 Native Tools コマンドプロンプトを開く.
  4. Blender のソースコードをダウンロード

    v3.0.0」のところには,使用したいバージョンの Blender のタグを指定すること.

    mkdir c:\tools
    cd c:\tools
    rmdir /s /q blender
    git clone -b v3.0.0 https://github.com/blender/blender
    
  5. Blender のコンパイル済みのライブラリのダウンロード,Blender のビルド

    終了まで時間がかかるので,しばらく待つ

    cd c:\tools
    cd blender
    make update 2019b
    make release 2019b 
    
  6. Blender の Python モジュールのビルド
    cd c:\tools
    cd blender
    rmdir /s /q build
    mkdir build
    cd build
    cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 -DWITH_PYTHON_INSTALL=OFF -DWITH_PYTHON_MODULE=ON ..
    cmake --build . --config RELEASE --target INSTALL
    
  7. Python のバージョン, Python のインストールディレクトリを確認
  8. インストール

    c:\Program Files\Python39」のところは, Python のインストールディレクトリを指定すること.

    python -m pip install numpy
    cd c:\tools\blender\build\release
    copy bin\bpy.pyd c:\Program Files\Python39\Lib\site-packages\
    copy bin\*.dll c:\Program Files\Python39\Lib\site-packages\
    del c:\Program Files\Python39\Lib\site-packages\python36.dll
    xcopy /E bin\3.0 c:\Program Files\Python39\
    
  9. インストールできたかの確認

    コマンドプロンプトで次のコマンドを実行.

    エラーメッセージが出なければ OK.

    python -c "import bpy; scene = bpy.data.scenes['Scene']; print(scene)"
    

    [image]

Boost

Boost は, C++ のライブラリ.

Boost の URL: https://www.boost.org/

Windows での Boost のインストールとテスト実行

ソースコードからビルドする

  1. 前準備

    C++ ビルドツール (Build Tools) のインストール, Git のインストール, Python のインストール が必要.

  2. インストール

    C:\Program Files\boost 下にインストールするものとして説明する.

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    cd "c:\Program Files"
    rmdir /s /q boost
    git clone --recursive https://github.com/boostorg/boost
    cd boost
    .\bootstrap.bat
    .\b2.exe --prefix=build --build-type=complete toolset=msvc link=static,shared address-model=64 install
    
  3. バージョンとインクルードディレクトリの確認

    次のコマンドで確認する.ここで確認したことは,のちほど,使用する.

    dir "C:\Program Files\boost\build\include"
    
  4. システム環境変数の設定

    Windows での環境変数の設定は,マイコンピュータを右クリック → プロパティ→ 詳細設定 → 環境変数をクリック

    Windowsの画面の表示では、「\」(円マーク)が表示される

    • システム環境変数 Boost_ROOT の設定

      次のように設定する.今までの操作で「--prefix」のところに指定してきたディレクトリに一致させること.

      C:\Program Files\boost\build

    • システム環境変数 BOOST_LIBRARYDIR の設定

      次のように設定する.

      C:\Program Files\boost\build\lib

    • システム環境変数 LIB の設定

      C:\Program Files\boost\build\lib

    • システム環境変数 CPATH の設定

      boost-1_78」のところは,先ほど確認したインクルードディレクトリに一致させること.

      C:\Program Files\boost\build\include\boost-1_78

  5. テスト実行

    Visual Studio の x64 Native Tools コマンドプロンプト管理者として実行する. 次のコマンドを実行する.

    boost-1_78」のところは,先ほど確認したインクルードディレクトリに一致させること.

    cl /EHsc /I "C:\Program Files\boost\build\include\boost-1_78" ^
        "C:\Program Files\boost\libs\geometry\example\01_point_example.cpp" 
    .\01_point_example.exe
    

    [image]

Ubuntu での Boost のインストール

Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

sudo apt -y update
sudo apt -y install libboost-all-dev

Boston housing price 回帰データセット

Boston housing price 回帰データセットは,次のプログラムでロードできる.

Keras のプログラム】

from tensorflow.keras.datasets import boston_housing
(x_train, y_train), (x_test, y_test) = boston_housing.load_data()

【関連項目】 Keras に付属のデータセット

Box Annotation

ディープラーニングによる物体検出のための学習と検証では, アノテーションとして,物体のバウンディングボックスが広く用いられている.

ディープラーニングによるインスタンス・セグメンテーション (instance segmentation)でも, Tian らの BoxInst (2021年発表) のように,画素単位でのアノテーションでなく, バウンディングボックスを用いる手法が登場している.

【関連項目】 インスタンス・セグメンテーション (instance segmentation), バウンディングボックス, 物体検出,

cabani の MaskedFace-Net データセット

正しくマスクが装着された状態の顔の写真 (CMFD) と, 正しくマスクが装着されていない状態の顔の写真 (IMFD) のデータセット.

【関連項目】 顔のデータベース, 顔検出 (face detection)

データセットの利用例(Windows 上)

Chandrika Deb の顔マスク検出 (Chandrika Deb's Face Mask Detection) により, マスク有りの画像とマスク無しの画像を用いて,ディープラーニングによる学習を行い, その後,マスク有りの顔と,マスク無しの顔を検出.

次の2種類のデータを用いて学習を行い,マスク有りの顔と,マスク無しの顔を検出.

  1. Git のインストール
  2. Chandrika Deb の顔マスク検出のインストール

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    mkdir c:\pytools
    cd c:\pytools
    rmdir /s /q Face-Mask-Detection
    git clone https://github.com/chandrikadeb7/Face-Mask-Detection
    cd Face-Mask-Detection
    python -m pip install -U -r requirements.txt
    
  3. cabani の MaskedFace-Net データセットの URL: https://github.com/cabani/MaskedFace-Net

    CMFD.zip をダウンロードしたとして説明を続ける.

  4. 学習データの調整

    CMFD.zip を展開(解凍).中の画像ファイルを選び,c:\pytools\Face-Mask-Detection\dataset\with_mask にコピーする

  5. 学習と顔マスク検出
    source ~/a/bin/activate
    cd c:\pytools\Face-Mask-Detection
    python train_mask_detector.py --dataset dataset
    python detect_mask_image.py --image images/pic1.jpeg
    python detect_mask_video.py 
    

    結果のビデオファイル: ../db/1.mp4

Caffe

Caffe2

Caffe 2 のインストール

参考 Web ページ

Caltech Pedestrian データセット (Caltech Pedestrian Dataset)

Caltech Pedestrian データセット は,都市部を走行中の車両から撮影したデータ. 機械学習による物体検出 の学習や検証に利用できるデータセットである.

Caltech Pedestrian データセットは次の URL で公開されているデータセット(オープンデータ)である.

URL: http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/

【関連情報】

CelebA (Large-scale CelebFaces Attributes) データセット

Large-scale CelebFaces Attributes (CelebA) データセットは,顔画像とアノテーションのデータ. 機械学習による顔検出顔ランドマーク (facial landmark)顔認識,顔の生成などの学習や検証に利用できるデータセットである.

Large-scale CelebFaces Attributes (CelebA) データセットは次の URL で公開されているデータセット(オープンデータ)である.

URL: https://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

【関連情報】

【関連項目】 顔のデータベース, 顔ランドマーク (facial landmark)

CityGML

CityGML は,3次元の都市,3次元の景観を扱う機能を持つデータフォーマット. 次のようなモジュールがある.

Appearance, Bridge, Building, CityFurniture, LandUse, Relief, Transportation, Tunnel, Vegetation, Vegetation, WaterBody, TexturedSurface

[image]
12-019_OGC_City_Geography_Markup_Language_CityGML_Encoding_Standard.pdf のページ 34から転載

CityGML の公式情報は,Open Geospatial Consortium のページで公開されている.

Open Geospatial Consortium の CityGML ページ: https://www.ogc.org/standards/citygml

CityGML の仕様書も,このページで公開されている.

CityGML のビューワには FZKViewer がある. Windows での FZKViewer のインストールは 別ページで説明している.

【関連項目】 FZKViewer

CSAILVision

CSAILVision の公式デモ(GitHub のページ): https://colab.research.google.com/github/CSAILVision/semantic-segmentation-pytorch/blob/master/notebooks/DemoSegmenter.ip

CGAL

Windows での CGAL のインストール

CGAL のインストールは,複数の方法がある. ここでは, vcpkg を使う方法を説明する.

  1. 事前にvcpkg のインストールを行っておく.
  2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
    c:\vcpkg\vcpkg search cgal
    c:\vcpkg\vcpkg install cgal[qt]:x64-windows
    
  3. システムの環境変数 Path に,次を加える
    c:\vcpkg\installed\x64-windows\bin
    

Ubuntu での CGAL のインストール

Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

sudo apt -y update
sudo apt -y install libcgal-dev libcgal-qt5-dev

Chandrika Deb の顔マスク検出 (Chandrika Deb's Face Mask Detection) および顔のデータセット

写真やビデオから,マスクありの顔と,マスク無しの顔を検出する技術およびソフトウエア. 顔検出,マスク有りの顔とマスク無しの顔の分類を同時に行っている. MobileNetV2 (ディープニューラルネットワーク)を使用.

Bing Search API, Kaggle dataset, RMDF dataset から収集された顔のデータセット(マスクあり: 2165 枚,マスクなし 1930 枚)が同封.

ソースコードは公開されており,画像を追加して学習をやり直すことも可能

URL: Chandrika Deb, https://github.com/chandrikadeb7/Face-Mask-Detection

【関連項目】 cabani の MaskedFace-Net データセット, Face Mask Detection, マスク付き顔の処理 顔検出 (face detection)

Google Colaboratory で,Chandrika Deb による顔マスク検出の実行

次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

  1. インストール
    !rm -rf Face-Mask-Detection
    !git clone https://github.com/chandrikadeb7/Face-Mask-Detection
    %cd Face-Mask-Detection
    !pip3 install -U -r requirements.txt
    

    [image]
  2. 学習

    Chandrika Deb の顔マスク検出に同封のデータセット(Deb Bing Search API, Kaggle dataset, RMDF dataset から収集された顔のデータセット(マスクあり: 2165 枚,マスクなし 1930 枚)により学習を行う.

    !python3 train_mask_detector.py --dataset dataset
    

    [image]
  3. 顔マスク検出の実行
    !sed -i -e 's/cv2.imshow("Output", image)/cv2.imwrite("result.png", image)/g' detect_mask_image.py
    !sed -i -e 's/cv2.waitKey(0)//g' detect_mask_image.py
    !python3 detect_mask_image.py --image images/pic1.jpeg
    from IPython.display import Image, display
    display(Image('result.png'))
    

    [image]
  4. 手持ちの画像で顔マスク検出の実行

    curl は URL を指定して画像ファイルをダウンロードしている.

    !curl -O https://www.kkaneko.jp/sample/face/3284.png
    !python3 detect_mask_image.py --image 3284.png
    from IPython.display import Image, display
    display(Image('result.png'))
    

    [image]
    !curl -O https://www.kkaneko.jp/sample/face/3288.png
    !python3 detect_mask_image.py --image 3288.png
    from IPython.display import Image, display
    display(Image('result.png'))
    

    [image]

Windows での Chandrika Deb の顔マスク検出のインストールと学習と顔マスク検出

  1. 前準備:事前に Python のインストール, Git のインストール, NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストールを行うこと.
  2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
    mkdir c:\pytools
    cd c:\pytools
    rmdir /s /q Face-Mask-Detection
    git clone --recursive https://github.com/chandrikadeb7/Face-Mask-Detection
    cd Face-Mask-Detection
    python -m pip install -U -r requirements.txt
    
  3. 学習

    Chandrika Deb の顔マスク検出に同封のデータセット(Deb Bing Search API, Kaggle dataset, RMDF dataset から収集された顔のデータセット(マスクあり: 2165 枚,マスクなし 1930 枚)により学習を行う. その後,顔マスク検出を行う.

    cd c:\pytools\Face-Mask-Detection
    python train_mask_detector.py --dataset dataset
    
  4. 顔マスク検出の実行

    「python detect_mask_video.py 」はカメラの顔マスク検出を行う.

    cd c:\pytools\Face-Mask-Detection
    python detect_mask_image.py --image images/pic1.jpeg
    python detect_mask_video.py 
    

    [image]
  5. 手持ちの画像,動画で顔マスク検出の実行

    結果のビデオファイル: ../db/2.mp4

TensorFlow で,GPU のメモリ不足でエラーメッセージがでて,プログラムが止まる場合, プログラムの先頭部分に次を追加すると解決する場合がある.

メッセージ

Internal: Attempting to perform BLAS operation using StreamExecutor without BLAS support

解決策:Python プログラムの先頭部分に次を追加すると解決する場合がある.

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)

Ubuntu での Chandrika Deb の顔マスク検出のインストールと学習と顔マスク検出

前準備:事前に Python のインストール, NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストールを行うこと.

  1. Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.
    sudo apt -y update
    sudo apt -y install git
    
    cd /usr/local
    sudo rm -rf Face-Mask-Detection
    sudo git clone https://github.com/chandrikadeb7/Face-Mask-Detection
    sudo chown -R $USER Face-Mask-Detection
    
    # システム Python の環境とは別の Python の隔離された環境システム Python を使用)を作成
    sudo apt -y update
    sudo apt -y install python3-venv
    python3 -m venv ~/a
    source ~/a/bin/activate
    
    cd /usr/local/Face-Mask-Detection
    pip install -U -r requirements.txt
    pip list
    
  2. 学習

    Chandrika Deb の顔マスク検出に同封のデータセット(Deb Bing Search API, Kaggle dataset, RMDF dataset から収集された顔のデータセット(マスクあり: 2165 枚,マスクなし 1930 枚)により学習を行う. その後,顔マスク検出を行う.

    source ~/a/bin/activate
    cd /usr/local/Face-Mask-Detection
    python train_mask_detector.py --dataset dataset
    
  3. 顔マスク検出の実行

    「python detect_mask_video.py 」はカメラの顔マスク検出を行う.

    python detect_mask_image.py --image images/pic1.jpeg
    python detect_mask_video.py 
    

    [image]

CIFAR-10 データセット

CIFAR-10 データセット(Canadian Institute for Advanced Research, 10 classes) は,クラス数 10 の カラー画像と,各画像に付いたのラベルから構成されるデータセットである. 機械学習での画像分類の学習や検証に利用できる.

CIFAR-10 データセットは次の URL で公開されているデータセット(オープンデータ)である.

CIFAR-10 データセットの URL: https://www.cs.toronto.edu/~kriz/cifar.html

【関連情報】

【関連項目】 CIFAR-100 データセット(Canadian Institute for Advanced Research, 100 classes), Keras に付属のデータセット, TensorFlow データセット, オープンデータ, 画像分類

Python での CIFAR-10 データセットのロード(TensorFlow データセットを使用)

次の Python プログラムは,TensorFlow データセットから,CIFAR-10 データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

次のプログラムでは、x_train と y_train を 25枚分表示することにより,x_train と y_train が,画像であることが確認できる.

tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow.compat.v2 as tf
tf.enable_v2_behavior()
print(tf.__version__)
import numpy as np
import tensorflow_datasets as tfds
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# CIFAR-10 データセットのロード
cifar10, cifar10_metadata = tfds.load('cifar10', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
x_train, y_train, x_test, y_test = cifar10['train'][0], cifar10['train'][1], cifar10['test'][0], cifar10['test'][1]

plt.style.use('default')
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
# squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
    plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
    plt.xlabel(y_train[i].numpy())

# 確認表示
plt.show()

[image]

Python での CIFAR-10 データセットのロード(Keras を使用)

次の Python プログラムは,Keras に付属のデータセットの中にある CIFAR-10 データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

次のプログラムでは,x_train と y_train を 25枚分表示することにより,x_train と y_train が,カラー画像であることが確認できる.

import tensorflow.keras
from tensorflow.keras.datasets import cifar10
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# CIFAR-10 データセットのロード
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

plt.style.use('default')
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(x_train[i], cmap=plt.cm.binary)
    plt.xlabel(y_train[i])

# 確認表示
plt.show()

[image]

CIFAR-10 データセットのロードと正規化

次の Python プログラムは,TensorFlow データセットから,CIFAR-10 データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

次のプログラムでは、x_train と y_train を 25枚分表示することにより,x_train と y_train が,画像であることが確認できる.

tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

ロードの後,正規化を行う.type は型,shape はサイズ,np.max と np.mi は最大値と最小値.

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow.compat.v2 as tf
tf.enable_v2_behavior()
print(tf.__version__)
import numpy as np
import tensorflow_datasets as tfds
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# CIFAR-10 データセットのロード
cifar10, cifar10_metadata = tfds.load('cifar10', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
x_train, y_train, x_test, y_test = cifar10['train'][0], cifar10['train'][1], cifar10['test'][0], cifar10['test'][1]

plt.style.use('default')
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
# squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
    plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
    plt.xlabel(y_train[i].numpy())

# 確認表示
plt.show()

# メタデータの表示
print(cifar10_metadata)

# 正規化
# 【x_train, x_test, y_train, y_test の numpy ndarray への変換と,値の範囲の調整(値の範囲が 0 〜 255 であるのを,0 〜 1 に調整)】
x_train = x_train.numpy().astype("float32") / 255.0
x_test = x_test.numpy().astype("float32") / 255.0
y_train = y_train.numpy()
y_test = y_test.numpy()
print(type(x_train), x_train.shape, np.max(x_train), np.min(x_train))
print(type(x_test), x_test.shape, np.max(x_test), np.min(x_test))
print(type(y_train), y_train.shape, np.max(y_train), np.min(y_train))
print(type(y_test), y_test.shape, np.max(y_test), np.min(y_test))

[image]

CIFAR-100 データセット

CIFAR-100 データセット(Canadian Institute for Advanced Research, 100 classes) は,機械学習での画像分類の学習や検証に利用できるデータセット.

CIFAR-100 データセットは次の URL で公開されているデータセット(オープンデータ)である.

https://www.cs.toronto.edu/~kriz/cifar.html

【関連情報】

【関連項目】 CIFAR-10 データセット(Canadian Institute for Advanced Research, 10 classes), Keras に付属のデータセット, TensorFlow データセット, オープンデータ, 画像分類

Python での CIFAR-100 データセットのロード(TensorFlow データセットを使用)

次の Python プログラムは,TensorFlow データセットから,CIFAR-100 データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

次のプログラムでは、x_train と y_train を 25枚分表示することにより,x_train と y_train が,画像であることが確認できる.

tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow.compat.v2 as tf
tf.enable_v2_behavior()
print(tf.__version__)
import numpy as np
import tensorflow_datasets as tfds
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# CIFAR-100 データセットのロード
cifar100, cifar100_metadata = tfds.load('cifar100', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
x_train, y_train, x_test, y_test = cifar100['train'][0], cifar100['train'][1], cifar100['test'][0], cifar100['test'][1]

plt.style.use('default')
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
# squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
    plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
    plt.xlabel(y_train[i].numpy())

# 確認表示
plt.show()

[image]

CIFAR-100 データセットのロードと正規化

次の Python プログラムは,TensorFlow データセットから,CIFAR-100 データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

次のプログラムでは、x_train と y_train を 25枚分表示することにより,x_train と y_train が,画像であることが確認できる.

tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

ロードの後,正規化を行う.type は型,shape はサイズ,np.max と np.mi は最大値と最小値.

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow.compat.v2 as tf
tf.enable_v2_behavior()
print(tf.__version__)
import numpy as np
import tensorflow_datasets as tfds
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

# CIFAR-100 データセットのロード
cifar100, cifar100_metadata = tfds.load('cifar100', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
x_train, y_train, x_test, y_test = cifar100['train'][0], cifar100['train'][1], cifar100['test'][0], cifar100['test'][1]

plt.style.use('default')
plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
# squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
    plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
    plt.xlabel(y_train[i].numpy())

# 確認表示
plt.show()

# メタデータの表示
print(cifar100_metadata)

# 正規化
# 【x_train, x_test, y_train, y_test の numpy ndarray への変換と,値の範囲の調整(値の範囲が 0 〜 255 であるのを,0 〜 1 に調整)】
x_train = x_train.numpy().astype("float32") / 255.0
x_test = x_test.numpy().astype("float32") / 255.0
y_train = y_train.numpy()
y_test = y_test.numpy()
print(type(x_train), x_train.shape, np.max(x_train), np.min(x_train))
print(type(x_test), x_test.shape, np.max(x_test), np.min(x_test))
print(type(y_train), y_train.shape, np.max(y_train), np.min(y_train))
print(type(y_test), y_test.shape, np.max(y_test), np.min(y_test))

[image]

Cityscapes データセット

CityScapes データセット は,車両と人が撮影されたアノテーション済の画像データ. 機械学習でのセマンティック・セグメンテーション に利用できるデータセットである.

CityScapes データセットは次の URL で公開されているデータセット(オープンデータ)である.利用には登録が必要である.

https://www.cityscapes-dataset.com/

【関連情報】

【関連項目】 Detectron2, MMSegmentation, OpenMMLab, PANet

clapack

clapack は,元々 FORTRAN で書かれていた LAPACK の,C言語版 (C 言語に書き直されたもの)である. lapack は,行列に関する種々の問題(連立1次方程式,固有値問題,などなど多数)を解く機能を持つソフトウエア.BLAS の機能を使う.

【関連項目】 lapack, OpenBLAS

Windows での clapack のインストール

clapack のインストールは,複数の方法がある.

ここでは, vcpkg を使う方法を説明する.

  1. 事前にvcpkg のインストールを行っておく.
  2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
    c:\vcpkg\vcpkg search clapack
    c:\vcpkg\vcpkg install blas clapack lapack lapack-reference openblas[threads]:x64-windows
    
  3. システムの環境変数 Path に,次を加える
    c:\vcpkg\installed\x64-windows\bin
    

CLIP

CLIP(Contrastive Language-Image Pre-Training)では, テキスト画像のペアを用いて学習が行われる. GPT-2,GPT-3 のゼロショット学習 (zero-shot learning) のゼロショットと同様に, 画像に対して,テキストが結果として求まる. CLIP は,ImageNet データセット のゼロショットに対して, ResNet50と同等の性能があるとされる.

CLIP の GitHub のページ: https://github.com/openai/CLIP

CLIP のサンプルプログラムの実行結果は次の通り.

[image]

cmake

cmake は,ソフトウエアのソースコードからのビルドを簡単に行えるようにするためのソフトウエアである.

cmake のオプションは,Windows では cmake-gui コマンド,Ubuntu など linux 系では ccmake コマンドで確認できる.

cmake のジェネレータについて: 別ページで説明している.

cmake の使い方の例: 別ページで説明している.

cmake のダウンロード URL: https://cmake.org/download/

Windows での cmake のインストール

Windows での cmake のインストールには,複数の方法がある.次のいずれかによりインストールできる.

Ubuntu での cmake のインストール

Ubuntu では,端末で,次のコマンドを実行して,cmake をインストールする.

sudo apt -y update
sudo apt -y install cmake cmake-curses-gui cmake-gui

C-MS-Celeb Cleaned データセット

C-MS-Celeb Cleaned データセット は, MS-Celeb-1M データセット を整えたもの.間違いの修正など.

人物数は 94,682 (94,682 identities), 画像数は 6,464,018 枚 (6,464,018 images)

次の URL で公開されているデータセット(オープンデータ)である.

https://github.com/EB-Dodo/C-MS-Celeb

【関連項目】 顔のデータベース, MS-Celeb-1M データセット, 顔検出 (face detection)

CNN

CNN (convolutional neural network) は畳み込みニューラルネットワークのこと.

CNTK

COCO (Common Object in Context) データセット

機械学習による物体検出 ,オブジェクトのセグメンテーション(パノプティックを含む),キーポイント,姿勢推定,画像分類などの学習や検証に利用できるデータセットである.

COCO (Common Object in Context) データセットは次の URL で公開されているデータセット(オープンデータ)である.

COCO データセットのURL: https://cocodataset.org/

【関連情報】

【関連項目】 pycocotools, 物体検出, インスタンス・セグメンテーション (instance segmentation), keypoint detection, panoptic segmentation semantic segmentation,

Windows でのダウンロードと展開

c:\date\coco2014c:\date\coco2017 の下にダウンロード,展開する.

コマンドプロンプト管理者として実行し,次のコマンドを実行.

mkdir c:\data
mkdir c:\data\mscoco2017
cd c:\data\mscoco2017
curl -O http://images.cocodataset.org/zips/train2017.zip
curl -O http://images.cocodataset.org/zips/val2017.zip
curl -O http://images.cocodataset.org/zips/test2017.zip
curl -O http://images.cocodataset.org/annotations/annotations_trainval2017.zip
curl -O http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
curl -O http://images.cocodataset.org/annotations/panoptic_annotations_trainval2017.zip
"c:\Program Files\7-Zip\7z.exe" x train2017.zip
"c:\Program Files\7-Zip\7z.exe" x val2017.zip
"c:\Program Files\7-Zip\7z.exe" x test2017.zip
"c:\Program Files\7-Zip\7z.exe" x annotations_trainval2017.zip
"c:\Program Files\7-Zip\7z.exe" x stuff_annotations_trainval2017.zip
"c:\Program Files\7-Zip\7z.exe" x panoptic_annotations_trainval2017.zip

mkdir c:\data\mscoco2014
cd c:\data\mscoco2014
curl -O http://images.cocodataset.org/zips/train2014.zip
curl -O http://images.cocodataset.org/zips/val2014.zip
curl -O http://images.cocodataset.org/zips/test2014.zip
curl -O http://images.cocodataset.org/annotations/annotations_trainval2014.zip
"c:\Program Files\7-Zip\7z.exe" x train2014.zip
"c:\Program Files\7-Zip\7z.exe" x val2014.zip
"c:\Program Files\7-Zip\7z.exe" x test2014.zip
"c:\Program Files\7-Zip\7z.exe" x annotations_trainval2014.zip

Ubuntu でのダウンロードと展開

Ubuntu の場合.次により,/usr/local/mscoco2014, /usr/local/mscoco2017 にダウンロードされる.

sudo mkdir cd /usr/local/coco2017
sudo chown -R $USER /usr/local/coco2017
cd /usr/local/coco2017
cd /usr/local/coco2017
curl -O http://images.cocodataset.org/zips/train2017.zip
curl -O http://images.cocodataset.org/zips/val2017.zip
curl -O http://images.cocodataset.org/zips/test2017.zip
curl -O http://images.cocodataset.org/annotations/annotations_trainval2017.zip
curl -O http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
curl -O http://images.cocodataset.org/annotations/panoptic_annotations_trainval2017.zip
unzip -d train2017.zip 
unzip -d val2017.zip 
unzip -d test2017.zip
unzip -d annotations_trainval2017.zip
unzip -d stuff_annotations_trainval2017.zip
unzip -d panoptic_annotations_trainval2017.zip

sudo mkdir cd /usr/local/coco2014
sudo chown -R $USER /usr/local/coco2014
cd /usr/local/coco2014
curl -O http://images.cocodataset.org/zips/train2014.zip
curl -O http://images.cocodataset.org/zips/val2014.zip
curl -O http://images.cocodataset.org/zips/test2014.zip
curl -O http://images.cocodataset.org/annotations/annotations_trainval2014.zip
unzip -d train2014.zip
unzip -d val2014.zip
unzip -d test2014.zip
unzip -d annotations_trainval2014.zip

ファイルの配置は次のようになる(現在確認中).

coco2014/
  annotations/
  images/
  objectInfo150.txt
  sceneCategories.txt

coco2017/
  annotations/
  images/
  objectInfo150.txt
  sceneCategories.txt

Windows で COCO の Python API のインストール

  1. pycocotools をインストール

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    python -m pip install pycocotools
    
  2. COCO 2018 Panoptic Segmentation Task API のインストール

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    python -m pip install git+https://github.com/cocodataset/panopticapi.git
    

COCO の Keypoints 2014/2017 アノテーション

URL: https://cocodataset.org/#keypoints-2017

COCO の Keypoints 2014/2017 アノテーションは,次からダウンロードできる.

colmap

colmap は 3次元再構成の機能を持ったソフトウエア.

URL(公式リリース,Vocabulary tree, データセットへのリンクなど): https://demuc.de/colmap

公式リリースのページ(Windows 版,Mac版,): https://github.com/colmap/colmap/releases

説明: https://colmap.github.io

Gerrard Hall, Craham Hall, Person Hall, South Building データセット: https://colmap.github.io/datasets.html

Papers with Code の colmap のページ: https://paperswithcode.com/paper/structure-from-motion-revisited

文献

Johannes L. Schonberger, Jan-Michael Frahm, Structure-From-Motion Revisited, CVPR 2016, 2016

https://openaccess.thecvf.com/content_cvpr_2016/papers/Schonberger_Structure-From-Motion_Revisited_CVPR_2016_paper.pdf

【関連用語】 3次元再構成 (3D reconstruction), Multi View Stereo, OpenMVS, Structure from Motion

Windows でのインストールとテスト実行

  1. ダウンロード,展開(解凍)

    公式ページ https://demuc.de/colmapで「Pre-Release Version」のリンクをクリックし,その先のページからダウンロード

  2. 公式ページ https://demuc.de/colmapで,Vocabulary Trees と Datasets をダウンロード

  3. COLMAP.bat を実行
  4. メニューの「Reconstruction」. Image foloder は3次元再構成した画像のあるディレクトリを指定. Vocabulary tree は先ほどダウンロードしたVocabulary treeを指定. Workspace folder, Mask folder は,すでに存在するディレクトリを指定する(処理で使用される)
  5. 結果を確認

Coqui TTS

Coqui TTS は,音声合成および音声変換(Voice Changer)の研究プロジェクトならびに成果物.

Coqui の GitHub のページ: https://github.com/coqui-ai/TTS

【関連項目】 音声合成 (Text To Speech; TTS)

Google Colaboratory で,Coqui TTS の顔マスク検出の実行

公式の手順(https://github.com/coqui-ai/TTS/tree/dev#install-tts)に従う.

次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

次のコマンドを実行することにより,Coqui TTS のインストール,日本語のモデル類のダウンロード, 音声合成の実行が行われる. 結果は,tts_output.wav にできる.

!pip3 install TTS[all]
!git clone https://github.com/coqui-ai/TTS
%cd TTS
!pip3 install -e .[all]
!make system-deps
!make install
!python3 setup.py install
!tts --list_models
!tts --text "日本国民は正当に選挙された国会における代表者を通じて行動し、われらとわれらの子孫のために、諸国民と協和による成果と、わが国全土にわたって自由のもたらす恵沢を確保し、政府の行為によって再び戦争の惨禍が起こることのないようにすることを決意し、ここに主権が国民に存することを宣言し、この憲法を確定する。そもそも国政は国民の厳粛な信託によるものであって、その権威は国民に由来し、その権力は国民の代表者がこれを行使し、その福利は国民がこれを享受する。これは人類普遍の原理であり、この憲法は、かかる原理に基づくものである。われらはこれに反する一切の憲法、法令及び詔勅を排除する。" --model_name "tts_models/ja/kokoro/tacotron2-DDC" --vocoder_name "vocoder_models/ja/kokoro/hifigan_v1"

[image]

Ubuntu での Coqui TTS のインストールとテスト実行

公式の手順(https://github.com/coqui-ai/TTS/tree/dev#install-tts)に従う.

次のコマンドを実行することにより,Coqui TTS のインストール,日本語のモデル類のダウンロード, 音声合成の実行が行われる. 結果は,tts_output.wav にできる.

cd /usr/local
sudo pip3 install TTS[all]
sudo rm -rf TTS
sudo git clone https://github.com/coqui-ai/TTS
cd TTS
sudo pip3 install -e .[all]
sudo make system-deps
sudo make install
sudo python3 setup.py install
tts --list_models
tts --text "日本国民は正当に選挙された国会における代表者を通じて行動し、われらとわれらの子孫のために、諸国民と協和による成果と、わが国全土にわたって自由のもたらす恵沢を確保し、政府の行為によって再び戦争の惨禍が起こることのないようにすることを決意し、ここに主権が国民に存することを宣言し、この憲法を確定する。そもそも国政は国民の厳粛な信託によるものであって、その権威は国民に由来し、その権力は国民の代表者がこれを行使し、その福利は国民がこれを享受する。これは人類普遍の原理であり、この憲法は、かかる原理に基づくものである。われらはこれに反する一切の憲法、法令及び詔勅を排除する。" --model_name "tts_models/ja/kokoro/tacotron2-DDC" --vocoder_name "vocoder_models/ja/kokoro/hifigan_v1"

CSPNet (Cross Stage Parital Network)

CSPNet は,ステージの最初の特徴マップ (feature map) と最後の特徴マップ (feature map) を統合することを特徴とする手法.

CSPNet は, ResNet, ResNeXt, DenseNet などに適用でき, ImageNet データセットを用いた画像分類の実験では,計算コスト,メモリ使用量,推論の速度,推論の精度の向上ができるとされている. その結果として,物体検出 についても改善ができるとされている.

CSPNet の公式の実装 (GitHub) のページでは, 画像分類として, CSPDarkNet-53, CSPResNet50, CSPResNeXt-50, 物体検出として, CSPDarknet53-PANet-SPP, CSPResNet50-PANet-SPP, CSPResNeXt50-PANet-SPP 等の実装が公開されている.

Scaled_YOLOv4 では,CSPNet の技術が使われている.

【関連用語】 AlexeyAB darknet, 画像分類, 物体検出, Scaled_YOLOv4, pytorchimagemodels

csvkit

csvkit は,CSV ファイルを操作する機能を持ったソフトウエア.

csvkit の公式ドキュメント: https://csvkit.readthedocs.io/en/latest/

【主な機能】

csvkit のインストール

csvkit のインストールは次のような手順になる.

csvkit に同封されているデータファイル

次の URL で公開されている.

URL: https://github.com/wireservice/csvkit/tree/master/examples/realdata

上の URL をWebブラウザで開くか,次のコマンドでダウンロードできる.

curl -L -O https://raw.githubusercontent.com/wireservice/csvkit/master/examples/realdata/ne_1033_data.xlsx

CoRR

Computing Research Repository を,縮めて 「CoRR」という. URL は次の通り.

CoRR の URL: https://arxiv.org/corr

curl のインストール

  • curl の URL: https://curl.se/

    CuRRET データベース (Columbia-Utrecht Reflectance and Texture Database)

    反射率とテクスチャに関するデータベース

    CuRRET データベース (Columbia-Utrecht Reflectance and Texture Database)は次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://www.cs.columbia.edu/CAVE/software/curet/html/about.php

    DeepFace

    DeepFace は,ArcFace 法による顔識別の機能や,顔検出,年齢や性別や表情の推定の機能などを持つ.

    ArcFace 法は,距離学習の技術の1つである. 画像分類において,種類が不定個であるような画像分類に使うことができる技術である. 顔のみで動くということではないし, 顔の特徴を捉えて工夫されているということもない.

    DeepFace の URL: https://github.com/serengil/deepface

    ArcFace 法の概要は次の通り

    【関連項目】 ArcFace 法, 顔検出, 顔識別 (face identification), 顔認識, 顔に関する処理

    実験するときは,顔の部分だけを切り出す作業をペイントソフトなどで行い,その後実験に進むと良いと思います.

    Google Colaboratory で,DeepFace による顔識別の実行,年齢,性別,表情の推定の実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. インストールと設定
      !pip3 install deepface
      !git clone --recursive https://github.com/serengil/deepface
      
      from deepface import DeepFace
      import pandas as pd
      pd.set_option('display.max_rows', None)
      print(pd.get_option('display.max_rows'))
      

    2. 顔画像の準備

      単一のディレクトリ ./deepface/tests/dataset に,処理したい顔画像をすべて入れておく

    3. 顔識別の実行

      ディレクトリ内の全画像ファイルとの顔識別を行い,それぞれの顔画像ファイルとの距離を表示.

      df = DeepFace.find(img_path="./deepface/tests/dataset/img38.jpg", db_path="./deepface/tests/dataset", distance_metric='euclidean')
      a = df.sort_values('VGG-Face_euclidean')
      print(a)
      

    4. 年齢,性別,表情の推定の実行
      obj = DeepFace.analyze(img_path = "./deepface/tests/dataset/img38.jpg", actions = ['age', 'gender', 'emotion'])
      print(obj)
      

    DeepLab2

    セグメンテーションの機能を持つ TensorFlow のライブラリである. DeepLab, Panoptic-DeepLab, Axial-Deeplab, Max-DeepLab, Motion-DeepLab, ViP-DeepLab を含む.

    DeepLab2 の公式のデモ(Google Colaboratory のページ)の実行により,下図のように panoptic segmentation の結果が表示される.

    そのデモのページの URL: https://colab.research.google.com/github/google-research/deeplab2/blob/main/DeepLab_Demo.ipynb#scrollTo=6552FXlAOHnX

    [image]

    【関連情報】

    【関連項目】 semantic segmentation, panoptic segmentation, depth estimation

    Ubuntu での Deeplab2 のインストール

    ttps://github.com/google-research/deeplab2/blob/main/g3doc/setup/installation.md の記載による.

    1. Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.
      sudo apt -y update
      sudo apt -y install protobuf-compiler
      
      cd /usr/local
      sudo rm -rf deeplab2
      sudo git clone https://github.com/google-research/deeplab2.git
      sudo chown -R $USER deeplab2
      sudo rm -rf models
      sudo git clone https://github.com/tensorflow/models.git
      sudo chown -R $USER models
      
      # システム Python の環境とは別の Python の隔離された環境システム Python を使用)を作成
      sudo apt -y update
      sudo apt -y install python3-venv
      python3 -m venv ~/a
      source ~/a/bin/activate
      
      sudo pip3 install tensorflow tf-models-official pillow matplotlib cython 
      sudo pip3 install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI"
      
      # install pycocotools
      cd /usr/local
      sudo git clone https://github.com/cocodataset/cocoapi.git
      sudo chown -R $USER cocoapi 
      cd ./cocoapi/PythonAPI
      make
      
      # deeplab2
      export PYTHONPATH=$PYTHONPATH:/usr/local
      export PYTHONPATH=$PYTHONPATH:/usr/local/deeplab2
      # orbit
      export PYTHONPATH=$PYTHONPATH:/usr/local/models
      # pycocotools
      export PYTHONPATH=$PYTHONPATH:/usr/local/cocoapi/PythonAPI
      # 
      cd /usr/local
      protoc deeplab2/*.proto --python_out=.
      
      # 
      cd /usr/local
      bash deeplab2/compile.sh
      
      # Model training test (test for custom ops, protobuf)
      python deeplab2/model/deeplab_test.py
      
      # Model evaluator test (test for other packages such as orbit, cocoapi, etc)
      python deeplab2/trainer/evaluator_test.py
      

    DeepLabv3

    セマンティック・セグメンテーションのモデル. 2021年発表.

    【関連項目】 モデル, Residual Networks (ResNets)

    DenseNet121, DenseNet169

    CoRR, abs/1608.06993

    KerasDenseNet121 を用いて DenseNet121 を作成するプログラムは次のようになる. 「weights=None」を指定することにより,最初,重みをランダムに設定する.

    Keras のプログラム】

    m = tf.keras.applications.densenet.DenseNet121(input_shape=INPUT_SHAPE, weights=None, classes=NUM_CLASSES)
    

    Keras の DenseNet169 を用いて DenseNet169 を作成するプログラムは次のようになる. 「weights=None」を指定することにより,最初,重みをランダムに設定する.

    Keras のプログラム】

    m = tf.keras.applications.densenet.DenseNet169(input_shape=INPUT_SHAPE, weights=None, classes=NUM_CLASSES)
    

    Keras の応用のページ: https://keras.io/ja/applications/

    【関連項目】 モデル, 画像分類

    PyTorch, torchvision の DenseNet121 学習済みモデルのロード,画像分類のテスト実行

    PyTorch HUB のページ: https://pytorch.org/hub/pytorch_vision_densenet/ を参考にした.

    Google Colab あるいはパソコン(Windows あるいは Linux)を使用.

    1. 前準備

      前準備として,Python のインストール, PyTorch のインストール を行う.

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

      次に,pip を用いて,pillow のインストールを行う.

      pip install -U pillow
      
    2. ImageNet データセット で学習済みのDenseNet121 モデルのロード

      PyTorch, torchvision のモデルについては: https://pytorch.org/vision/stable/models.html に説明がある.

      import torch
      import torchvision.models as models
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      m = models.densenet121(pretrained=True).to(device)
      
    3. 画像分類したい画像ファイルのダウンロードとロードと確認表示
      from PIL import Image
      import requests
      from IPython.display import display
      
      # ダウンロードとロード
      url = 'https://github.com/pytorch/hub/raw/master/images/dog.jpg'
      response = requests.get(url)
      img = Image.open(requests.get(url, stream=True).raw)
      
      # 確認表示
      display(img)
      

      [image]
    4. 画像の前処理.PyTorch で扱えるようにするため.
      from PIL import Image
      from torchvision import transforms
      img = Image.open(filename)
      preprocess = transforms.Compose([
          transforms.Resize(256),
          transforms.CenterCrop(224),
          transforms.ToTensor(),
          transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
      ])
      input_tensor = preprocess(img)
      input_batch = input_tensor.unsqueeze(0)
      
    5. 推論 (inference) の実行

      「m.eval()」は,推論を行うときのためのもの.これを行わないと訓練(学習)が行われる.

      import torch
      if torch.cuda.is_available():
          input_batch = input_batch.to('cuda')
      
      m.eval()
      with torch.no_grad():
          output = m(input_batch)
      
    6. 結果の表示
      import urllib
      url, filename = ("https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt", "imagenet_classes.txt")
      try: urllib.URLopener().retrieve(url, filename)
      except: urllib.request.urlretrieve(url, filename)
      
      with open("imagenet_classes.txt", "r") as f:
          categories = [s.strip() for s in f.readlines()]
      
      # The output has unnormalized scores. To get probabilities, you can run a softmax on it.
      probabilities = torch.nn.functional.softmax(output[0], dim=0)
      print(probabilities)
      
      top5_prob, top5_catid = torch.topk(probabilities, 5)
      for i in range(top5_prob.size(0)):
          print(categories[top5_catid[i]], top5_prob[i].item())
      

      Google Colaboratory での結果

      [image]

      Windows での結果

      [image]

      Linux での結果

      [image]

    PyTorch, torchvision の DenseNet169 学習済みモデルのロード,画像分類のテスト実行

    PyTorch HUB のページ: https://pytorch.org/hub/pytorch_vision_densenet/ を参考にした.

    Google Colab あるいはパソコン(Windows あるいは Linux)を使用.

    1. 前準備

      前準備として,Python のインストール, PyTorch のインストール を行う.

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

      次に,pip を用いて,pillow のインストールを行う.

      pip install -U pillow
      
    2. ImageNet データセット で学習済みのDenseNet169 モデルのロード

      PyTorch, torchvision のモデルについては: https://pytorch.org/vision/stable/models.html に説明がある.

      import torch
      import torchvision.models as models
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      m = models.densenet169(pretrained=True).to(device)
      
    3. 画像分類したい画像ファイルのダウンロードとロードと確認表示
      from PIL import Image
      import requests
      from IPython.display import display
      
      # ダウンロードとロード
      url = 'https://github.com/pytorch/hub/raw/master/images/dog.jpg'
      response = requests.get(url)
      img = Image.open(requests.get(url, stream=True).raw)
      
      # 確認表示
      display(img)
      

      [image]
    4. 画像の前処理.PyTorch で扱えるようにするため.
      from PIL import Image
      from torchvision import transforms
      img = Image.open(filename)
      preprocess = transforms.Compose([
          transforms.Resize(256),
          transforms.CenterCrop(224),
          transforms.ToTensor(),
          transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
      ])
      input_tensor = preprocess(img)
      input_batch = input_tensor.unsqueeze(0)
      
    5. 推論 (inference) の実行

      「m.eval()」は,推論を行うときのためのもの.これを行わないと訓練(学習)が行われる.

      import torch
      if torch.cuda.is_available():
          input_batch = input_batch.to('cuda')
      
      m.eval()
      with torch.no_grad():
          output = m(input_batch)
      
    6. 結果の表示
      import urllib
      url, filename = ("https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt", "imagenet_classes.txt")
      try: urllib.URLopener().retrieve(url, filename)
      except: urllib.request.urlretrieve(url, filename)
      
      with open("imagenet_classes.txt", "r") as f:
          categories = [s.strip() for s in f.readlines()]
      
      # The output has unnormalized scores. To get probabilities, you can run a softmax on it.
      probabilities = torch.nn.functional.softmax(output[0], dim=0)
      print(probabilities)
      
      top5_prob, top5_catid = torch.topk(probabilities, 5)
      for i in range(top5_prob.size(0)):
          print(categories[top5_catid[i]], top5_prob[i].item())
      

      Google Colaboratory での結果

      [image]

      Windows での結果

      [image]

      Linux での結果

      [image]

    depthimage

    depth image は遠近である depth を示す画像. 画素ごとの色や明るさで depth を表示する.

    画像からの depth image の推定は,ステレオカメラや動画から視差を得る方法が主流である.

    monodepth2 法

    単一のカメラでの画像から depth image を推定する方法としては,ディープラーニングを用いる monodepth2 法 (2019 年発表) が知られる.

    monodepth2 の GitHub のページ: https://github.com/nianticlabs/monodepth2

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. インストール
      !pip3 install -U numpy pillow matplotlib torch torchvision opencv-python scikit-image
      !git clone --recursive https://github.com/nianticlabs/monodepth2
      

      [image]
    2. depth image プログラム実行
      %cd monodepth2
      !python test_simple.py --image_path assets/test_image.jpg --model_name mono+stereo_640x192
      

      [image]
    3. 画像表示
      from IPython.display import Image, display
      display(Image('assets/test_image.jpg'))
      display(Image('assets/test_image_disp.jpeg'))
      

      [image]
    4. 他の画像で試してみた場合
      [image]

      [image]

    Detectron2

    GitHub のページ: https://github.com/facebookresearch/detectron2

    ドキュメント: https://detectron2.readthedocs.io/en/latest/tutorials/getting_started.html

    関連プロジェクトのページ: https://github.com/facebookresearch/detectron2/tree/master/projects

    Yuxin Wu and Alexander Kirillov and Francisco Massa and Wan-Yen Lo and Ross Girshick, Detectron2, https://github.com/facebookresearch/detectron2, 2019.

    【関連項目】 ADE20K データセット, インスタンス・セグメンテーション (instance segmentation)

    Google Colaboratory で,Detectron2 のインスタンス・セグメンテーションの実行

    インストールは次のページで説明されている.

    https://github.com/facebookresearch/detectron2/releases

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する)

    1. Google Colaboratory で,ランタイムのタイプを GPU に設定する.
    2. NVIDIA CUDA ツールキット のバージョンを確認
      import torch
      CUDA_VERSION = torch.__version__.split("+")[-1]
      print(CUDA_VERSION)
      

      [image]
    3. PyTorch のバージョンを確認
      import torch
      TORCH_VERSION = ".".join(torch.__version__.split(".")[:2])
      print(TORCH_VERSION)
      

      [image]
    4. Detectron2 のインストール

      NVIDIA CUDA ツールキット 11.1, PyTorch 1.10 がインストール済みの場合には,次のようになる

      cu111/torch1.10」のところは, NVIDIA CUDA ツールキット のバージョン, PyTorch のバージョンに合わせる

      !pip3 install detectron2==0.6 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.10/index.html
      

      [image]
    5. Detectron2 のソースコードをダウンロード

      必要に応じて,中のファイルを利用できるように準備しておく.

      !curl -LO https://github.com/facebookresearch/detectron2/archive/refs/tags/v0.6.tar.gz
      !tar -xvzof v0.6.tar.gz
      

      [image]
    6. coco (common object in context) データセットの中の画像ファイルをダウンロード

      https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=FsePPpwZSmqt の記載による

      !curl -O http://images.cocodataset.org/val2017/000000439715.jpg
      from IPython.display import Image, display
      display(Image('000000439715.jpg'))
      

      [image]
    7. インスタンス・セグメンテーションの実行

      https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=FsePPpwZSmqt の記載による

      「im = cv2.imread('000000439715.jpg')」で,処理したい画像ファイルをロードしている.

      import detectron2
      from detectron2 import model_zoo
      from detectron2.engine import DefaultPredictor
      from detectron2.config import get_cfg
      from detectron2.utils.visualizer import Visualizer
      from detectron2.data import MetadataCatalog, DatasetCatalog
      
      cfg = get_cfg()
      # add project-specific config (e.g., TensorMask) here if you're not running a model in detectron2's core library
      cfg.merge_from_file(model_zoo.get_config_file("COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml"))
      cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5  # set threshold for this model
      # Find a model from detectron2's model zoo. You can use the https://dl.fbaipublicfiles... url as well
      cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url("COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml")
      predictor = DefaultPredictor(cfg)
      
      import cv2
      im = cv2.imread('000000439715.jpg')
      outputs = predictor(im)
      

      [image]
    8. インスタンス・セグメンテーションの結果の確認

      https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=FsePPpwZSmqt の記載による

      # look at the outputs. See https://detectron2.readthedocs.io/tutorials/models.html#model-output-format for specification
      print(outputs["instances"].pred_classes)
      print(outputs["instances"].pred_boxes)
      

      [image]
    9. インスタンス・セグメンテーションの結果の表示

      https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=FsePPpwZSmqt の記載による

      # We can use `Visualizer` to draw the predictions on the image.
      v = Visualizer(im[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2)
      out = v.draw_instance_predictions(outputs["instances"].to("cpu"))
      import matplotlib.pyplot as plt
      plt.imshow(out.get_image()[:, :, ::-1])
      

      [image]

    Windows での Detectron2 のインストールと動作確認

    次の記事に記載の手順による.

    https://dgmaxime.medium.com/how-to-easily-install-detectron2-on-windows-10-39186139101c

    1. コマンドプロンプト管理者として実行
    2. torch, torchvision, torchaudio のインストール

      PyTorch のページで確認のにち,次のようなコマンドを実行(実行するコマンドは,PyTorch のページの表示されるコマンドをそのまま使う).

      python -m pip install install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
      
    3. opencv-python, cython のインストール
      python -m pip install opencv-python cython
      
    4. pycocotools のインストール
      python -m pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI"
      
    5. Detectron2 のインストール

      https://github.com/DGMaxime/detectron2-windows を使用している.

      cd c:\
      rmdir /s /q detectron2-windows
      git clone https://github.com/DGMaxime/detectron2-windows.git
      cd detectron2-windows
      pip install -e .
      python tests/test_windows_install.py
      

      [image]

    Linux での Detectron2 のインストール

    インストールは次のページで説明されている.

    https://github.com/facebookresearch/detectron2/releases

    このページによれば,Linux マシンで,NVIDIA CUDA ツールキット 11.1, PyTorch 1.9 がインストール済みの場合には,次のような手順になる.

    python -m pip install detectron2==0.5 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.9/index.html
    

    diffusion model

    Jascha Sohl-Dickstein, Eric A. Weiss, Niru Maheswaranathan, Surya Ganguli, Deep Unsupervised Learning using Nonequilibrium Thermodynamics, arXiv:1503.03585 [cs.LG].

    display

    IPython の display は,画像表示の機能がある. display は,Jupyter Qt ConsoleGoogle Colaboratory などで動く

    次の Python プログラムは,画像ファイルのダウンロードとロードと確認表示を行う.確認表示で display を用いている.

    from PIL import Image
    import requests
    from IPython.display import display
    
    # ダウンロードとロード
    url = 'https://github.com/pytorch/hub/raw/master/images/dog.jpg'
    response = requests.get(url)
    img = Image.open(requests.get(url, stream=True).raw)
    
    # 確認表示
    display(img)
    

    [image]

    次の Python プログラムは,Iris データセットのロードと確認表示を行う. Pandas データフレームの df にロードしている. 確認表示で display を用いている.

    import pandas as pd
    from sklearn.datasets import load_iris
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    display(df)
    

    [image]

    Pandas データフレームのすべての行を表示したいときは,次のように 「pd.set_option('display.max_rows', None)」を使用する

    import pandas as pd
    from sklearn.datasets import load_iris
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    pd.set_option('display.max_rows', None)
    display(df)
    

    [image]

    Dlib

    Dlib は,数多くの機能を持つソフトウエア. Python, C++ のプログラムから使うためのインタフェースを持つ.

    Dlib の機能には,機械学習,数値計算,グラフィカルモデル推論,画像処理,スレッド,通信,GUI,データ圧縮・一貫性,テスト,さまざまなユーティリティがある.

    Dlib には,顔情報処理に関して,次の機能がある.

    ディープニューラルネットワークの学習済みモデルも配布されている

    Dlib の URL: http://dlib.net/

    Dlib の各種機能は: 別ページにまとめている.

    【関連項目】 FairFace, Max-Margin 物体検出 , 顔検出 (face detection), 顔ランドマーク (facial landmark), 顔のコード化

    Windows での Dlib のインストール

    Dlib のインストールは,複数の方法がある. ここでは,次の方法のいずれかを紹介する.

    Ubuntu での Dlib のインストール

    Dlib の顔検出

    Dlib の顔検出 は次の仕組みで行われる.

    Dlib には,ディープラーニングCNN (convolutional neural network) を用いた物体検出 が実装されている. そこでは,Max-Margin 物体検出法が利用されている(文献は次の通り). それにより,Dlib の顔検出 が行われる.

    Davis E. King, Max-Margin Object Detection, CoRR, abs/1502.00046, 2015

    Dlib を用いた顔検出のプログラム例

    次のページは,上のプログラム等を記載したGoogle Colaboratory のページである.ページを開き実行できる.

    URL: https://colab.research.google.com/drive/1q-dGCfre8MT5Zet2O3xYoYMUP0sx_KLc?usp=sharing [Google Colaboratory]

    Dlib の顔検出の詳しい手順: 別ページで説明している.

    Docker

    Docker はコンテナのソフトウエア.

    【関連情報】

    Ubuntu での Docker Engine のインストールと確認

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    この手順は, Install Docker Engine のページ: https://docs.docker.com/engine/install/による.

    1. Ubuntu で OS のシステム更新
      sudo apt -y update
      sudo apt -yV upgrade
      sudo /sbin/shutdown -r now
      
    2. 旧バージョンの削除
      sudo apt remove docker docker-engine docker.io containerd runc docker-ce docker-ce-cli
      
    3. Docker の公式の GPG キー
      curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
      sudo apt -y update
      
    4. stable レポジトリのセットアップ
      echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
        $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
      
    5. 前提ソフトウエアのインストール
      sudo apt -y install apt-transport-https ca-certificates curl gnupg lsb-release
      sudo apt -y install software-properties-common linux-image-generic 
      
    6. Docker Engine のインストール
      sudo apt -y install docker-ce docker-ce-cli containerd.io
      
    7. Docker Engine のインストールの確認
      sudo docker run hello-world
      
    8. 権限の設定
      sudo usermod -aG docker $USER
      
    9. 自動起動の設定
      sudo systemctl unmask docker.service
      sudo systemctl enable docker
      sudo systemctl is-enabled docker
      

    DUTS データセット

    DUTS データセットは,saliency detection のためのデータセットである. 10,553枚の訓練画像と5,019枚のテスト画像を含む.

    いずれも手動でアノテーションされている.

    次の URL で公開されているデータセット(オープンデータ)である.

    URL: http://saliencydetection.net/duts/

    【関連項目】 salient object detection, 物体検出

    Early Stopping

    Early Stopping は, 正則化 (regularization) のための一手法である. training loss の減少が終わるのを待たずに,学習の繰り返しを打ち切る. このとき,検証用データでの検証において,validation loss が増加を開始した時点で,学習の繰り返しを打ち切る.

    KerasEarly Stopping を自動で行いたいとき,次のようにコールバックを書く.

    Keras のプログラム】

    from kernel.callbacks import EarlyStopping
    cb = EarlyStopping(monitor='var_loss', patience = 10)
    

    コールバックは,次のようにして使用する.

    Keras のプログラム】

    history = m.fit(x_train, y_train, batch_size=32, epochs=50, validation_data=(x_test, y_test), callbacks=[cb])
    

    EasyOCR

    【関連項目】 OCR

    Google Colaboratory で,EasyOCR による日本語読み取りの実行

    公式の手順 (https://github.com/JaidedAI/EasyOCR)による

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. EasyOCR のインストール
      !pip3 install git+git://github.com/jaidedai/easyocr.git
      

      [image]
    2. 処理したい画像ファイルを Google Colaboratory にアップロードする

      [image]
    3. OCR の実行

      「ja」は「日本語」の意味.

      import easyocr
      reader = easyocr.Reader(['ja'])
      result = reader.readtext('1.png')
      

      [image]
    4. 結果の確認
      from IPython.display import display
      display(result)
      

      [image]

    JAIDED AI による EasyOCR のオンラインデモ

    JAIDED AI による EasyOCR のオンラインデモの URL: https://www.jaided.ai/easyocr/

    [image]

    [image]

    EdgeBoxes 法

    エッジから,オブジェクトのバンディングボックス(包含矩形)を求める方法.

    【関連項目】 物体検出

    EfficientDet

    zylo117 による EfficientDet の実装 (GitHub) のページ: https://github.com/zylo117

    【関連項目】 物体検出

    Google Colaboratory で,EfficientDet のインストール

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する)

    # install requirements
    !pip3 install pycocotools numpy opencv-python tqdm tensorboard tensorboardX pyyaml webcolors
    !pip3 install torch==1.4.0
    !pip3 install torchvision==0.5.0
     
    # run the simple inference script
    !git clone https://github.com/zylo117/Yet-Another-EfficientDet-PyTorch
    !mkdir Yet-Another-EfficientDet-PyTorch/weights
    !(cd Yet-Another-EfficientDet-PyTorch/weights; curl -L -O https://github.com/zylo117/Yet-Another-Efficient-PyTorch/releases/download/1.0/efficientdet-d0.pth)
    !(cd Yet-Another-EfficientDet-PyTorch; python3 efficientdet_test.py)
    

    [image]

    Eigen 3

    Eigen は, 設計演算,行列,ベクトル,数値解析,その他関連のアルゴリズムの機能を持ったソフトウエア.

    URL: https://eigen.tuxfamily.org/index.php

    Windows で Eigen 3 のインストール

    Windows での Eigen 3 のインストールは,複数の方法がある.

    ここでは, vcpkg を使う方法と, ソースコードからビルドする方法を説明する.

    Ubuntu で Eigen のインストール

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo apt -y update
    sudo apt -y install libeigen3-dev
    

    Everything

    Everything は,Windows で動くファイル検索のソフトウエア.

    Everything のページ http://www.voidtools.com/

    Windows での Everything のインストール

    Windows での cmake のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    FaceForensics++ データセット

    FaceForensics++ データセットは,自動合成された顔画像のデータセット

    FaceForensics++ データセットは,次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://github.com/ondyari/FaceForensics

    【関連情報】

    FairFace (Face Arrtibute Dataset for Balanced Race, Gender, and Age)

    性別,年齢,人種に関するバイアス (bias) 等の問題がないとされる顔データセットが発表された.2021年発表. 顔の性別,年齢等の予測の精度向上ができるとされている.

    【関連項目】 dlib, 顔のデータベース, 顔ランドマーク (facial landmark), 顔の性別,年齢等の予測

    Google Colaboratory での FairFace デモプログラムの実行

    顔の性別,年齢等の予測を行う.

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. Google Colaboratory で,ランタイムのタイプを GPU に設定する.
    2. ソースコード等のダウンロード

      !git clone https://github.com/dchen236/FairFace 
      

    3. 公式の GitHub のページの記載により,事前学習済みモデルをダウンロードする

      公式の GitHub のページ: https://github.com/dchen236/FairFace

      2つのファイルをダウンロードする.

    4. いまダウンロードしたファイルについて.

      Google Colaboratory 「fair_face_models」という名前のディレクトリを作る. そして,いまダウンロードしたファイルのファイル名を次のように変えて, 「fair_face_models」ディレクトリの下に置く. (ファイル名については,predict.py の中で指定されているファイル名にあわせる)

    5. 実行する

      %cd FairFace
      !python predict.py --csv test_imgs.csv
      

      test_imgs.csv には,次の画像ファイルのファイル名が設定されている.

      自前の画像で動作確認したいときは,画像ファイル名を書いた csv ファイルを準備する

    6. 実行結果の確認

      性別,年齢などが推定されている.

      !cat test_outputs.csv
      

    Windows での FairFace デモプログラムの実行

    顔の性別,年齢等の予測を行う.

    1. 前準備として pytorch, dlib のインストール,Git のインストールを行っておくこと
    2. ソースコード等のダウンロード

      git clone https://github.com/dchen236/FairFace 
      
    3. 公式の GitHub のページの記載により,事前学習済みモデルをダウンロードする

      公式の GitHub のページ: https://github.com/dchen236/FairFace

      2つのファイルをダウンロードする.

    4. いまダウンロードしたファイルについて.

      「fair_face_models」という名前のディレクトリを作る. そして,いまダウンロードしたファイルのファイル名を次のように変えて, 「fair_face_models」ディレクトリの下に置く. (ファイル名については,predict.py の中で指定されているファイル名にあわせる)

    5. 実行する

      cd FairFace
      python predict.py --csv test_imgs.csv
      

      test_imgs.csv には,次の画像ファイルのファイル名が設定されている.

      自前の画像で動作確認したいときは,画像ファイル名を書いた csv ファイルを準備する

    6. 実行結果の確認

      性別,年齢などが推定されている.

      type test_outputs.csv
      

    Fashion MNIST データセット

    Fashion MNIST データセットは,10 種類のモノクロ画像と,各画像に付いた ラベル(10 種類の中の種類を示す)から構成されるデータセットである.

    Fashion MNIST データセットは,次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://github.com/zalandoresearch/fashion-mnist

    【関連情報】

    【関連項目】 Keras に付属のデータセット, MNIST データセット, TensorFlow データセット, オープンデータ, 画像分類

    Python での Fashion MNIST データセットのロード(TensorFlow データセットを使用)

    次の Python プログラムは,TensorFlow データセットから,Fashion MNIST データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

    次の Python プログラムでは,TensorFlow データセットから,Fashion MNIST データセットのロードを行う. x_train と y_train を 25枚分表示することにより,x_train と y_train が,モノクロ画像であることが確認できる.

    tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    # MNIST データセットのロード
    mnist, mnist_metadata = tfds.load('mnist', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
    x_train, y_train, x_test, y_test = mnist['train'][0], mnist['train'][1], mnist['test'][0], mnist['test'][1]
    
    plt.style.use('default')
    plt.figure(figsize=(10,10))
    for i in range(25):
        plt.subplot(5,5,i+1)
        plt.xticks([])
        plt.yticks([])
        plt.grid(False)
    # squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
        plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
        plt.xlabel(y_train[i].numpy())
    
    # 確認表示
    plt.show()
    

    [image]

    Python での Fashion MNIST データセットのロード(Keras を使用)

    次の Python プログラムは,Keras に付属のデータセットの中にある Fashion MNIST データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

    from tensorflow.keras.datasets import fashion_mnist
    (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
    

    次の Python プログラムは,Keras に付属のデータセットの中にある Fashion MNIST データセットのロードを行う. x_train と y_train を 25枚分表示することにより,x_train と y_train が,モノクロ画像であることが確認できる.

    import tensorflow.keras
    from tensorflow.keras.datasets import fashion_mnist
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    # Fashion MNIST データセットのロード
    (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
    
    plt.style.use('default')
    plt.figure(figsize=(10,10))
    for i in range(25):
        plt.subplot(5,5,i+1)
        plt.xticks([])
        plt.yticks([])
        plt.grid(False)
        plt.imshow(x_train[i], cmap=plt.cm.binary)
        plt.xlabel(y_train[i])
    
    # 確認表示
    plt.show()
    

    [image]

    TensorFlow データセットからのロード,学習のための前処理

    TensorFlow データセット から Fashion MNIST データセット をロード

    結果は,TensorFlow の Tensor である.

    type は型,shape はサイズ,np.max と np.mi は最大値と最小値.

    tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    # Fashion MNIST データセットのロード
    fashion_mnist, fashion_mnist_metadata = tfds.load('fashion_mnist', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
    x_train, y_train, x_test, y_test = fashion_mnist['train'][0], fashion_mnist['train'][1], fashion_mnist['test'][0], fashion_mnist['test'][1]
    print(fashion_mnist_metadata)
    # 【x_train, x_test, y_train, y_test の numpy ndarray への変換と,値の範囲の調整(値の範囲が 0 〜 255 であるのを,0 〜 1 に調整)】
    x_train = x_train.numpy().astype("float32") / 255.0
    x_test = x_test.numpy().astype("float32") / 255.0
    y_train = y_train.numpy()
    y_test = y_test.numpy()
    print(type(x_train), x_train.shape, np.max(x_train), np.min(x_train))
    print(type(x_test), x_test.shape, np.max(x_test), np.min(x_test))
    print(type(y_train), y_train.shape, np.max(y_train), np.min(y_train))
    print(type(y_test), y_test.shape, np.max(y_test), np.min(y_test))
    

    Fast-Robust-ICP

    ICP の一手法

    Fast-Robust-ICP のページ(Git Hub): https://github.com/yaoyx689/Fast-Robust-ICP

    【関連項目】 K 近傍探索 (K nearest neighbour), ICP

    Google Colaboratory で,Fast-Robust-ICP の実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. インストール
      
      

      [image]
    2. Fast-Robust-ICP の実行

      実行でのオプションについては,Fast-Robust-ICP のページ(Git Hub): https://github.com/yaoyx689/Fast-Robust-ICP

      
      

      [image]

    Windows での Fast-Robust-ICP のインストール

    1. 前準備

      C++ ビルドツール (Build Tools) のインストール, cmake のインストール, Eigen 3 のインストール, Git のインストール が必要.

      cd c:\
      rmdir /s /q Fast-Robust-ICP
      git clone --recursive https://github.com/yaoyx689/Fast-Robust-ICP
      cd Fast-Robust-ICP
      rmdir /s /q build
      mkdir build
      cd build
      cmake -G "Visual Studio 16 2019" -T host=x64 ^
          -DCMAKE_BUILD_TYPE=Release ^
          -DCMAKE_INSTALL_PREFIX="c:/Fast-Robust-ICP" ^
          -DEIGEN3_INCLUDE_DIRS="c:/;c:/eigen" ^
      ..
      cmake --build . --config RELEASE
      cmake --build . --config RELEASE --target INSTALL
      

    FERET データベース

    FERET データベースは顔のデータベース.詳細情報は,次のWebページにある.

    https://www.nist.gov/itl/products-and-services/color-feret-database

    【関連項目】 顔のデータベース

    FFHQ (Flickr-Faces-HQ) データセット

    FFHQ (Flickr-Faces-HQ) データセット は,70,000枚の顔画像データセット. 機械学習による顔の生成などの学習や検証に利用できるデータセットである.

    FFHQ (Flickr-Faces-HQ) データセットは次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://github.com/NVlabs/ffhq-dataset

    【関連情報】

    【関連項目】 顔のデータベース

    FFmpeg

    FFmpeg は,動画のデコーダとエンコーダに関するソフトウエア.

    FFmpeg の公式ページ: https://ffmpeg.org/

    fine tuning (ファイン・チューニング)

    学習済みモデルを使用する. 学習済みモデルの一部に新しいモデルを合わせた上で,追加のデータを使い学習を行う. このとき,学習済みモデルの部分と,新しいモデルの部分の両方について,パラメータ(重みなど)の調整を行う.

    【関連項目】 画像分類 (image classification), 分類, 物体検出

    画像分類のモデル DETR での添加学習(woctezuma の Google Colaboratory のページを使用)

    woctezuma の Google Colaboratory のページを使用する

    URL: https://colab.research.google.com/github/woctezuma/finetune-detr/blob/master/finetune_detr.ipynb#scrollTo=KCrlzjaLQQMm

    このプログラムは,物体検出等の機能を持つモデルである DETR を使い, fine tuning (ファイン・チューニング)と,物体検出を行う.

    COCO データセットで学習済みの DETR について,確認のため, 物体検出を行ったあと, 風船(baloon)についてのfine tuning (ファイン・チューニング)を行い, 風船(baloon)が検出できるようにしている. 風船(baloon)は,COCO データセット には無い.

    1. woctezuma の Google Colaboratory のページを開く

      https://colab.research.google.com/github/woctezuma/finetune-detr/blob/master/finetune_detr.ipynb#scrollTo=KCrlzjaLQQMm

    2. torch 1.8.0, torchvision 0.9.0, torchtext 0.9.0 を使うように書き換える
      
      !pip3 uninstall -y torchtext
      !pip3 install torch==1.8.0 torchvision==0.9.0 torchtext==0.9.0
      import torch, torchvision
      print(torch.__version__, torch.cuda.is_available())
      
      torch.set_grad_enabled(False);
      

      [image]
    3. ソースコードの要点を確認する.

      COCO データセットのクラス名を確認する.

      orange, apple, banana, doc, person などがある.baloon は無い

      [image]

      detr_resnet50 の事前学習済みのモデルをダウンロードしている.

      [image]

      しきい値 0.9, 0.7, 0.0 の 3 通りで実行.しきい値を下げるほど,検出できる物体は増えるが,誤検知も増える傾向にある.

      [image]

      [image]

      fine tuning を行うため,風船 (baloon) の画像,そして,風船の領域を示した情報(輪郭線,包含矩形)の情報を使う. 画像は複数.そのうち1枚は次の通り.

      [image]

      過学習は起きていないようである

      [image]

      fine tuning により,風船(baloon)を検出できるようになった. しきい値は 0.9, 0.7 の 2通り.

      [image]
    4. 自前のデータでfine tuning を行いたいときは,このページの説明通り,COCO データのフォーマットでデータを準備する.

      そのフォーマットは,/content/data/custom (Google Colaboratory の data/custom の下のファイル)が参考になる.

      自前のデータが準備できたら,Google Colaboratory にアップロードし, 次のコードセルの「/content/data/custom」のところを書き換えて,再度実行する.

      [image]

    最初の物体検知(fine tuning の前)で,別の画像で試したいとき.

    画像ファイルをアップロード.プログラムは次のように書き換える.

    fname = '/content/5m126sn2pov30qzu3pc49lampcp6.jpg'
    im = Image.open(fname)
    scores, boxes = detect(im, detr, transform)
    

    URL: https://github.com/woctezuma/finetune-detr

    flann

    flann は近似近傍探索の機能を持ったソフトウエア

    Windows での flann のインストール

    flann のインストールは,複数の方法がある.

    ここでは, vcpkg を使う方法を説明する.

    1. 事前にvcpkg のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      c:\vcpkg\vcpkg search flann
      c:\vcpkg\vcpkg install flann[hdf5] hdf5
      
    3. システムの環境変数 Path に,次を加える
      c:\vcpkg\installed\x64-windows\bin
      

    FLIC (Frames Labeled In Cinema)データセット

    FLIC は, 5003枚の画像(訓練データ: 3987枚,検証データ: 1016枚)で構成されている. 画像の上半身についてアノテーションが行われている. ほとんどの人物がカメラ正面を向いている.

    ディープラーニングにより姿勢推定を行うためのデータとして利用できる.

    次の URL で公開されているデータセット(オープンデータ)である. http://bensapp.github.io/flic-dataset.html

    【関連情報】

    FordA データセット

    FordA データセットは,時系列データである.

    FordA データセットは,公開されているデータセット(オープンデータ)である.

    URL: http://www.timeseriesclassification.com/description.php?Dataset=FordA

    教師データ数:3601

    テストデータ数: 1320

    モーターセンサーにより計測されたエンジンノイズの計測値.

    FSDnoisy18k データセット

    20種類, 約 42.5 時間分のサウンドである.

    次の URL で公開されているデータセット(オープンデータ)である.

    http://www.eduardofonseca.net/FSDnoisy18k/

    【関連項目】 sound data

    FZKViewer

    URL: https://www.iai.kit.edu/1302.php

    Windows での FZKViewer のインストールは 別ページで説明している.

    FZKViewer で CityGML のファイルを開くときは, File, Open, Open GML File... と操作する.

    [image]

    ファイルが読み込まれると,次のように表示される.

    [image]

    【関連項目】 CityGML

    F 検定 (F test)

    帰無仮説: 正規分布に従う2群の標準偏差が等しい . F 検定を,t 検定の行う前の等分散性の検定に使うのは正しくないという指摘もある.

    R システム で,2群 s1, s2 の F 検定を行うプログラム

    var.test(s1, s2)
    

    【関連項目】 検定

    GAN (generative adversarial network)

    GAN (Generative Adversarial Network) では, 生成器 (generator) でデータを生成し, 識別機 (discriminator) で,生成されたデータが正当か正当でないかを識別する.

    【関連項目】 Applications of Deep Neural Networks, Real-ESRGAN, TecoGAN, Wasserstein GAN (WGAN), Wasserstein GAN with Fradient Penalty (WGAN-GP) ディープラーニング

    Git

    git はバージョン管理のソフトウエア.Windows 版の git の1つ「git for Windows」には,MinGWが同封されている.

    git の URL: https://git-scm.com/

    Windows でのGit のインストール

    Windows での git のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    Ubuntu でのGit のインストール

    Ubuntu での git のインストールは, 端末で,次のコマンドを実行.

    sudo apt -y update
    sudo apt -y install git
    

    Google アカウント

    Google アカウントは,Google のオンラインサービス等の利用のときに使うアカウント. Google オンラインサービスの利用条件などは,利用者で確認すること.

    Google アカウントの取得: 別ページで説明している.

    Google Colaboratory

    Google Colaboratory の利用により, オンラインで,Web ブラウザを用いて,次のことができる.

    Google Colaboratory は,オンラインで使用する. Google Colaboratory の使用には,Google アカウントの取得が必要.

    詳しくは: 別ページで説明している.

    Google Colaboratory で TensorFlow, Keras のバージョン確認

    Google Colaboratory のコードセルで,次の Python プログラムを実行

    import tensorflow as tf
    print(tf.__version__)
    
    import keras
    print(keras.__version__)
    

    [image]

    Google Colaboratory で NVIDIA CUDA のバージョン確認

    Google Colaboratory のコードセルで,次の Python プログラムを実行

    !nvcc -V 
    

    [image]

    Google Colaboratory のコードセルで,次の Python プログラムを実行

    import torch
    CUDA_VERSION = torch.__version__.split("+")[-1]
    print(CUDA_VERSION)
    

    [image]

    Google Colaboratory で GPU の確認

    !nvidia-smi --query-gpu=gpu_name,driver_version,memory.total --format=csv
    

    [image]

    Google Colaboratory を使用中であるかを判別する Python プログラム

    try:
        from google.colab import drive
        USE_COLAB = True
    except:
        USE_COLAB = False
    

    Google Colaboratory での実行結果

    [image]

    Windows のコマンドプロンプトでの実行結果

    [image]

    GPU

    GPU は,グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能,乗算や加算の並列処理の機能などがある.

    Graphviz

    Graphviz はグラフデータ構造の機能を持ったソフトウエアである.

    URL: https://graphviz.gitlab.io/

    Windows での Graphviz のインストール

    Windows での Graphviz のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    インストールの終了後,C:\Program Files\Graphviz\bin にパスを通す

    Ubuntu での Graphviz のインストール

    Ubuntu での graphviz のインストール

    sudo apt -y update
    sudo apt -y install graphviz libgraphviz-dev python3-graphviz
    

    grep

    grep は,正規表現で,テキストファイルの中から行を選択する機能を持つソフトウエア.

    Windows での grep のインストール

    1. 次のページから grep for Windows をダウンロードし,インストール

      http://gnuwin32.sourceforge.net/packages/grep.htm

    2. Windows のシステム環境変数 Path に次の値を追加し,パスを通す

      Windows での環境変数の設定は,マイコンピュータを右クリック → プロパティ→ 詳細設定 → 環境変数をクリック

      Windowsの画面の表示では、「\」(円マーク)が表示される

      • システム環境変数 Path
      • 追加する値: C:\Program Files(x86)\GnuWin32\bin

    He の初期値

    He らの方法 (2015年) では,前層のユニット数(ニューロン数)を n とするとき, sqrt( 2 / n ) を標準偏差とする正規分布に初期化する. ただし,この方法は ReLU に特化した手法であるとされている. この方法を使うとき,層の入力は,正規化済みであること.

    Kaiming He, Xiangyu hang, Shaoqing Ren and Jian Sun, Delving Deep into Rectifiers: Surpassing Human-Level, Performance on ImageNet Classification, pp. 1026^1-34.

    HDF5

    Windows での HDF5 のインストール

    HDF5 のインストールは,複数の方法がある.

    ここでは, vcpkg を使う方法を説明する.

    1. 事前にvcpkg のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      c:\vcpkg\vcpkg search hdf5
      c:\vcpkg\vcpkg install hdf5[zlib] zlib
      
    3. システムの環境変数 Path に,次を加える
      c:\vcpkg\installed\x64-windows\bin
      

    HELEN データセット

    HELENデータセットは,顔画像と,顔のパーツの輪郭のデータセットである.

    次の URL で公開されているデータセット(オープンデータ)である.

    http://www.ifp.illinois.edu/~vuongle2/helen/

    【関連情報】

    【関連項目】 顔のデータベース

    HMDB51 (a large human motion database) データセット

    HMDB51 (a large human motion database) データセット は,人間の行動データセット. 機械学習による行動分類,行動認識,ビデオ検索などの学習や検証に利用できるデータセットである.

    HMDB51 (a large human motion database) データセット >は次の URL で公開されているデータセット(オープンデータ)である.

    https://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/#introduction

    【関連情報】

    Hour Grass Network

    Hour Grass Network は,stacked hourglass と呼ばれるアーキテクチャを特色とする CNN (convolutional neural network) である.

    姿勢推定 (pose estimation) は,画像から,関節 (joint) の (x,y) 座標を得たり, ヒートマップを得る(ヒートマップでは,画素ごとに値を持ち,その値は,関節である確率が高いほど,高い値になる) 姿勢制御では,さまざまなスケールでの情報を扱うことが課題とされ, stacked hourglass で解決できるとされている. hougrass では,最初にプーリングを行い,その後アップサンプリングを行う. hougrass を直接に並べて stacked hourglass を構成する.

    Hour Grass Network の文献は次の通りである.

    A. Newell, K. Yang, and J. Deng. Stacked hourglass net- works for human pose estimation. In ECCV, 2016, CoRR, abs/1603.06937.

    https://arxiv.org/pdf/1603.06937v2.pdf

    【関連項目】 姿勢推定

    Windows でのインストールと学習

    Hour Grass Network を用いた姿勢推定については,次の文献がある.

    qhttps://github.com/bearpaw/pytorch-pose

    上の文献では,ディープラーニングにより,人体全身の姿勢推定を行っている. その学習は,次の手順で行う

    git clone https://github.com/bearpaw/pytorch-pose
    py -3.6 -m pip install scipy==1.1.0 imutils easydict progress
    py -3.6 -m pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
    cd pytorch-pose
    mkdir .\checkpoint
    mkdir .\checkpoint\mpii
    mkdir .\checkpoint\mpii\hg_s1_b1
    # MPII データセットを用いた学習
    py -3.6 .\example\main.py --dataset mpii --arch hg --stack 1 --block 1 --features 256 --checkpoint .\checkpoint\mpii\hg_s1_b1 --anno-path .\data\mpii\mpii_annotations.json --image-path .\mpii\images
    

    Human 3.6M データセット

    ディープラーニングにより姿勢推定を行うためのデータとして利用できる.

    利用には, https://vision.imar.ro/human3.6m/register.php での申請を必要とする.

    http://vision.imar.ro/human3.6m/description.php

    Catalin Ionescu, Dragos Papava, Vlad Olaru and Cristian Sminchisescu, Human3.6M: Large Scale Datasets and Predictive Methods for 3D Human Sensing in Natural Environments, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 36, No. 7, July 2014

    iBUG 300-W データセット

    iBUG 300-W データセットは, 顔の 68 ランドマーク のデータである.7764枚の顔画像について,手作業で,顔の 68 ランドマークのアノテーションとラベル付が行われている.

    顔ランドマーク (facial landmark)は,目,眉,鼻,口,あごのラインなど,顔のパーツの構造を特定でぃる形状予測器 (shape predictor) の学習に使うことができる.

    iBUG 300-W データセットの URL: https://ibug.doc.ic.ac.uk/resources/300-W/

    【関連項目】 顔の 68 ランドマーク, 顔ランドマーク (facial landmark), 顔のデータベース

    image content removal(画像コンテンツの除去)

    画像の中で,除去する対象となるオブジェクトの境界などを指定することにより, 指定されたオブジェクトを除去し,除去された部分の画素は, image completion and extrapolation で補う.

    次の文献では, 除去する対象となるオブジェクトの境界を正確に指定しなくても, オブジェクトスコアマップ (object score map) を scene parsing network を用いて 推定することにより, image content removal(画像コンテンツの除去)ができるとされている.

    この論文の手法の SunkskyF による実装は,次のページで公開されている.

    https://github.com/SunskyF/StructCompletion-python

    実行の前準備として,「pip install -U opencv-python opencv-contrib-python」を実行する.demo.py の実行結果は次のとおりである.

    [image]

    [image]

    【関連項目】 image completion and extrapolation

    ImageMagick

    【関連項目】 画像データの形式変換

    ImageMagick の主なコマンド

    Windows でのインストールは,別ページで説明している.

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo apt -y update
    sudo apt -y install imagemagick
    

    image matting

    前景の色を F,背景の色を B とし,元画像の色は I = alpha * F + (1 - alpha) * B とする. 元画像 I は既知であり,F, B, alpha は未知であるとする. このとき alpha を推定することを image matting という(alpha image matting ともいう).

    写真や動画の前景背景分離に用いることができる. 物体検出 や salient object detection との違いとしては, ガラスなどの半透明なもの,髪の毛や網のようなもの,そして,前景が必ずしも画面中央に集まっているとは限らず,画面全域にある(網越しに外を見るような場合)を想定していることがある.

    【関連情報】

    【関連項目】 AIM-500 (Automatic Image Matting-500) データセット

    Trimap-based matting

    trimap では,次の 3つを考える. 前景である画素は白,背景である画素は黒,transaction である画素は灰色の 3通りに 塗り分けた画像を trimap という.

    Trimap-based matting では, 元画像と,その trimap を用いて image matting を行う. ディープラーニングによる Trimap-based matting の手法としては,Xu らの Deep Image Matting (DIM) (2017年)(文献 [1]) などが知られている.

    【関連情報】

    Backgroud matting

    Backgroud matting は,image matting において背景画像を用いる. つまり,元画像と,追加の背景画像を用いて image matting を行う. 元画像での背景と,追加の背景画像は同一の場所で撮影されたものが想定されている.そのとき,全に一致しなくてもよい(わずかな位置のずれや照明条件の変化は許容される).

    ディープラーニングによるbackground matting Shanchuan Lin らの Backgroud Matting (2021年)(文献 [2])などが知られる. Backbone に ResNet-50, ASPP (Atrous Spatial Pyramid Pooling, DeepLabV3 のものに従う).

    Background matting では,Trimap を必要としない. ZOOM などのビデオ会議などで,グリーンバックを使わずに,前景と背景を分離するとき, 背景の取得は容易であり, Background matting は有用である.

    【関連情報】

    Portrait matting

    人物や動物に特化した image matting である. 人物や動物が写った写真や動画に対して,image matting を行う. このとき,Trimap や 背景画像などの追加の情報を準備することなく image matting を行う手法が種々提案されている.

    Automatic image matting

    Trimap や 背景画像などの追加の情報を必要とせず, 人物や動物など以外でも(例えば,半透明のコップ,網ごしの風景写真など) image matting を行うもの. Li らの GFM (文献 [3])(2020 年)は,ディープラーニングによる Trimap の推定が行われており, Li らの unified semantic model (文献 [4])(2021 年)は,Salient Opaque, Salient Transparent/Meticulous, Non-Salient の 3種類の画像を扱えるモデルであり,GGM の拡張により,unified semantic model の推定を行っている.

    ImageNet データセット

    ImageNet データセット は,画像分類物体検出 のベンチマークである「ImageNet Large Scale Visual Recognition Challenge(ILSVRC)」で使用されている. 機械学習での画像分類物体検出 の学習や検証に利用できるデータセットである.

    ImageNet データセットは次の URL で公開されているデータセット(オープンデータ)である.

    ImageNet データセットの URL: https://image-net.org/

    【関連情報】

    【関連項目】 画像分類, 物体検出

    IMDb データセット

    IMDb の URL: https://www.imdb.com/

    IMDb での映画の批評は,批評文とスコア(10点満点)である. IMDb データセットでは,7点以上の批評は positive,4点以下の批評は negative としている.つまり,2種類ある. そして,IMDb データセットには,positive か negative の批評のみが含まれている(中間の点数である 5点,6点のものは含まれていない).そして, positive,negative の批評が同数である. 学習用として,positive,negative がそれぞれ 25000. 検証用として,positive,negative がそれぞれ 25000.

    IMDb データセットのURL: https://ai.stanford.edu/%7Eamaas/data/sentiment/

    【関連項目】 Keras に付属のデータセット, TensorFlow データセット, オープンデータ,

    Python での IMDb データセットのロード(TensorFlow データセットを使用)

    次の Python プログラムは,TensorFlow データセットから,IMDb データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

    次のプログラムでは,そして確認表示を行う.

    tensorflow_datasets の loadで, 「batch_size = -1」を指定して,一括読み込みを行っている.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    imdb_reviews, imdb_reviews_metadata = tfds.load('imdb_reviews', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
    x_train, y_train, x_test, y_test = imdb_reviews['train'][0], imdb_reviews['train'][1], imdb_reviews['test'][0], imdb_reviews['test'][1]
    
    # 確認表示
    import pandas as pd
    display(pd.DataFrame(x_train[0:14], y_train[0:14]))
    

    [image]

    Python での IMDb データセットのロード(Keras を使用)

    IMDb データセットは,次のプログラムでロードできる.

    Keras のプログラム】

    from tensorflow.keras.datasets import imdb
    (x_train, y_train), (x_test, y_test) = imdb.load_data()
    

    Imm 顔データベース (IMM Face Database)

    40種類の人間の顔を撮影した240枚の画像. 58個の顔ランドマークが付いている.

    URL: http://www2.imm.dtu.dk/pubdb/pubs/3160-full.html

    M. M. Nordstr{\o}m and M. Larsen and J. Sierakowski and M. B. Stegmann, The IMM Face Database - An Annotated Dataset of 240 Face Images

    http://www2.imm.dtu.dk/pubdb/edoc/imm3160.pdf

    【関連項目】 顔のデータベース

    iNaturalist データセット

    画像のデータセット.アノテーションとしてバウンディングボックスが付けられている.Imbalance の大きさを特徴とする.

    次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://github.com/visipedia/inat_comp/tree/master/2017

    【関連項目】 画像分類, 物体検出

    InsightFace

    顔検出 (face detection),顔のアラインメント, 顔検証 (face verification)顔識別 (face identification)の機能を持つ.

    InsightFace の GitHub のページ: https://github.com/deepinsight/insightface

    【関連項目】 ArcFace 法, Chandrika Deb の顔マスク検出, Dlib の顔検出, face alignment, MobileFaceNets, 顔検出 (face detection)

    Google Colaboratory で,InsightFace による顔検出及び年齢と性別の予測

    公式ページ (https://github.com/deepinsight/insightface/tree/master/python-package) に記載の顔検出及び年齢と性別の予測のプログラムを変更して実行.

    このプログラムは buffalo_l という名前の事前学習済みモデルを使用している.

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. InsightFace のインストール

      GPU を使わない場合には「onnxruntime-gpu」でなく,「onnxruntime」をインストールすること.

      !pip3 install -U insightface onnxruntime-gpu opencv-python numpy
      

      [image]
    2. 顔検出及び年齢と性別の予測の実行

      動作確認のため,公式ページ (https://github.com/deepinsight/insightface/tree/master/python-package) に記載の,顔検出及び年齢と性別の予測のプログラムを実行する.

      このプログラムは buffalo_l という名前の事前学習済みモデルを使用している.

      • 顔検出のモデル: SCRFD-10GF
      • 顔認識のモデル: ResNet50@WebFace600K
      • 顔のアラインメント: 2d106, 3d68
      • 属性: 年齢,性別

      このプログラムの実行により,result.jpg ファイルができる.

      import cv2
      import numpy as np
      %matplotlib inline
      import matplotlib.pyplot as plt
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      img = ins_get_image('t1')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      cv2.imwrite("./result.jpg", rimg)
      

      [image]
    3. 顔検出及び年齢と性別の予測の実行

      顔の画像ファイルは何でも良いが,ここでは,画像ファイルをダウンロードしている.

      !curl -O https://www.kkaneko.jp/sample/face/3284.png
      !curl -O https://www.kkaneko.jp/sample/face/3285.png
      !curl -O https://www.kkaneko.jp/sample/face/3287.png
      !curl -O https://www.kkaneko.jp/sample/face/3288.png
      !curl -O https://www.kkaneko.jp/sample/face/3289.png
      !curl -O https://www.kkaneko.jp/sample/face/3290.png
      

      [image]

      いま準備した画像ファイルについて,顔検出及び年齢と性別の予測の実行

      import cv2
      import numpy as np
      %matplotlib inline
      import matplotlib.pyplot as plt
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      img = cv2.imread('3284.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      
      img = cv2.imread('3285.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      
      img = cv2.imread('3287.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      
      img = cv2.imread('3288.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      
      img = cv2.imread('3289.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      
      img = cv2.imread('3290.png')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      

      [image]

      [image]

      [image]

    Windows での InsightFace の Python パッケージのインストールとテスト実行

    1. 前準備

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

    2. InsightFace のインストール

      コマンドプロンプト管理者として実行し,次のコマンドを実行.

      GPU を使わない場合には「onnxruntime-gpu」でなく,「onnxruntime」をインストールすること.

      python -m pip install -U insightface onnxruntime-gpu opencv-python numpy
      
    3. 顔検出及び年齢と性別の予測の実行

      動作確認のため,公式ページ (https://github.com/deepinsight/insightface/tree/master/python-package) に記載の,顔検出及び年齢と性別の予測のプログラムを実行する.

      このプログラムは buffalo_l という名前の事前学習済みモデルを使用している.

      • 顔検出のモデル: SCRFD-10GF
      • 顔認識のモデル: ResNet50@WebFace600K
      • 顔のアラインメント: 2d106, 3d68
      • 属性: 年齢,性別

      このプログラムの実行により,result.jpg ファイルができる.

      import cv2
      import numpy as np
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      img = ins_get_image('t1')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      cv2.imwrite("./result.jpg", rimg)
      

      [image]
    4. パソコンに接続されたビデオカメラで動作してみる

      import cv2
      import numpy as np
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis()
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      v = cv2.VideoCapture(0)
      while(v.isOpened()):
          r, f = v.read()
          if ( r == False ):
              break
          faces = app.get(f)
          rimg = app.draw_on(f, faces)
          cv2.imshow("", rimg)
          if cv2.waitKey(1) & 0xFF == ord('q'):
              break
      

      [image]

      [image]

      [image]

    Ubuntu での InsightFace の Python パッケージのインストールとテスト実行

    1. 前準備

      前準備として,Python のインストール, PyTorch のインストール を行う.

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

      次に,pip を用いて,pillow のインストールを行う.

      pip install -U pillow
      
    2. インストール操作

      Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

      GPU を使わない場合には「onnxruntime-gpu」でなく,「onnxruntime」をインストールすること.

      sudo apt -y update
      sudo apt -y install python3-numpy libopencv-dev libopencv-core-dev python3-opencv libopencv-contrib-dev opencv-data
      sudo pip3 install -U insightface onnxruntime-gpu
      
    3. 顔検出及び年齢と性別の予測の実行

      動作確認のため,公式ページ (https://github.com/deepinsight/insightface/tree/master/python-package) に記載の,顔検出及び年齢と性別の予測のプログラムを実行する.

      このプログラムは buffalo_l という名前の事前学習済みモデルを使用している.

      • 顔検出のモデル: SCRFD-10GF
      • 顔認識のモデル: ResNet50@WebFace600K
      • 顔のアラインメント: 2d106, 3d68
      • 属性: 年齢,性別

      このプログラムの実行により,result.jpg ファイルができる.

      import cv2
      import numpy as np
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      img = ins_get_image('t1')
      faces = app.get(img)
      rimg = app.draw_on(img, faces)
      plt.style.use('default')
      plt.imshow(cv2.cvtColor(rimg, cv2.COLOR_BGR2RGB))
      plt.show()
      cv2.imwrite("./result.jpg", rimg)
      

      [image]
    4. パソコンに接続されたビデオカメラで動作してみる

      import cv2
      import numpy as np
      import insightface
      from insightface.app import FaceAnalysis
      from insightface.data import get_image as ins_get_image
      
      app = FaceAnalysis()
      app.prepare(ctx_id=0, det_size=(640, 640))
      
      v = cv2.VideoCapture(0)
      while(v.isOpened()):
          r, f = v.read()
          if ( r == False ):
              break
          faces = app.get(f)
          rimg = app.draw_on(f, faces)
          cv2.imshow("", rimg)
          if cv2.waitKey(1) & 0xFF == ord('q'):
              break
      

    Iris データセット

    Iris データセットは公開されているデータセット(オープンデータ)である.

    Iris データセットについての説明資料を準備している: iris.pdf [PDF], [パワーポイント]

    次の Python プログラムは,Iris データセットのロードと確認表示を行う. Pandas データフレームの df にロードしている. 確認表示で display を用いている.

    import pandas as pd
    from sklearn.datasets import load_iris
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    display(df)
    

    [image]

    次の Python プログラムは,Iris データセットのロードと確認表示を行う.配列 X, y にロードしている. 確認表示で display を用いている.

    import pandas as pd
    from sklearn.datasets import load_iris
    from IPython.display import display
    
    iris = load_iris()
    x = iris.data
    y = iris.target
    display(x)
    display(y)
    

    [image]

    【関連項目】 オープンデータ, データフレーム

    JAX: Autograd and XLA のインストール(Ubuntu 上)

    URL: https://github.com/google/jax

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo apt -y install python3-pip
    sudo pip3 install -U "jax[cuda111]" -f https://storage.googleapis.com/jax-releases/jax_releases.html
    

    Johns Hopkins 大の COVID-19 データレポジトリ

    国別,地域別の感染者データ

    URL: https://github.com/CSSEGISandData/COVID-19

    次の Python プログラムは, Johns Hopkins 大の COVID-19 データレポジトリからデータをダウンロードし,ロードし,表示する.

    !curl -LO https://github.com/CSSEGISandData/COVID-19/raw/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv
    import pandas as pd
    df = pd.read_csv("./time_series_covid19_confirmed_global.csv")
    display(df)
    display(df.groupby(['Country/Region'], as_index=False).sum())
    

    【関連項目】 時系列データ

    JupyterLab

    Jupyter Lab は Python プログラム作成に関する種々の機能を持ったソフトウエア.

    JupyterLab について:別ページ で説明している.

    Jupyter Qt Console

    Jupyter Qt Console は Python コンソールの機能を持ったソフトウエア.

    Jupyter Qt Console について:別ページ で説明している.

    Jupyter ノートブック (Jupyter Notebook)

    Jupyter ノートブックは,Pythonなどのプログラムのソースコード,実行結果などを1つのノートとして残す機能をもったノートブック.

    Jupyter ノートブック について:別ページ で説明している.

    Keras

    Keras は 機械学習のAPI の機能を持つ. Python 言語から利用可能. TensorFlow, CNTK, Theano など,さまざまなディープラーニングのフレームワークの上で動く.

    参考 Web ページ

    Keras の概要

    次のプログラムでは,損失関数を, categorical crossentropy, 最適化法を 確率的勾配降下法 (SGD 法), 尺度を accuracy に設定している.

    m.compile(optimizer=tf.keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
    

    ※ 目的関数については: https://keras.io/ja/objectives/

    【関連項目】 Applications of Deep Neural Networks, TensorFlow, ディープラーニング

    Keras のインストール

    Keras-GAN のページ

    Avatar Erik Linder-Norén により GitHub で公開されているKeras-GAN のページ

    URL は次の通り.

    Keras-GAN のページ: https://github.com/eriklindernoren/Keras-GAN  

    Keras でのカーネルの初期化

    次のプログラムの中の kernel_initializer の部分. 標準偏差を 0.01 になるように重みを設定している.

    Keras のプログラム】

    m.add(Dense(units=100, input_dim=len(768[0])), kernel.iniializer.TruncatedNormal(stddev=0.01))  
    
     

    Keras での学習

    教師データ x_trainy_train (x_train は入力データの numpy 配列もしくは numpy 配列のリスト,y_train はクラス番号の numpy 配列)を用いて, バッチサイズが 32,エポック数を 10 として学習したいときには,次のコマンドを用いる.

    Keras のプログラム】

    history = m.fit(x_train, y_train, batch_size=32, epochs=50, validation_data=(x_test, y_test))
    
     

    Keras での検証(バリデーション)

    Keras での学習において,「validation_data」を付けることで,検証(バリデーション)が行われる.

    このとき,検証(バリデーション)に使うデータ(x_test, y_test)をいろいろ変えながら,Kerasでの検証(バリデーション)を行う.

    Keras のプログラム】

    history = m.fit(x_train, y_train, batch_size=32, epochs=50, validation_data=(x_test, y_test))
    

    結果(上のプログラムでは history)を見て,過学習学習不足を判断する.history は次のようなプログラムで表示できる.

    Keras のプログラム】

    import pandas as pd
    h = pd.DataFrame(history.history)
    h['epoch'] = history.epoch
    print(h)
    
     

    Keras でのコンパイル

    Kerasモデルのコンパイルにおいては, オプティマイザ(最適化器)損失関数メトリクスの指定を行う必要がある.

    Keras でのモデル m のコンパイルのプログラムは「m.compile」のように書く.

    Keras に付属のデータセット

    データセットは,データの集まりのこと. Python の keras には,次のデータセットを簡単にダウンロードできる機能がある.

    keras に付属のデータセットを取得するときのオプションについては, https://keras.io/ja/datasets/(日本語版), https://keras.io/datasets/(英語版) に説明されている.

    【関連項目】 Boston housing price 回帰データセット, CIFAR-10 データセット, CIFAR100 データセット, IMDb データセット, Reuters newswire topics データセット, MNIST データセット, Fashion MNIST データセット  

    Keras の応用

    Keras の応用としては, MobileNetV2, Inception-ResNet, ResNet50DenseNet121, DenseNet169NASNetなどの画像分類のモデルがある. (その詳細は,https://keras.io/ja/applications/

    Keras では,これらモデルについて,ImageNet データセット での学習済みモデルを,次のようなプログラムで,簡単に使えるようにすることができる.

    Keras のプログラム】

    from tensorflow.keras.applications.mobilenet_v3 import MobileNetV3
    m = MobileNetV3(weights='imagenet')
    

    【関連項目】 ResNet50, ResNet101, ResNet152, その他の ResNet, Inception-ResNet, DenseNet121, DenseNet169, NASNet, MobileNetV2

    Keras で利用可能な画像分類のモデルは,https://keras.io/api/applications/ で説明されている.

    Kinetics Human Action Video Dataset (Kinetics Human Action Video データセット)

    400/600/700 種類の人間の行動をカバーする最大65万のビデオクリップの URL リンク集とアノテーションである. それぞれのクリップには,1つの行動クラスがアノテーションされている. ビデオの長さは,約10秒である. 機械学習による行動分類,行動認識,ビデオ検索などの学習や検証に利用できるデータセットである.

    ディープラーニングで,人間の行動推定に利用できる.

    Kinetics データセット >は次の URL で公開されているデータセット(オープンデータ)である.

    https://deepmind.com/research/open-source/kinetics

    【関連情報】

    Google Colaboratory で,Kinetics データセットのダウンロード

    次のコマンドは Google Colaboratory で動く(コードセルを作り,実行する).

    !curl -O https://storage.googleapis.com/deepmind-media/Datasets/kinetics700_2020.tar.gz
    !tar -xvzof kinetics700_2020.tar.gz
    !ls kinetics700_2020
    

    [image]

    Windows での Kinetics データセットのダウンロード

    mkdir c:\data
    mkdir c:\data\kinetics
    cd c:\data\kinetics
    curl -O https://storage.googleapis.com/deepmind-media/Datasets/kinetics700_2020.tar.gz
    "c:\Program Files\7-Zip\7z.exe" x kinetics700_2020.tar.gz
    "c:\Program Files\7-Zip\7z.exe" x kinetics700_2020.tar
    

    KITTI データセット

    カラーのカメラ,モノクロのステレオカメラ,3次元レーザースキャナなどのさまざまなセンサーのデータから構成される.

    http://www.cvlibs.net/datasets/kitti

    【関連情報】

    【関連項目】 semantic segmentation, オープンデータ, 物体検出

    KITTI データセットのビジュアライザ

    https://github.com/navoshta/KITTI-Dataset

    KITTI データセットの Python インタフェース

    https://github.com/utiasSTARS/pykitti

    K 近傍探索 (K nearest neighbour)

    K 近傍探索 (K nearest neighbour)のアルゴリズムは,次の性質を持つ.

    【関連項目】 Fast-Robust-ICP, libnabo, libpointmatcher

    ks_1033_data

    ks_1033_data は,次のページで CSV ファイルと Excel ファイルで公開されているデータセット(オープンデータ)である.

    https://github.com/wireservice/csvkit/tree/master/examples/realdata

    【関連項目】 オープンデータ, データフレーム

    Google Colaboratory で,ks_1033_data データセットのダウンロード

    次のコマンドは Google Colaboratory で動く(コードセルを作り,実行する).

    !curl -O https://github.com/wireservice/csvkit/tree/master/examples/realdata/ks_1033_data.csv
    !ls -al ks_1033_data.csv
    

    [image]

    L2 正則化

    正則化の一手法である. L2 正則化では,重みの二乗の合計に比例したペナルティを,重みに与える.

    L2 正則化を行う Keras のプログラム

    L2 正則化を行いたいときは 次のようにする.

    import tensorflow.compat.v2 as tf
    tf.keras.layers.Dense(128, activation='relu', kernel_regularizer=tf.keras.regularizers.l2(0.001))
    

    LabelMe インタフェース

    LabelMe インタフェースは,アノテーションのツール.

    【関連項目】 アノテーション (annotation)

    Windows での LabelMe のインストールと確認

    公式ページ https://github.com/wkentaro/labelmeの記載に従う.

    1. インストール

      コマンドプロンプト管理者として実行し,次のコマンドを実行.

      python -m pip install labelme
      
    2. 確認のため「labelme」で起動

      [image]

    LaMa

    LaMa は,Image Inpainting (イメージインペインティング)のための技術である.2021年発表.

    Image Inpainting (イメージインペインティング) 画像の欠落部分を補うことで,画像の中の不要な部分を消すときにも役立つ.

    LaMa のデモページ

    【関連項目】 image inpainting

    LAPACK

    lapack は,行列に関する種々の問題(連立1次方程式,固有値問題,などなど多数)を解く機能を持つソフトウエア.BLAS の機能を使う.

    netlib の lapack のページ: http://www.netlib.org/lapack

    lapack 参照実装の Web ページ: https://github.com/Reference-LAPACK/lapack-release

    【関連項目】 clapack, OpenBLAS

    Windows での LAPACK のインストール

    LAPACK のインストールは,複数の方法がある.

    ここでは, vcpkg を使う方法を説明する.

    1. 事前にvcpkg のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      c:\vcpkg\vcpkg search lapack
      c:\vcpkg\vcpkg install blas lapack lapack-reference openblas[threads]:x64-windows
      
    3. システムの環境変数 Path に,次を加える
      c:\vcpkg\installed\x64-windows\bin
      

    Ubuntu での LAPACK のインストール

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo apt -y update
    sudo apt -y install libopenblas-dev liblapack-dev
    

    Leeds Sports Pose Dataset (LSP データセット)

    スポーツ選手を中心としで,Flickr から収集した2000枚の画像に, 姿勢(ポース)についてのアノテーションを行ったもの. 最も目立つ人物が,およそ150ピクセルになるようにスケーリングされている. 各画像には,14個のジョイント(関節)の位置がアノテーションされている. オリジナル画像の帰属 (attribution) とFlickrのURLは,各画像ファイルのJPEGコメントに記載されている.

    ディープラーニングにより姿勢推定を行うためのデータとして利用できる.

    次の URL で公開されているデータセット(オープンデータ)である.

    URL: http://sam.johnson.io/research/lsp.html 【関連情報】

    Google Colaboratory で,Leeds Sports Pose Dataset (LSP データセット)のダウンロード

    次のコマンドは Google Colaboratory で動く(コードセルを作り,実行する).

    !curl -O http://sam.johnson.io/research/lsp_dataset.zip
    !curl -O http://sam.johnson.io/research/lspet_dataset.zip
    !unzip lsp_dataset.zip -d lsp_dataset
    !unzip lspet_dataset.zip -d lspet_dataset
    !ls -la lspet_dataset
    

    [image]

    アノテーションファイルは,次の URL からダウンロードできる.

    https://drive.google.com/open?id=1GZxlTLuMfA3VRvz2jyv8fhJDqElNrgKS

    Windows での,Leeds Sports Pose Dataset (LSP データセット)のダウンロード

    Windows の場合.次により c:\data\lsp にダウンロードされる.

    mkdir c:\data
    mkdir c:\data\lsp
    mkdir c:\data\lsp\images
    cd c:\data\lsp\images
    curl -O http://sam.johnson.io/research/lsp_dataset.zip
    curl -O http://sam.johnson.io/research/lspet_dataset.zip
    "c:\Program Files\7-Zip\7z.exe" x lsp_dataset.zip 
    "c:\Program Files\7-Zip\7z.exe" x lspet_dataset
    

    アノテーションファイルは,次の URL からダウンロードできる.

    https://drive.google.com/open?id=1GZxlTLuMfA3VRvz2jyv8fhJDqElNrgKS

    Ubuntu での,Leeds Sports Pose Dataset (LSP データセット)のダウンロード

    Ubuntu の場合.次により,/usr/local/data/lsp/images にダウンロードされる.

    mkdir -p /usr/local/data/lsp/images
    cd /usr/local/data/lsp/images
    curl -O http://sam.johnson.io/research/lsp_dataset.zip
    curl -O http://sam.johnson.io/research/lspet_dataset.zip
    unzip lsp_dataset.zip -d lsp_dataset
    unzip lspet_dataset.zip -d lspet_dataset
    

    アノテーションファイルは,次の URL からダウンロードできる.

    https://drive.google.com/open?id=1GZxlTLuMfA3VRvz2jyv8fhJDqElNrgKS

    LFW データセット

    LFWデータセットには,「in-the-wild」のラベル付きの顔のデータベースである. 合計で 13,233枚,5,749人の顔画像が含まれている.

    機械学習による顔認識の学習や検証に利用できるデータセットである.

    【関連項目】 顔認識 (face recognition), 顔のデータベース

    libiconv

    Windows での libiconv のインストール

    libiconv のインストールは,複数の方法がある.

    ここでは, vcpkg を使う方法を説明する.

    1. 事前にvcpkg のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      c:\vcpkg\vcpkg search libiconv
      c:\vcpkg\vcpkg install libiconv
      
    3. システムの環境変数 Path に,次を加える
      c:\vcpkg\installed\x64-windows\bin
      

    libnabo

    libnabo は,K 近傍探索 (K nearest neighbour) の機能を持つライブラリ.

    ANN よりも高速だとされている.

    【関連項目】 K 近傍探索 (K nearest neighbour)

    Windows での libnabo のインストール

    ソースコードからビルドする

    https://github.com/CAOR-MINES-ParisTech/libpointmatcher/blob/master/doc/CompilationWindows.md の手順に従う.

    1. 前準備

      Boost のインストール, C++ ビルドツール (Build Tools) のインストール, Eigen 3 のインストール, Git のインストール, grep のインストール が必要.

    2. インストール

      Visual Studio の x64 Native Tools コマンドプロンプト管理者として実行する. 次のコマンドを実行する.

      c:\libnabo にインストールされる.

      cd c:\
      rmdir /s /q libnabo
      git clone --recursive https://github.com/ethz-asl/libnabo
      cd libnabo
      rmdir /s /q build
      mkdir build
      cd build
      cmake -G "Visual Studio 16 2019" -T host=x64 ^
          -DCMAKE_BUILD_TYPE=Release ^
          -DCMAKE_INSTALL_PREFIX="c:/libnabo" ^
          -DEIGEN_INCLUDE_DIR="c:/eigen/include/eigen3" ^
          -DLIBNABO_BUILD_PYTHON=OFF ^
          -DCMAKE_BUILD_TYPE=RelWithDebInfo ^
      ..
      msbuild libnabo.sln -p:Configuration=Release
      
    3. テストプログラムのビルド

      Visual Studio の x64 Native Tools コマンドプロンプト管理者として実行する. 次のコマンドを実行する.

      c:\libnabo にインストールされる.

      cd c:\libnabo\examples
      cmake -G "Visual Studio 16 2019" -T host=x64 ^
          -DCMAKE_BUILD_TYPE=Release ^
          -DCMAKE_INSTALL_PREFIX="c:/libnabo" ^
          -DEIGEN_INCLUDE_DIR="c:/eigen/include/eigen3" ^
          -DLIBNABO_BUILD_PYTHON=OFF ^
          -DCMAKE_BUILD_TYPE=RelWithDebInfo ^
      ..
      msbuild libnabo.sln -p:Configuration=Release
      

    Ubuntu での libnabo のインストール

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    /usr/local/libnabo にインストールされる.

    sudo apt -y update
    sudo apt -y install libboost-all-dev libeigen3-dev git cmake cmake-curses-gui cmake-gui
    
    cd /tmp
    sudo rm -rf libnabo
    sudo git clone --recursive https://github.com/ethz-asl/libnabo
    sudo chown -R $USER libnabo
    
    cd /tmp/libnabo
    mkdir build
    cd build
    cmake \
        -DCMAKE_BUILD_TYPE=Release \
        -DCMAKE_INSTALL_PREFIX="/usr/local" \
        -DCMAKE_BUILD_TYPE=RelWithDebInfo \
    ..
    make 
    sudo make install
    cd /tmp/libnabo/examples
    cmake \
        -DCMAKE_BUILD_TYPE=Release \
        -DCMAKE_INSTALL_PREFIX="/usr/local" \
        -DCMAKE_BUILD_TYPE=RelWithDebInfo \
    ..
    make 
    sudo make install
    

    libpointmatcher

    Iterative Closest Point (ICP) の機能を持ち, 点群 (point cloud) のアラインメントを行うことができる. point-to-point の ICP と,point-to-plane ICP の機能を持つ. point-to-point の ICP では,剛体変換だけでなく,スケールの変更にも対応している.

    【関連項目】 K 近傍探索 (K nearest neighbour), ICP

    Windows での libpointmatcher のインストール

    ソースコードからビルドする

    https://github.com/CAOR-MINES-ParisTech/libpointmatcher/blob/master/doc/CompilationWindows.md の手順に従う.

    1. 前準備

      Boost のインストール, C++ ビルドツール (Build Tools) のインストール, cmake のインストール, Eigen 3 のインストール, Git のインストール, libnabo のインストール, が必要.

    2. インストール

      Visual Studio の x64 Native Tools コマンドプロンプト管理者として実行する. 次のコマンドを実行する.

      c:\libpointmatcher にインストールされる.

      cd c:\
      rmdir /s /q libpointmatcher
      git clone --recursive https://github.com/ethz-asl/libpointmatcher
      cd libpointmatcher
      rmdir /s /q build
      mkdir build
      cd build
      cmake -G "Visual Studio 16 2019" -T host=x64 ^
          -DCMAKE_BUILD_TYPE=Release ^
          -DCMAKE_INSTALL_PREFIX="c:/libpointmatcher" ^
          -DEIGEN_INCLUDE_DIR="c:/eigen/include/eigen3" ^
          -DBoost_ROOT="c:/Program Files/boost/build" ^
          -Dlibnano_DIR="c:/libnabo/build" ^
          -DNABO_INCLUDE_DIR="c:/libnabo/nabo" ^
          -DNABO_LIBRARY="c:/libnabo/build/Release\nabo.lib" ^
          -DCMAKE_BUILD_TYPE=RelWithDebInfo ^
      ..
      msbuild libpointmatcher.sln -p:Configuration=Release
      

    Ubuntu での libpointmatcher のインストール

    ソースコードからビルドする

    公式ページの https://github.com/CAOR-MINES-ParisTech/libpointmatcher/blob/master/doc/CompilationWindows.md

    1. 前準備

      libnabo のインストール が必要.

    2. インストール

      Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

      /usr/local/libpointmatcher にインストールされる.

      sudo apt -y update
      sudo apt -y install libboost-all-dev libeigen3-dev git cmake cmake-curses-gui cmake-gui
      
      cd /tmp
      sudo rm -rf libpointmatcher
      git clone --recursive https://github.com/ethz-asl/libpointmatcher
      sudo chown -R $USER libpointmatcher
      
      cd /tmp/libpointmatcher
      mkdir build
      cd build
      cmake \
          -DCMAKE_BUILD_TYPE=Release \
          -DCMAKE_INSTALL_PREFIX="/usr/local" \
          -DCMAKE_BUILD_TYPE=RelWithDebInfo \
      ..
      make
      sudo make install
      

    librosa

    librosa は, 音声,音楽の機能をもった Python のパッケージである.

    【関連項目】 short-time Fourier transform, 音声, 音楽, sound, 音データ(sound data)

    Google Colaboratory で,パワースペクトログラムの表示(librosa を使用)

    次のプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    次のプログラムは,librosa に付属の音声データである trumpet について,パワースペクトログラムを表示する. 次のプログラムでは,横軸は時間,縦軸は線形スケール(linear scale)で表された周波数である パワースペクトログラムを表示する. stft は short-time Fourier transform を行う. そして,その振幅により色をプロットする.

    ここのプログラムのソースコードは, http://librosa.org/doc/main/auto_examples/plot_display.html#sphx-glr-auto-examples-plot-display-py のものを使用(ISC ライセンス).

    import numpy as np
    %matplotlib inline
    import matplotlib.pyplot as plt
    
    import librosa
    import librosa.display
    
    y, sr = librosa.load(librosa.ex('trumpet'))
    D = librosa.stft(y)  # STFT of y
    S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max)
    plt.figure()
    librosa.display.specshow(S_db, x_axis='time', y_axis='linear', sr=sr)
    plt.colorbar()
    

    [image]

    Windows での librosa のインストール

    Windows での librosa のインストールは,次のようなコマンドで行う.

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    python -m pip install -U numba librosa
    

    Ubuntu での librosa のインストール

    Ubuntu での librosa のインストールは,次のようなコマンドで行う.

    sudo apt -y install ffmpeg
    sudo pip3 install -U numba librosa
    

    インストールするバージョンを指定する場合には,次のように操作する. 「==」のあとはバージョン指定であり,使用したいバージョンを指定する.

    sudo apt -y install ffmpeg
    sudo pip3 install -U numba==0.48.0 librosa==0.7.0 
    

    ソースコードを使用してインストールする場合には次のように操作する.

    sudo apt -y install ffmpeg
    sudo pip3 install git+https://github.com/librosa/librosa
    

    LLVM

    Windows での LLVM のインストール

    Windows での LLVM のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    Ubuntu での LLVM のインストール

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo apt -y update
    sudo apt -y install llvm
    

    locate コマンド

    Linux では,locate コマンドを用いてファイル検索を行うことができる.

    LPIPS (Learned Perceptual Image Patch Similarity)

    画像の類似尺度.Richard Zhang らにより 2018年に提案された.

    公式ページには,次の Python プログラムのソースコードが掲載されている.

    import lpips
    loss_fn_alex = lpips.LPIPS(net='alex') # best forward scores
    loss_fn_vgg = lpips.LPIPS(net='vgg') # closer to "traditional" perceptual loss, when used for optimization
    
    import torch
    img0 = torch.zeros(1,3,64,64) # image should be RGB, IMPORTANT: normalized to [-1,1]
    img1 = torch.zeros(1,3,64,64)
    d = loss_fn_alex(img0, img1)
    

    このソースコードの Google Colaboratory での実行結果は次の通りである.

    [image]

    【関連項目】SSIM

    LReLU (Leaky rectified linear unit)

    LReLU (Leaky rectified linear unit) は,次の関数である.

    f(x) = x (x>=0), alpha * x (x<0)

    LReLUは,活性化関数としてよく使用されるもののうちの1つである. 活性化関数は,ニューロンの入力の合計から,そのニューロンの活性度の値を決めるためのもの. (他には,ReLUシグモイド関数ステップ関数ソフトマックス関数などがある.

    KerasLReLU を使うときは,次のように書く.

    Keras のプログラム】

    m.add(LeakyReLU(alpha=0.01)
    

    LS3D-W データセット

    LS3D-W データセットは,3次元の顔ランドマーク (facial landmark)のデータセット.

    これは,AFLW,300VW,iBUG 300-W,FDDB の顔画像から生成されたデータセットである.

    利用には, https://www.adrianbulat.com/face-alignment での申請を必要とする.

    生成手順については,次の文献に記載されている

    Bulat, Adrian and Tzimiropoulos, Georgios, International Conference on Computer Vision, 2017, https://openaccess.thecvf.com/content_ICCV_2017/papers/Bulat_How_Far_Are_ICCV_2017_paper.pdf

    【関連項目】 顔ランドマーク (facial landmark)

    LSTM (Long Short-Term Memory)

    LSTM 層を含むようなニューラルネットワークは,次の特徴を持つ

    【関連項目】 Applications of Deep Neural Networks, ディープラーニング, リカレントニューラルネットワーク

    LSTM 層(Long Short-Term Memory layer)

    LSTM 層では,内部に「状態」を維持する. 状態は,ニューロンの動作のたびに変化するものである. (ふつうのニューロンでは,入力の値から出力が計算される.「状態」という考え方はない). LSTM 層のニューロンは,今の入力,1つ前の時間の入力,1つ前の時間での状態から出力を求める.

    LSUN (Large-scale Scene UNderstanding Challenge) データセット

    LSUN (Large-scale Scene UNderstanding Challenge) データセット は, ラベル付きの画像データセットである. 機械学習での画像分類や画像生成の学習や検証に利用できるデータセット.

    LSUN データセットは次の URL で公開されているデータセット(オープンデータ)である.

    https://www.yf.io/p/lsun

    【関連情報】

    【関連項目】 顔のデータベース

    mAP

    機械学習による物体検出では, 「mAP」は,「mean average precision」の意味である.

    Mapillary Vistas Dataset (MVD)

    ストリート(街角)の25,000 枚の画像. インスタンスレベルのアノテーション, 124 のセマンティッククラス.

    次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://www.mapillary.com/dataset/vistas

    【関連項目】 semantic segmentation, インスタンス・セグメンテーション (instance segmentation)

    Mask R-CNN

    セグメンテーション,物体検出,キーポイント検出等に使用されるモデル.

    FPN (Feature Pyramid Network), ResNeXt101ResNeXt50ResNet101ResNet50 を使用.

    COCO データセットで学習済みのモデル,Jupyter ノートブック (Jupyter Notebook) のデモ demo.ipynb が公開されている.

    【関連項目】 PANet (Path Aggregation Network), 物体検出, segmentation, keypoint detection

    付属の Jupyter ノートブック (Jupyter Notebook) のデモ

    Jupyter ノートブック (Jupyter Notebook) のデモが付属している.主なものは次の通り. 動作させるには,Mask R-CNN のインストールが終わっていること(下に記載). 学習: train_shapes.ipynb 仕組み: inspect_model.ipynb 重みの視覚化: inspect_weights.ipynb

    Windows での Mask R-CNN のインストール

    1. Git のインストール
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      cd c:\
      rmdir /s /q Mask_RCNN
      git clone --recursive https://github.com/matterport/Mask_RCNN
      cd Mask_RCNN
      python -m pip install -U -r requirements.txt
      python setup.py install
      

    Ubuntu での Mask R-CNN のインストール

    1. Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.
      sudo apt -y update
      sudo apt -y install git
      
      cd /usr/local
      sudo rm -rf Mask_RCNN
      sudo git clone --recursive https://github.com/matterport/Mask_RCNN
      sudo chown -R $USER Mask_RCNN
      
      # システム Python の環境とは別の Python の隔離された環境システム Python を使用)を作成
      sudo apt -y update
      sudo apt -y install python3-venv
      python3 -m venv ~/a
      source ~/a/bin/activate
      
      cd /usr/local/Mask_RCNN
      sudo pip3 install -U -r requirements.txt
      sudo pip3 list
      python setup.py install
      

    matplotlib

    matplotlib は,オープンソースの Python のプロットライブラリ.

    matplotlib を用いた散布図の描画は,別ページで説明している.

    matplotlib を用いたグラフ描画の例は次の通り.

    import numpy as np
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    x = np.linspace(0, 6, 100)
    plt.style.use('ggplot')
    plt.plot(x, np.sin(x))
    

    [image]

    matplotlib を用いて,OpenCV のカラー画像を表示する例は次の通り.

    import cv2
    %matplotlib inline
    import matplotlib.pyplot as plt
    bgr = cv2.imread("126.png")
    plt.style.use('default')
    plt.imshow(cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB))
    plt.show()
    

    [image]

    普通に Matplotlib を用いてOpenCV 画像の表示を表示すると,小さく表示される.

    「plt.style.use('default')」の実行により,Matplotlib での OpenCV 画像の表示が大きくなる.

    [image]

    【サイト内の関連ページ等】 Matplotlib(Python まとめページ内)

    【関連項目】 display

    Windows での matplotlib のインストール

    Windows での matplotlib, seaborn のインストールは, コマンドプロンプト管理者として実行し, そのコマンドプロンプトで,次のコマンドを実行することで行う.

    python -m pip install -U matplotlib seaborn
    

    Ubuntu での matplotlib のインストール

    Ubuntu での matplotlib, seaborn のインストールは, 次のコマンドを実行することで行う.

    sudo apt -y update
    sudo apt -y install python3-matplotlib python3-seaborn
    

    Max-Margin 物体検出 (Max-Margin Object Detection)

    画像からの物体検出 のための学習法である. 当時の,従来の,単純な物体検出 法よりも高速であり, 他の種々の物体検出 法よりも精度が劣らないとされている. サブサンプリングを行わずに,サブウインドウ(画像分類のために使用されるもの)の全体での最適化を行うことを特徴としている.

    【関連項目】 物体検出

    MeCab

    MeCab は,形態素解析の機能を持ったソフトウエア.

    Windows での MeCab のインストール

    Windows での MeCab のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    ここでは, vcpkg を使う方法を説明する.

    1. 事前にvcpkg のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.
      c:\vcpkg\vcpkg search mecab
      c:\vcpkg\vcpkg install mecab:x64-windows
      
    3. システムの環境変数 Path に,次を加える
      c:\vcpkg\installed\x64-windows\bin
      

    MeshLab

    MeshLab は, 3次元データ(3次元点群データや,メッシュデータ)について表示, 簡易編集, データの間引き, 形式変換, 張り合わせ, 分割, 解析などが行えるソフトウエア

    URL: http://meshlab.sourceforge.net/

    【関連項目】 メッシュ簡略化 (Mesh Simplification) , メッシュ平滑化 (Mesh Smoothing)

    Windows での MeshLab のインストール

    Windows での MeshLab のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    Ubuntu での MeshLab のインストール

    Ubuntu でのインストール: 別ページで説明している.

    Meshroom

    MeshroomStructure from Motion を,GUI を用いて簡単に行えるソフトウエア.動作画面の一部は次の通り.カメラの撮影位置と,オブジェクトの3次元形状が表示されている.

    meshroom の URL (ここから Meshroom をダウンロード可能): https://alicevision.org/

    [image]

    【関連項目】 3次元再構成 (3D reconstruction), OpenMVG, OpenMMLab, Structure from Motion (SfM)

    MIT Scene Parsing Benchmark

    ADE20K データセット から派生した, シーン解析(scene parsing) のデータと, オブジェクトのパーツ (object parts) のセグメンテーションのデータ.

    次の URL で公開されているデータセット(オープンデータ)である.

    http://sceneparsing.csail.mit.edu/

    【関連情報】

    【関連項目】 ADE20K データセット, CASILVision, semantic segmentation, シーン解析(scene parsing)インスタンス・セグメンテーション (instance segmentation)

    Windows でのダウンロードと展開

    c:\date 下にダウンロード,展開する.

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    mkdir c:\data
    cd c:\data
    curl -O http://data.csail.mit.edu/places/ADEchallenge/ADEChallengeData2016.zip
    rmdir /s /q ADEChallengeData2016
    "c:\Program Files\7-Zip\7z.exe" x ADEChallengeData2016.zip
    

    ファイルの配置は次のようになる.

    ADEChallengeData2016/
      annotations/
      images/
      objectInfo150.txt
      sceneCategories.txt
    

    mixamo

    キャラクタと動きのアセットを公開しているサイト.fbx形式でダウンロードできる.

    URL: https://www.mixamo.com

    【関連用語】 3次元コンピュータグラフィックス, human pose, human motion

    MMClassification

    MMClassification は, OpenMMLab の構成物で, 画像分類のツールボックスとベンチマークの機能を提供する.

    【関連項目】 OpenMMLab

    Google Colaboratory で,MMClassification による画像分類の実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. MIM のインストール
      !pip3 install openmim
      

      [image]
    2. MMCV, MMClassification のインストール.

      https://mmclassification.readthedocs.io/en/latest/install.html の記載の手順による

      !pip3 uninstall -y opencv-python opencv-contrib-python
      !pip3 install opencv-python-headless opencv-contrib-python-headless
      !git clone https://github.com/open-mmlab/mmclassification.git
      %cd mmclassification
      !git checkout dev
      !mim install -e .
      

      [image]
    3. 画像分類の実行(MMClassification, ResNet50,ImageNet-1k で事前学習済みモデルを使用)
      import torch
      from mmcls.apis import inference_model, init_model, show_result_pyplot
      
      fimg = 'demo/demo.JPEG'
      fconfig = 'configs/resnet/resnet50_8xb32_in1k.py'
      fcheckpoint = 'https://download.openmmlab.com/mmclassification/v0/resnet/resnet50_8xb32_in1k_20210831-ea4938fc.pth'
      
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      model = init_model(fconfig, fcheckpoint, device=device)
      result = inference_model(model, fimg)
      print(result)
      show_result_pyplot(model, fimg, result)
      

      [image]

    MMCV

    MMCV は, OpenMMLab の構成物で,基礎的な機能を提供する.

    【関連項目】 OpenMMLab

    Google Colaboratory での MMCV のインストール

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. Google Colaboratory で,ランタイムのタイプを GPU に設定する.
    2. NVIDIA CUDA ツールキット のバージョンを確認
      import torch
      CUDA_VERSION = torch.__version__.split("+")[-1]
      print(CUDA_VERSION)
      

      [image]
    3. PyTorch のバージョンを確認
      import torch
      TORCH_VERSION = ".".join(torch.__version__.split(".")[:2])
      print(TORCH_VERSION)
      

      [image]
    4. MMCV のインストール

      https://mmcv.readthedocs.io/en/latest/get_started/installation.html に記載の手順による

      NVIDIA CUDA ツールキット 11.1, PyTorch 1.10 がインストール済みの場合には,次のようになる

      cu111/torch1.10」のところは, NVIDIA CUDA ツールキット のバージョン, PyTorch のバージョンに合わせる.

      バージョンについては,公式のページ https://github.com/open-mmlab/mmcv に説明がある.

      !apt remove python3-pycocotools
      !pip3 uninstall -y pycocotools
      !pip3 install mmpycocotools
      !apt install -y python3-terminaltables
      !pip3 uninstall -y opencv-python opencv-contrib-python
      !pip3 install -U opencv-python-headless opencv-contrib-python-headless
      !pip3 install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.10/index.html
      

      [image]

    Windows での MMCV のインストール

    インストールの方法は複数ある. ここでは, NVIDIA CUDA ツールキットを使うことも考え, インストールしやすい方法として,ソースコードからビルドしてインストールする方法を案内している.

    1. 前準備:事前に Git のインストール , NVIDIA CUDA ツールキットのインストール, PyTorch のインストール, Visual Studio Community のインストール を行う
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.

      (確認中)
      cd c:\
      rmdir /s /q mmcv
      git clone https://github.com/open-mmlab/mmcv.git
      cd mmcv
      python -m pip install -U -r requirements.txt
      set MMCV_WITH_OPS=1
      python setup.py build_ext
      python setup.py develop
      python -m pip list
      

    Ubuntu での MMCV のインストール

    Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

    sudo python3 -m pip install mmcv-full
    

    MMDetection

    MMDetection は, OpenMMLab の構成物で,物体検出の機能を提供する.

    【関連項目】 OpenMMLab, MMCV, 物体検出

    Google Colaboratory で,MMDetection による物体検出の実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. MIM のインストール
      !pip3 install openmim
      

      [image]
    2. MMCV, MMDetection のインストール.

      https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md に記載の手順による

      !pip3 uninstall -y opencv-python opencv-contrib-python
      !pip3 install opencv-python-headless opencv-contrib-python-headless
      !mim install mmdet
      

      [image]
    3. MMDetection のソースコード等のダウンロード

      あとで使用する

      !git clone https://github.com/open-mmlab/mmdetection.git
      %cd mmdetection
      

      [image]
    4. 物体検出の実行
      import torch
      from mmdet.apis import inference_detector, init_detector, show_result_pyplot
      
      fimg = 'demo/demo.jpg'
      fconfig = 'configs/mask_rcnn/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco.py'
      fcheckpoint = 'https://download.openmmlab.com/mmdetection/v2.0/mask_rcnn/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco_bbox_mAP-0.408__segm_mAP-0.37_20200504_163245-42aa3d00.pth'
      
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      model = init_detector(fconfig, fcheckpoint, device=device)
      result = inference_detector(model, fimg)
      print(result)
      show_result_pyplot(model, fimg, result, score_thr=0.3) 
      

      [image]

    Windows での MMDetection のインストール

    インストールの方法は複数ある. ここでは, NVIDIA CUDA ツールキットを使うことも考え, インストールしやすい方法として,ソースコードからビルドしてインストールする方法を案内している.

    1. 前準備:事前に Git のインストール , MMCV のインストール, NVIDIA CUDA ツールキットのインストール, Python のインストール, PyTorch のインストール, Visual Studio Community のインストール を行う
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.

      「git checkout v2.14.0」は,バージョン 2.14.0 を指定している. これは,https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation での2021/08 時点の説明による.将来はバージョン番号が変わる可能性があり,このページを確認してから,インストールを行うこと.

      cd c:\
      git clone https://github.com/open-mmlab/mmdetection.git
      cd mmdetection
      git checkout v2.14.0
      python -m pip install -r requirements\build.txt
      python setup.py develop
      python -m pip install instaboostfast
      # for panoptic segmentation
      python -m pip install git+https://github.com/cocodataset/panopticapi.git
      # for LVIS dataset
      python -m pip install git+https://github.com/lvis-dataset/lvis-api.git
      
    3. 動作確認
    4. コマンドプロンプト管理者として実行し,次のコマンドを実行.

      cd c:\mmdetection
      mkdir checkpoints
      cd checkpoints
      curl -O https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
      
    5. 次の Python プログラム(https://mmdetection.readthedocs.io/en/latest/get_started.html# のものを書き換えて使用)

      カレントディレクトリをc:\mmdetection にして実行すること.

      import torch
      from mmdet.apis import init_detector, inference_detector
      config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
      checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      model = init_detector(config_file, checkpoint_file, device=device)
      inference_detector(model, 'demo/demo.jpg')
      
    6. エラーメッセージが出ないことを確認.

      [image]

    Ubuntu での MMDetection のインストール

    1. インストール

      「git checkout v2.14.0」は,バージョン 2.14.0 を指定している. これは,https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation での2021/08 時点の説明による.将来はバージョン番号が変わる可能性があり,このページを確認してから,インストールを行うこと.

      Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

      sudo apt -y update
      sudo apt -y install git
      
      cd /usr/local
      sudo git clone https://github.com/open-mmlab/mmdetection.git
      sudo chown -R $USER mmdetection
      cd mmdetection
      git checkout v2.14.0
      sudo pip3 install -r requirements\build.txt
      python3 setup.py develop
      pip3 install instaboostfast
      # for panoptic segmentation
      pip3 install git+https://github.com/cocodataset/panopticapi.git
      # for LVIS dataset
      pip3  install git+https://github.com/lvis-dataset/lvis-api.git
      
    2. 動作確認

      Ubuntu の場合は, mmcv のドキュメント: https://mmcv.readthedocs.io/en/latest/ の手順がそのまま使えそうである.

    MMSegmentation

    MMSegmentation は, OpenMMLab の構成物で,物体検出の機能を提供する.

    【関連項目】 OpenMMLab, MMCV

    Google Colaboratory での MMSegmentation のインストール

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    1. Google Colaboratory で,ランタイムのタイプを GPU に設定する.
    2. NVIDIA CUDA ツールキット のバージョンを確認
      import torch
      CUDA_VERSION = torch.__version__.split("+")[-1]
      print(CUDA_VERSION)
      

      [image]
    3. PyTorch のバージョンを確認
      import torch
      TORCH_VERSION = ".".join(torch.__version__.split(".")[:2])
      print(TORCH_VERSION)
      

      [image]
    4. MMCV のインストール

      https://mmcv.readthedocs.io/en/latest/get_started/installation.html に記載の手順による

      NVIDIA CUDA ツールキット 11.1, PyTorch 1.10 がインストール済みの場合には,次のようになる

      cu111/torch1.10」のところは, NVIDIA CUDA ツールキット のバージョン, PyTorch のバージョンに合わせる.

      バージョンについては,公式のページ https://github.com/open-mmlab/mmcv に説明がある.

      !apt remove python3-pycocotools
      !pip3 uninstall -y pycocotools
      !pip3 install mmpycocotools
      !apt install -y python3-terminaltables
      !pip3 uninstall -y opencv-python opencv-contrib-python
      !pip3 install -U opencv-python-headless opencv-contrib-python-headless
      !pip3 install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.10/index.html
      

      [image]
    5. MMSegmentation のインストール
      !git clone https://github.com/open-mmlab/mmsegmentation.git
      %cd mmsegmentation
      !python3 setup.py develop
      

      [image]
    6. セグメンテーションの実行
      import torch
      from mmseg.apis import inference_segmentor, init_segmentor, show_result_pyplot
      import mmcv
      
      fimg = 'demo/demo.png'
      fconfig = 'configs/pspnet/pspnet_r50-d8_512x1024_40k_cityscapes.py'
      fcheckpoint = 'https://openmmlab.oss-accelerate.aliyuncs.com/mmsegmentation/v0.5/deeplabv3/deeplabv3_r50-d8_512x1024_40k_cityscapes/deeplabv3_r50-d8_512x1024_40k_cityscapes_20200605_022449-acadc2f8.pth'
      
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      model = init_segmentor(fconfig, fcheckpoint, device=device)
      result = inference_segmentor(model, fimg)
      print(result)
      show_result_pyplot(model, fimg, result, opacity=0.5)
      

      [image]

    Windows での MMSegmentation のインストール

    インストールの方法は複数ある. ここでは, NVIDIA CUDA ツールキットを使うことも考え, インストールしやすい方法として,ソースコードからビルドしてインストールする方法を案内している.

    1. 前準備:事前に Git のインストール , MMCV のインストール, NVIDIA CUDA ツールキットのインストール, Python のインストール, PyTorch のインストール, Visual Studio Community のインストール を行う
    2. コマンドプロンプト管理者として実行し,次のコマンドを実行.

      「git checkout v0.14.1」は,バージョン 0.14.1 を指定している. これは,https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation での2021/08 時点の説明による.将来はバージョン番号が変わる可能性があり,このページを確認してから,インストールを行うこと.

      cd c:\
      git clone https://github.com/open-mmlab/mmsegmentation.git
      cd mmsegmentation
      git checkout v0.14.1
      python setup.py develop
      
    3. コマンドプロンプト管理者として実行し,次のコマンドを実行.

      CityScapes データセットを用いての事前学習済みモデルを使用している.

      cd c:\mmsegmenation
      mkdir checkpoints
      cd checkpoints
      curl -O https://openmmlab.oss-accelerate.aliyuncs.com/mmsegmentation/v0.5/deeplabv3/deeplabv3_r50-d8_512x1024_40k_cityscapes/deeplabv3_r50-d8_512x1024_40k_cityscapes_20200605_022449-acadc2f8.pth
      
    4. 次の Python プログラム(https://mmsegmentation.readthedocs.io/en/latest/get_started.html# のものを書き換えて使用)

      CityScapes データセット

      カレントディレクトリをc:\segmentation にして実行すること.

      import torch
      from mmseg.apis import inference_segmentor, init_segmentor
      import mmcv
      config_file = 'configs/pspnet/pspnet_r50-d8_512x1024_40k_cityscapes.py'
      checkpoint_file = 'checkpoints/pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth'
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      model = init_segmentor(config_file, checkpoint_file, device=device)
      img = 'test.jpg'  # or img = mmcv.imread(img), which will only load it once
      result = inference_segmentor(model, img)
      model.show_result(img, result, show=True)
      model.show_result(img, result, out_file='result.jpg', opacity=0.5)
      video = mmcv.VideoReader('video.mp4')
      for frame in video:
         result = inference_segmentor(model, frame)
         model.show_result(frame, result, wait_time=1)
      

      エラーメッセージが出ないことを確認.

    Ubuntu での MMSegmentation のインストール

    1. インストール

      「git checkout v0.14.1」は,バージョン 0.14.1 を指定している. これは,https://mmdetection3d.readthedocs.io/en/latest/getting_started.html#installation での2021/08 時点の説明による.将来はバージョン番号が変わる可能性があり,このページを確認してから,インストールを行うこと.

      Ubuntu でインストールを行うには,端末で,次のコマンドを実行する.

      sudo apt -y update
      sudo apt -y install git
      
      cd /usr/local
      sudo git clone https://github.com/open-mmlab/mmsegmentation.git
      sudo chown -R $USER mmsegmentation
      cd mmsegmentation
      git checkout v0.14.1
      python3 setup.py develop
      
    2. 動作確認

      Ubuntu の場合は, MMCV のドキュメント: https://mmsegmentation.readthedocs.io/en/latest/get_started.html#verification の手順がそのまま使えそうである.

    MMSegmentation3D

    Google Colaboratory でのインストールは,次のような手順になるようである(未確認).

    %cd /content
    !git clone https://github.com/open-mmlab/mmdetection3d.git
    %cd mmdetection3d
    !pip3 install importlib-metadata==4.2
    !python3 setup.py develop
    !apt install -y python3-numba
    %cd mmdetection3d
    !python3 demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth
    
    【関連項目】 OpenMMLab, MMCV, MMDetection, 物体検出

    MMSelfSup

    MMSelfSup は, OpenMMLab の構成物で, Self-Supervised Representation Learning の機能を提供する.

    【関連項目】 MMCV, MMDetection, MMSegmentation, OpenMMLab, Self-Supervised Representation Learning, 物体検出

    Google Colaboratory で,MMSelfSup による

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    MMSelfSup のインストール(公式ページ): https://github.com/open-mmlab/mmselfsup/blob/master/docs/en/install.md

    1. Google Colaboratory で,ランタイムのタイプを GPU に設定する.
    2. MIM のインストール
      !pip3 install openmim
      

      [image]
    3. MMCV, MMDetection のインストール.

      https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md に記載の手順による

      !pip3 uninstall -y opencv-python opencv-contrib-python
      !pip3 install opencv-python-headless opencv-contrib-python-headless
      !mim install mmdet
      

      [image]
    4. MMSegmentation のインストール
      !git clone https://github.com/open-mmlab/mmsegmentation.git
      %cd mmsegmentation
      !python3 setup.py develop
      

      [image]
    5. MMSelfSup のインストール
      %cd /content
      !git clone https://github.com/open-mmlab/mmselfsup.git
      %cd mmselfsup
      !python3 setup.py develop
      

      [image]
    6. インストールできたことの確認

      公式ページ https://github.com/open-mmlab/mmselfsup/blob/master/docs/en/install.md に記載のプログラムを実行してみる.

      エラーメッセージが出なければ OK.

      import torch
      
      from mmselfsup.models import build_algorithm
      
      model_config = dict(
          type='Classification',
          backbone=dict(
              type='ResNet',
              depth=50,
              in_channels=3,
              num_stages=4,
              strides=(1, 2, 2, 2),
              dilations=(1, 1, 1, 1),
              out_indices=[4],  # 0: conv-1, x: stage-x
              norm_cfg=dict(type='BN'),
              frozen_stages=-1),
          head=dict(
              type='ClsHead', with_avg_pool=True, in_channels=2048,
              num_classes=1000))
      
      model = build_algorithm(model_config).cuda()
      
      image = torch.randn((1, 3, 224, 224)).cuda()
      label = torch.tensor([1]).cuda()
      
      loss = model.forward_train(image, label)
      print(loss)
      

      [image]

    MMTracking

    MMTracking は, OpenMMLab の構成物で,トラッキングビジョンの機能を提供する.

    Windows では,NVIDIA CUDA ツールキットはバージョンごとにディレクトリ名が変わる.そのため,複数バージョンの同時インストールが可能である.そして,NVIDIA cuDNN は,ディレクトリを自由に決めることができるので,複数バージョンの同時インストールが可能である.  

    TensorFlow のインストール

    前準備として,TensorFlow が必要とする Python と NIDIA CUDA ツールキットとNIDIA cuDNN のバージョン を確認し, Python のインストール, NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストールを行う.

    上に示した「別ページ」にあるように,TensorFlow バージョン 2 および関連ソフトウエア類のインストールは,コマンドで行うことができる. そのコマンドについて,ここに記しておく. インストールするときは,前準備や,前もって確認する事項があり,次のリンク先のページで,前準備,前もって確認する事項,インストール手順を説明している.

    TensorFlow の バージョン確認

    import tensorflow as tf
    print(tf.__version__)
    

    TensorFlow が GPU を認識できているかの確認

    得られた表示に「device_type: "GPU"」があれば,GPUが認識できている.

    TensorFlow の利用可能なデバイスを調べる

    次のプログラムにより,利用可能なデバイスを確認することができる.

    import os
    os.environ['CUDA_VISIBLE_DEVICES'] = '0' # 0 = GPU use; -1 = CPU use
    from tensorflow.python.client import device_lib
    print(device_lib.list_local_devices())
    

    [image]

    次のプログラムにより,TensorFlow で利用しているデバイスを確認することができる.

    import tensorflow as tf
    print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
    print(tf.test.gpu_device_name())
    

    [image]

    TensorFlow 2 の上で,TensorFlow 1 のプログラムを動かす

    TensorFlow 2 系列の上で TensorFlow 1 のプログラムを動かすときは, このサイトでは,次のように書くようにしている.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v1 as tf
    # tf.enable_v1_behavior()
    import tensorflow.keras as keras
    import os
    os.environ['CUDA_VISIBLE_DEVICES'] = '0' # 0 = GPU use; -1 = CPU use
    config = tf.compat.v1.ConfigProto( device_count = {'GPU': 1 , 'CPU': 3} )
    sess = tf.compat.v1.Session(config=config)
    tf.keras.backend.set_session(sess)
    

    TensorFlow のベクトル

    ベクトルは,要素の並び.各要素の添字は 0, 1, 2... のようになる. 下に,TensorFlow のベクトルのコンストラクタの例を示す.

    import tensorflow as tf
    v1 = tf.constant([1, 2, 3])
    print(v1)
    
    import numpy as np
    np.array([1, 2, 3])
    v2 = tf.constant( np.array([1, 2, 3]) )
    print(v2)
    

    [image]

    TensorFlow のレイヤ

    TensorFlow のレイヤは,テンソルと設定オプションを入力とし,テンソルを出力とするような Python の関数である. TensorFlow を用いてニューラルネットワークを構築するときは, レイヤを組み立てていく. TensorFlow の Layers API は,以下のようなさまざまなタイプのレイヤを構築することができる.

    TensorFlow の Layers API は,Keras の layers API の書き方に準拠している. TensorFlow の Layers API と Keras の layers API で関数名は同じである. 接頭語「tf.」の部分が異なる.

    【関連項目】 TensorFlow

    TensorFlow の配列

    配列では,添え字が複数になる. 下に,TensorFlow の配列のコンストラクタの例を示す.

    import tensorflow as tf
    M1 = tf.constant([[1, 2, 3], [4, 5, 6]])
    print(M1)
    
    import numpy as np
    np.array([1, 2, 3])
    M2 = tf.constant( np.array([[1, 2, 3], [4, 5, 6]]) )
    print(M2)
    

    [image]

    TensorFlow の Playground デモサイト

    ニューラルネットワークのデモサイト: http://playground.tensorflow.org

    【関連項目】 TensorFlow

    TensorFlow 1.14

    TensorFlow の URL: https://www.tensorflow.org/

    TensorFlow 1.14 を使いたいとき,次の組み合わせになる.cuDNN 7.6.5 は,Windows で実際に試してみたことが根拠.

    【関連項目】 TensorFlow

    TensorFlow 1.15.5

    TensorFlow の URL: https://www.tensorflow.org/

    TensorFlow 1.15.5 は Python 3.7, Python 3.6 で動く(Python 3.9 や Python 3.8 では動かない).

    その根拠は,次のページである. https://pypi.org/project/tensorflow/1.15.5/#files

    TensorFlow 1.15.5 は, NVIDIA CUDA ツールキット のバージョン 10.0 を必要とする.それより新しいバージョンでは動かない. NVIDIA cuDNN のバージョン 7 系列を必要とする.バージョン 8 系列では動かない.

    以上から,TensorFlow 1.15.5 を使いたいとき,次の組み合わせになる.

    【関連項目】 TensorFlow

    Windows での TensorFlow 1.15.5 のインストール

    Windows で TensorFlow 1.15.5 を使うためには,次を行う.

    Ubuntu での TensorFlow 1.15.5 のインストール

    Ubuntu でのPythonTensorFlow 1.15 のインストール:別ページで案内している.

    Ubuntu のシステム Python に影響を与えないように,隔離された Python 3.6 仮想環境の新規作成し,その上にTensorFlow 1.15.5 をインストールするという手順(venv を使用)(Ubuntu 上)を案内している.

    TensorFlow 1 で GPU を利用するように設定

    import tensorflow.compat.v1 as tf
    # tf.enable_v1_behavior()
    import os
    os.environ['CUDA_VISIBLE_DEVICES'] = '0' # 0 = GPU use; -1 = CPU use
    config = tf.compat.v1.ConfigProto( device_count = {'GPU': 1 , 'CPU': 3} )
    sess = tf.compat.v1.Session(config=config)
    tf.keras.backend.set_session(sess)
    

    [image]

    【関連項目】 TensorFlow, TensorFlow 1.14, TensorFlow 1.15

    TensorFlow Playground

    TensorFlow Playground はオンラインで動く. ニューラルネットワークニューロン,結合,学習,重みの変化,学習率活性化関数ReLU など),正則化L2 正則化など),バッチサイズ,データの分類,回帰,そして,ハイパーパラメータが,学習にどのように影響するかなどを簡単に確認できるオンラインのサービスである. URL は次の通り.

    http://playground.tensorflow.org

    【関連項目】 TensorFlow

    TensorFlow-Slim

    TensorFlow-Slimは,CNN (convolutional neural network) による画像分類のモデルで利用される学習や検証の機能を持つ. 微調整 (fine tuning)の機能も持つ.

    TensorFlow-Slimは,TensorFlow, 1.14 から 2.2 で動くようである (根拠: https://github.com/google-research/tf-slim). 最新の TensorFlow で動くとは限らないので,利用者で確認すること.

    関連項目: TensorFlow のモデルガーデン

    【関連項目】 TensorFlow

    TensorFlow-Slim のインストール

    TensorFlow-Slim の公式ページ(https://github.com/tensorflow/models/tree/master/research/slim)の手順に従う.

    1. Git のインストール
    2. tf_slim のインストール

      Windows での TensorFlow-Slim のインストールは, コマンドプロンプト管理者として実行し, そのコマンドプロンプトで,次のコマンドを実行することで行う.

      python -m pip install -U contextlib2 tf_slim
      
    3. 確認

      インストールできたかの確認は,次のコマンドで行う. エラーメッセージが出ないことを確認すること.

      python -c "import tf_slim as slim; eval = slim.evaluation.evaluate_once"
      

      [image]
    4. TensorFlow モデルガーデン(TensorFlow-Slim 画像分類モデルライブラリを含む)のダウンロード

      c:\Program Files\Python38」のところは,Python のインストールディレクトリを設定すること.

      cd "c:\Program Files\Python38\Lib"
      git clone --recursive https://github.com/tensorflow/models
      mklink /D slim models\research\slim
      
    5. 動作確認

      インストールできたかの確認は,次のコマンドで行う. エラーメッセージが出ないことを確認すること.

      python -c "from slim.nets import cifarnet; m = cifarnet.cifarnet"
      

      [image]

    【関連項目】 TensorFlow

    TensorFlow データセット

    TensorFlow データセットのカタログのページ: https://www.tensorflow.org/datasets/catalog/overview

    「tfds.list_builders()」により,現在インストールされている TensorFlow データセットの データセットビルダーを確認できる.

    TensorFlow データセットのロード時に分割を行うには,次のように書く.

    「0%:50%」は先頭から 50 %, 「50%:100%」は末尾の 50% 部分.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    iris, iris_info = tfds.load('iris', split=['train[0%:50%]', 'train[50%:100%]'], with_info = True, shuffle_files=True, as_supervised=True)
    iris = {'train': iris[0], 'test': iris[1]}
    

    【関連項目】 CIFAR-10 データセット, CIFAR-100 データセット, Fashion MNIST データセット, IMDb データセット, MNIST データセット, くずし字 MNIST データセット(Kuzushiji-MNIST データセット)

    【関連項目】 TensorFlow

    TensorFlow データセットカタログ

    TensorFlow データセットカタログ の URL: https://www.tensorflow.org/datasets/catalog/overview

    【関連項目】 TensorFlow

    TensorFlow のモデルガーデン

    URL: https://github.com/tensorflow/models

    Windows では,次のような手順でダウンロードできる.

    c:\Program Files\Python38」のところは,Python のインストールディレクトリを設定すること.

    1. Git のインストール
    2. ダウンロード
      cd "c:\Program Files\Python38\Lib"
      git clone --recursive https://github.com/tensorflow/models
      
    3. 必要に応じて,次のようなコマンドで,シンボリックを作っておくと便利
      cd "c:\Program Files\Python38\Lib"
      mklink /D slim models\research\slim
      

    関連項目: TensorFlow-Slim

    【関連項目】 TensorFlow

    Theano

    ( 2017.9 に開発の停止がアナウンス)

    TinaFace

    TinaFace顔検出法である. ResNet50 と Feature Pyramid Network (FPN) をベースとする顔検出法. FPN は 6 レベルあり,それを踏襲している. そうした仕組みになっていることから,さまざまなサイズの顔を検出できるとされている. WIDER FACE データセットを用いた検証により,当時の他の顔検出法よりも精度が優れているとされている.

    【関連項目】 RetinaNet, SCRFD, モデル, 顔検出 (face detection)

    Titanic データセット

    Titanic データセットは,公開されているデータセット(オープンデータ)である.

    Titanic データセットは,次のようなプログラムでロードできる.Python の seaborn を使用している.ロードの結果,Python のデータフレームができる.

    import seaborn as sns
    from IPython.display import display
    titanic = sns.load_dataset('titanic')
    display(titanic)
    

    [image]

    【関連項目】 オープンデータ, データフレーム

    Torch 7

    t 検定 (t test)

    R システム で,2群 s1, s2 の t 検定を行うプログラム

    t.test(s1, s2, var.equal=TRUE)
    t.test(s1, s2, var.equal=FALSE)
    

    【関連項目】 検定

    Twinmotion

    Twinmotion は,Unreal Engine を用いて実装されている. 3次元メッシュ(Wavefront OBJ, fbx)のインポート, 3次元点群データのインポート,,高さマップ(r15, png)のインポート, OpenStreetMap との連携,人物の配置,波の表現,空の表現などの機能がある.

    【関連項目】 Unreal Engine

    Ubuntu

    Ubuntu の日本語版の公式ページ: https://jp.ubuntu.com/

    Ubuntu のダウンロードのページ: https://jp.ubuntu.com/download

    【本サイト内に次のページを設けている】

    【関連項目】 WSL2

    UCF101 (UCF101 Human Actions dataset)

    ビデオでのアクションの認識 UCF101 データセット は,101 のアクションカテゴリに分類済みの動画のデータセット.

    UCF101 データセットは次の URL で公開されているデータセット(オープンデータ)である.

    https://www.crcv.ucf.edu/data/UCF101.php

    【関連情報】

    U-Net

    【関連項目】 BASNet, semantic segmentation, salient object detection

    Google Colaboratory での BASNet のインストールとオンライン実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    U-Net のテストプログラムのオンライン実行を行うまでの手順を示す.

    1. U-Net プログラムなどのダウンロード**
      !git clone https://github.com/milesial/PyTorch-UNet
      

    2. 学習済みモデルのダウンロード

      https://github.com/milesial/PyTorch-UNet の指示通りに行う. 学習済みモデル(ファイル名 unet_carvana_scale0.5_epoch1.pth)を ダウンロードし,PyTorch-UNet の下に置く

    3. テスト用の画像のダウンロードと確認表示
      %cd PyTorch-UNet 
      !curl -L https://github.com/opencv/opencv/blob/master/samples/data/fruits.jpg?raw=true -o fruits.jpg
      !curl -L https://github.com/opencv/opencv/blob/master/samples/data/home.jpg?raw=true -o home.jpg
      !curl -L https://github.com/opencv/opencv/blob/master/samples/data/squirrel_cls.jpg?raw=true -o squirrel_cls.jpg
      from IPython.display import Image, display
      display(Image('fruits.jpg'))
      display(Image('home.jpg'))
      display(Image('squirrel_cls.jpg'))
      


    4. U-Net の実行
      !python predict.py --model unet_carvana_scale0.5_epoch1.pth -i fruits.jpg -o fruits_out.jpg
      !python predict.py --model unet_carvana_scale0.5_epoch1.pth -i home.jpg -o home_out.jpg
      !python predict.py --model unet_carvana_scale0.5_epoch1.pth -i squirrel_cls.jpg -o squirrel_cls_out.jpg
      from IPython.display import Image,display
      display(Image('fruits_out.jpg'))
      display(Image('home_out.jpg'))
      display(Image('squirrel_cls_out.jpg'))
      


    Utah teapot

    Utah teapot は,1975 年に University of Utah の Martin Newell により制作された3次元データ.

    Utah teapot のデータは,common.wikimedia.prg の次のページからダウンロードすることができる.

    https://commons.wikimedia.org/wiki/File:Utah_teapot_(solid).stl

    UTKFace データセット

    20000枚以上の顔画像,68ランドマーク,各種の属性(年齢,性別など)

    次の URL で公開されているデータセット(オープンデータ)である.

    UTKFace の URL: https://susanqq.github.io/UTKFace/

    【関連項目】 顔のデータベース, 顔ランドマーク (facial landmark)

    vcpkg

    vcpkg は,C や C++ のライブラリを管理する機能を持ったソフトウエア.Windows, Linux, MacOS で動く. ダウンロードされたファイルは,downloads 下に保存される.

    vcpkg のインストール後, cmake から,vcpkg でインストールされたソフトウエアを認識できるようにするために, cmake の実行において,次のようなオプションを付ける場合がある.

    -DCMAKE_TOOLCHAIN_FILE=C:/vcpkg/scripts/buildsystems/vcpkg.cmake -DVCPKG_TARGET_TRIPLET=x64-windows 
    

    vcpkg の説明のページ: https://github.com/microsoft/vcpkg/blob/master/docs/users/integration.md

    vcpkg の GitHub のページ: https://github.com/microsoft/vcpkg

    Windows での vcpkg のインストール

    前準備:事前に次のインストールが必要.

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    このとき,「cmake の使用時に "-DCMAKE_TOOLCHAIN_FILE=C:/vcpkg/scripts/buildsystems/vcpkg.cmake" を使う」のように表示されるので,確認する.

    cd c:\
    git clone https://github.com/microsoft/vcpkg
    .\vcpkg\bootstrap-vcpkg.bat
    .\vcpkg\vcpkg integrate install  
    

    インストールの後,必要に応じて,システム環境変数 Path などの環境変数の設定を行うこと.

    vcpkg のパッケージ情報の更新などは,次のコマンドで行う.

    cd c:\vcpkg
    git pull
    c:\vcpkg\vcpkg update
    

    [image]

    venv

    venv は,Python の隔離された環境の作成が簡単にできる機能.

    詳しい説明は: 別ページで説明している.

    【Python まとめ】

    別ページ に Python の機能などをまとめている.

    【関連項目】 Python, Python の起動, Python のインストール,pip と setuptools の更新, Python の隔離された環境, virtualenv

    Python の隔離された環境を扱う(venv を使用)(Windows の場合)

    venv を用いて,新しいPython の隔離された環境の生成 Python の隔離された環境の新規作成,有効化,無効化を行う.

    1. 前もって Python をインストールしておく.使用している Python のバージョンの確認は,次のコマンドで行うことができる.
      python --version
      
    2. Python の隔離された環境の作成

      ここでは,venv のためのディレクトリ名「%HOMEPATH%\.venv」を指定して,新しいPython の隔離された環境を生成する.

      venv のためのディレクトリ名は何でもよいが,venv で使うことが分かるような分かりやすい名前がよい.記号や,日本語などの全角文字を含めないのがよい.

      ※ 「python -m venv」は,venv モジュールの実行

      python -m venv %HOMEPATH%\.venv
      dir /w %HOMEPATH%\.venv
      

      [image]
    3. Python の隔離された環境の有効化
      %HOMEPATH%\.venv\Scripts\activate.bat
      

      [image]

      [image]
    4. パッケージを確認してみる

      いま,venv を使用中かどうか,プロンプトの「(venv)」で分かる.

      python -m pip list
      

      [image]
    5. 現在使用している Python の隔離された環境の使用中止(無効化)
      deactivate
      

      [image]

    Python の隔離された環境を扱う(venv を使用)(Ubuntu の場合)

    venv を用いて,新しいPython の隔離された環境の生成 Python の隔離された環境の新規作成,有効化,無効化を行う.

    1. python3-venv のインストール
      sudo apt -y update
      sudo apt -y install python3-venv
      
    2. 使用している システム Python のバージョンの確認は,次のコマンドで行うことができる.
      python3 --version
      

      [image]
    3. Python の隔離された環境の作成

      ここでは,venv のためのディレクトリ名「~/.venv」を指定して,新しいPython の隔離された環境を生成する.

      venv のためのディレクトリ名は何でもよいが,venv で使うことが分かるような分かりやすい名前がよい.記号や,日本語などの全角文字を含めないのがよい.

      システム Python違うバージョンの Python を使いたいときは, pyenv を用いる.別ページで説明している.

      ※ 「python3 -m venv」は,システム Python を用いての venv モジュールの実行

      python3 -m venv ~/.venv
      ls -la .venv 
      

      [image]
    4. Python の隔離された環境の有効化
      source ~/.venv/bin/activate
      

      [image]
    5. パッケージを確認してみる

      いま,venv を使用中かどうか,プロンプトの「(venv)」で分かる.

      python -m pip list
      

      [image]
    6. 現在使用している Python の隔離された環境の使用中止(無効化)
      deactivate
      

      [image]

    VGGFace2 データセット

    VGGFace2 データセットは,顔画像がクラス分けされたデータ.

    作者からは,社会的,性別的,人種的,その他の偏りに注意して使うように,注意が行われている.

    次の URL で公開されているデータセット(オープンデータ)である.

    https://www.robots.ox.ac.uk/~vgg/data/vgg_face/

    【関連項目】 facial inpainting, 顔のデータベース, 顔認識

    video

    動画 (video) については,「動画」の項目で説明している.

    【関連項目】 動画

    vinta の awesome-python

    Python のフレームワーク,ライブラリ,ソフトウエア等のリスト.

    vinta の awesome-python: https://github.com/vinta/awesome-python

    【関連項目】 Python

    virtualenv

    Ubuntu で,Python の隔離された環境の作成

    test」のところは,Python の隔離された環境の名前を指定. Python の隔離された環境を削除するときは「rm -rf test」のように操作する.

    sudo apt -y update
    sudo apt -y install virtualenv python3-virtualenv 
    virtualenv test
    source test/bin/activate
    

    【関連項目】 Python, Python の起動, Python のインストール,pip と setuptools の更新, Python の隔離された環境, venv

    Visual Studio Community 2019 のインストール,C++ ビルドツール (Build Tools) のインストール

    ここでは,次の2つを説明する.
    1. Visual Studio Community 2019 のインストール, C++ ビルドツール (Build Tools) のインストールを同時に行う.
    2. C++ ビルドツール (Build Tools) のみのインストール行う.

    (1) Visual Studio Community 2019 のインストール, C++ ビルドツール (Build Tools) のインストールを同時に行う.

    Visual Studio Community 2019 のインストールには,複数の方法がある. 次のいずれかによりインストールできる.

    ここでは,winget を用いてインストールする方法を説明する.

    1. 事前にwinget のインストールを行っておく.
    2. コマンドプロンプト管理者として実行し, そこで,次のコマンドを実行(winget を利用してインストール )
      winget install Microsoft.VisualStudio.2019.Community
      
    3. Visual Studio Installer の起動

      スタートメニューの「Visual Studio Installer」を使うのが便利

    4. Visual Studio Community 2019 で「変更」を選ぶ.

      [image]
    5. C++ (v142) ユニバーサル Windows プラットフォーム」をチェックし,「変更」をクリック.

      [image]
    6. Visual Studio の英語言語パックのインストール

      今後は,「言語パック」で「英語」と「日本語」にチェックし,「変更」をクリック.

    C++ ビルドツール (Build Tools) のみのインストール行う.

    1. Visual Studio のダウンロードの Web ページを開く

      https://visualstudio.microsoft.com/visual-cpp-build-tools/

    2. Build Tools のダウンロード」をクリック

      [image]
    3. ダウンロードが始まる

      [image]
    4. ダウンロードした .exe ファイルを実行する
    5. 表示を確認し,「続行」をクリック

      [image]
    6. C++ によるデスクトップ開発」をクリック.「インストール」をクリック.

      [image]
    7. ダウンロードとインストールが始まる

      [image]
    8. インストール終了の確認

      「再起動が必要です」と表示された場合には,指示に従う.

      [image]

    Vision Transformer

    Vision Transformer は, 画像分類を,CNN よりも高速に,CNN よりも精度が落ちることなく実行できるとされる.

    【関連項目】 画像分類

    https://colab.research.google.com/github/google-research/vision_transformer/blob/master/vit_jax.ipynb

    https://colab.research.google.com/github/google-research/vision_transformer/blob/master/vit_jax_augreg.ipynb#scrollTo=ofwi7yvlx5hj

    非公式の PyTorch での ViT の実装

    https://github.com/lucidrains/vit-pytorch

    VOICEVOX

    VOICEVOX は,音声合成のソフトウエア.

    VOICEVOX CORE の GitHub のページ: https://github.com/VOICEVOX/voicevox_core

    【関連項目】 音声合成 (Text To Speech; TTS)

    warning C4819 ファイルは,現在のコードページ (932) で表示できない文字を含んでいます.

    「warning C4819 ファイルは,現在のコードページ (932) で表示できない文字を含んでいます. ファイルを Unicode 形式で保存してください」という警告が出る場合がある.

    多くの場合,この警告は無視しても良さそうである.

    警告のため,コンパイルを進めることができないという場合には, ファイルすべての文字コードを「UTF-8」に変換することで, この問題が解決できる場合がある. 文字コードの変換には,FileCode Checker などのソフトウエアを利用できる. 文字コードの変換は,バックアップを作成した後で実行すること.

    FileCode Checker の 作者に感謝します.

    FileCode Checker の Vector のページ: https://www.vector.co.jp/soft/winnt/util/se478635.html

    Wasserstein GAN (WGAN)

    Wasserstein GANでは, GAN (Generative Adversarial Network) での勾配消失問題の解決に取り組んでいる。 GAN (Generative Adversarial Network) で用いられてきた Jensen-Shannon divergence (確率密度間の距離尺度の1つ) の代わりに Wasserstein 距離を用いる. 安定して学習ができるとされている

    【関連項目】 GAN (Generative Adversarial Networks), image generation

    Google Colaboratory での Wasserstein GAN (WGAN) のインストールとオンライン実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    実行時間の目安は,ハードウエアアクセラレータなしで 2時間

    !rm -rf PyTorch-GAN
    !git clone https://github.com/eriklindernoren/PyTorch-GAN
    !python -m pip install -r PyTorch-GAN/requirements.txt
    !rm -rf PyTorch-GAN/implementations/wgan/images
    !python PyTorch-GAN/implementations/wgan/wgan.py
    

    結果は /content/PyTorch-GAN/images の下にある. その中の画像をダブルクリックすると,Webブラウザに画像の中身が表示される.

    [image]

    Windows での Wasserstein GAN (WGAN) のインストールと動作確認

    PyTorch-GAN のページで公開されているプログラム等を使用

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    実行時間の目安は,GPU 搭載パソコンで数分.

    cd c:\
    git clone https://github.com/eriklindernoren/PyTorch-GAN
    cd PyTorch-GAN
    python -m pip install -U -r requirements.txt
    cd implementations/wgan
    rmdir /s /q images
    python wgan.py
    

    結果は images の下に保存される.

    [image]

    Ubuntu での Wasserstein GAN (WGAN) のインストールと動作確認

    PyTorch-GAN のページで公開されているプログラム等を使用

    Ubuntu では,端末で,次のコマンドを実行する.

    実行時間の目安は,GPU 搭載パソコンで数分.

    sudo apt -y update
    sudo apt -y install git
    
    cd /usr/local
    sudo git clone https://github.com/eriklindernoren/PyTorch-GAN
    sudo chown -R $USER PyTorch-GAN
    
    # システム Python の環境とは別の Python の隔離された環境システム Python を使用)を作成
    sudo apt -y update
    sudo apt -y install python3-venv
    python3 -m venv ~/a
    source ~/a/bin/activate
    
    cd /usr/local/PyTorch-GAN
    pip install -U -r requirements.txt
    cd implementations/wgan
    rm -rf images
    python wgan.py
    

    結果は images の下に保存される.

    [image]

    Wasserstein GAN with Fradient Penalty (WGAN-GP)

    【関連項目】 GAN (Generative Adversarial Networks), image generation Wasserstein GAN (WGAN)

    Google Colaboratory での Wasserstein GAN (WGAN) のインストールとオンライン実行

    次のコマンドやプログラムは Google Colaboratory で動く(コードセルを作り,実行する).

    実行時間の目安は,ハードウエアアクセラレータなしで 2時間

    !rm -rf PyTorch-GAN
    !git clone https://github.com/eriklindernoren/PyTorch-GAN
    !python -m pip install -r PyTorch-GAN/requirements.txt
    !rm -rf PyTorch-GAN/implementations/wgan_gp/images
    !python PyTorch-GAN/implementations/wgan_gp/wgan_gp.py
    

    結果は /content/PyTorch-GAN/images の下にある. その中の画像をダブルクリックすると,Webブラウザに画像の中身が表示される.

    [image]

    Windows での Wasserstein GAN with Gradient Penalty (WGAN-GP) のインストールと動作確認

    PyTorch-GAN のページで公開されているプログラム等を使用

    1. Git のインストール
    2. インストール コマンドプロンプト管理者として実行し,次のコマンドを実行.
      cd c:\
      git clone https://github.com/eriklindernoren/PyTorch-GAN
      cd PyTorch-GAN
      python -m pip install -U -r requirements.txt
      cd implementations/wgan_gp
      rmdir /s /q images
      python wgan_gp.py
      

      [image]

    Ubuntu での Wasserstein GAN with Gradient Penalty (WGAN-GP) のインストールと動作確認

    PyTorch-GAN のページで公開されているプログラム等を使用

    Ubuntu では,端末で,次のコマンドを実行する.

    sudo apt -y update
    sudo apt -y install git 
    
    cd /usr/local
    sudo git clone https://github.com/eriklindernoren/PyTorch-GAN
    sudo chown -R $USER PyTorch-GAN
    
    # システム Python の環境とは別の Python の隔離された環境システム Python を使用)を作成
    sudo apt -y update
    sudo apt -y install python3-venv
    python3 -m venv ~/a
    source ~/a/bin/activate
    
    cd /usr/local/PyTorch-GAN
    pip install -U -r requirements.txt
    cd implementations/wgan_gp
    rm -rf images
    python wgan_gp.py
    

    結果は images の下に保存される.

    [image]

    WebFace260M, WebFace42M データセット

    機械学習向けの大規模な顔画像のデータセット. 顔検出,顔の分類(年齢,性別など)の用途が想定されている.2021年時点では,研究者等が利用可能な,最大規模の顔画像のデータセットである. データは次の2種類がある.

    次の URL で公開されているデータセット(オープンデータ)である.

    URL: https://www.face-benchmark.org/

    詳細は,「the Masked Face Recognition challenge」の文献で説明されている.

    【関連項目】 顔のデータベース

    Wide ResNet

    【関連項目】 Residual Networks (ResNets), モデル, 画像分類

    PyTorch, torchvision の Wide ResNet50 学習済みモデルのロード,画像分類のテスト実行

    PyTorch HUB のページ: https://pytorch.org/hub/pytorch_vision_wide_resnet/ を参考にした.

    Google Colab あるいはパソコン(Windows あるいは Linux)を使用.

    1. 前準備

      前準備として,Python のインストール, PyTorch のインストール を行う.

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

      次に,pip を用いて,pillow のインストールを行う.

      pip install -U pillow
      
    2. ImageNet データセット で学習済みのWide ResNet モデルのロード

      PyTorch, torchvision のモデルについては: https://pytorch.org/vision/stable/models.html に説明がある.

      import torch
      import torchvision.models as models
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      m = models.wide_resnet50_2(pretrained=True).to(device)
      
    3. 画像分類したい画像ファイルのダウンロードとロードと確認表示
      from PIL import Image
      import requests
      from IPython.display import display
      
      # ダウンロードとロード
      url = 'https://github.com/pytorch/hub/raw/master/images/dog.jpg'
      response = requests.get(url)
      img = Image.open(requests.get(url, stream=True).raw)
      
      # 確認表示
      display(img)
      

      [image]
    4. 画像の前処理.PyTorch で扱えるようにするため.
      from PIL import Image
      from torchvision import transforms
      img = Image.open(filename)
      preprocess = transforms.Compose([
          transforms.Resize(256),
          transforms.CenterCrop(224),
          transforms.ToTensor(),
          transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
      ])
      input_tensor = preprocess(img)
      input_batch = input_tensor.unsqueeze(0)
      
    5. 推論 (inference) の実行

      「m.eval()」は,推論を行うときのためのもの.これを行わないと訓練(学習)が行われる.

      import torch
      if torch.cuda.is_available():
          input_batch = input_batch.to('cuda')
      
      m.eval()
      with torch.no_grad():
          output = m(input_batch)
      
    6. 結果の表示
      import urllib
      url, filename = ("https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt", "imagenet_classes.txt")
      try: urllib.URLopener().retrieve(url, filename)
      except: urllib.request.urlretrieve(url, filename)
      
      with open("imagenet_classes.txt", "r") as f:
          categories = [s.strip() for s in f.readlines()]
      
      # The output has unnormalized scores. To get probabilities, you can run a softmax on it.
      probabilities = torch.nn.functional.softmax(output[0], dim=0)
      print(probabilities)
      
      top5_prob, top5_catid = torch.topk(probabilities, 5)
      for i in range(top5_prob.size(0)):
          print(categories[top5_catid[i]], top5_prob[i].item())
      

      Google Colaboratory での結果

      [image]

      Windows での結果

      [image]

      Linux での結果

      [image]

    PyTorch, torchvision の Wide ResNet101 学習済みモデルのロード,画像分類のテスト実行

    PyTorch HUB のページ: https://pytorch.org/hub/pytorch_vision_wide_resnet/ を参考にした.

    Google Colab あるいはパソコン(Windows あるいは Linux)を使用.

    1. 前準備

      前準備として,Python のインストール, PyTorch のインストール を行う.

      Google Colaboratory では, Python, PyTorch はインストール済みなので,インストール操作は不要.

      次に,pip を用いて,pillow のインストールを行う.

      pip install -U pillow
      
    2. ImageNet データセット で学習済みのWide ResNet モデルのロード

      PyTorch, torchvision のモデルについては: https://pytorch.org/vision/stable/models.html に説明がある.

      import torch
      import torchvision.models as models
      device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
      m = models.wide_resnet101_2(pretrained=True).to(device)
      
    3. 画像分類したい画像ファイルのダウンロードとロードと確認表示
      from PIL import Image
      import requests
      from IPython.display import display
      
      # ダウンロードとロード
      url = 'https://github.com/pytorch/hub/raw/master/images/dog.jpg'
      response = requests.get(url)
      img = Image.open(requests.get(url, stream=True).raw)
      
      # 確認表示
      display(img)
      

      [image]
    4. 画像の前処理.PyTorch で扱えるようにするため.
      from PIL import Image
      from torchvision import transforms
      img = Image.open(filename)
      preprocess = transforms.Compose([
          transforms.Resize(256),
          transforms.CenterCrop(224),
          transforms.ToTensor(),
          transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
      ])
      input_tensor = preprocess(img)
      input_batch = input_tensor.unsqueeze(0)
      
    5. 推論 (inference) の実行

      「m.eval()」は,推論を行うときのためのもの.これを行わないと訓練(学習)が行われる.

      import torch
      if torch.cuda.is_available():
          input_batch = input_batch.to('cuda')
      
      m.eval()
      with torch.no_grad():
          output = m(input_batch)
      
    6. 結果の表示
      import urllib
      url, filename = ("https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt", "imagenet_classes.txt")
      try: urllib.URLopener().retrieve(url, filename)
      except: urllib.request.urlretrieve(url, filename)
      
      with open("imagenet_classes.txt", "r") as f:
          categories = [s.strip() for s in f.readlines()]
      
      # The output has unnormalized scores. To get probabilities, you can run a softmax on it.
      probabilities = torch.nn.functional.softmax(output[0], dim=0)
      print(probabilities)
      
      top5_prob, top5_catid = torch.topk(probabilities, 5)
      for i in range(top5_prob.size(0)):
          print(categories[top5_catid[i]], top5_prob[i].item())
      

      Google Colaboratory での結果

      [image]

      Windows での結果

      [image]

      Linux での結果

      [image]

    WIDER FACE データセット

    WIDER FACE データセットは,32,203枚の顔画像のデータセットである. 機械学習での顔検出の学習や検証に利用できる.

    WIDER FACE データセットは,次の URL で公開されているデータセット(オープンデータ)である.

    URL: http://shuoyang1213.me/WIDERFACE/

    【関連情報】

    【関連項目】 顔のデータベース, 顔検出 (face detection)

    WinPython のインストール

    WinPython は,Window 用のPython 処理系と主要な Python パッケージを1つにまとめたソフトウエア.次のアプリケーションも同封されている

    Windows での WinPython のインストールには,複数の方法がある.次のいずれかによりインストールできる.

    【関連項目】 Python のインストール

    WSL2

    【サイト内の関連ページ等】

    【関連項目】 Ubuntu

    WSL2 上に Ubuntu 20.04 をインストール

    詳細は: 別ページで説明している.

    WSL2 での運用

    WSL2 での Linux ディストリビューションのアンインストール

    次のコマンドでアンインストールする. 「wsl --shutdown」は,すべてのディストリビューションの停止(すべて停止する必要はないが,作業ミスを防ぐためにすべて停止しておく). 「wsl --unregister <名前>」は登録の解除.

    wsl --shutdown
    wsl --unregister <名前>
    

    WSL の機能の無効化

    Hyper-V,Linux 用 Windows サブシステム,仮想マシンプラットフォームを無効にする.

    1. Windows の機能の有効化または無効化」で, 「Hyper-V」, 「Linux 用 Windows サブシステム」, 「仮想マシンプラットフォーム」のチェックを外し, 「OK」をクリック.

      ※ なお,「Linux 用 Windows サブシステム」がないというときは, 「Windows Subsystem for Linux」があれば,そのチェックを外す.

      [image]
    2. 画面の指示により,Windows を再起動する

    Windows 10 での 「Windows の機能の有効化または無効化」の表示法

    1. Windows のメニューで「設定」を選ぶ
    2. アプリ
      [image]
    3. 下の方へスクロールし,「プログラムと機能
      [image]
    4. 「Windows の機能の有効化または無効化」を選ぶ.
      [image]

    コントールパネルに慣れている場合は,コントールパネルで,「プログラム」,「プログラムと機能」,「Windows の機能の有効化と無効化」という操作でもよい.

    Windows の検索機能で,「Windows の機能の有効化または無効化」でも起動できる.

    WSL 上の Ubuntu での NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストール

    Ubuntu での NVIDIA CUDA ツールキット,NVIDIA cuDNN のインストールと同様の手順になるが,次のことが違う.

    YOLOv3

    物体検出のモデルである.

    【関連項目】 YOLOX, モデル, 物体検出

    Avatar Erik Linder-Norén による YOLOv3 の実装の,Ubuntu でのインストールと実行

    Avatar Erik Linder-Norén による YOLOv3 の実装: https://github.com/eriklindernoren/PyTorch-YOLOv3

    YOLOX

    DarkNet53 バックボーンとするYOLOv3 に修正を行たもの.

    物体検出のモデルである. single-stage である. DarkNet53 バックボーンとするYOLOv3 に修正を行たものである.

    【関連項目】 MMDetection, YOLOv3, モデル, 物体検出

    Google Colab での YOLOX のインストールとオンライン実行

    公式のソースコードを使用.

    1. cython, pycocotools, YOLOX のインストール
      !pip3 install cython
      !pip3 install git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI
      !git clone https://github.com/Megvii-BaseDetection/YOLOX
      !pip3 install -U pip 
      !pip3 install -r YOLOX/requirements.txt
      !(cd YOLOX; python3 setup.py develop)
      
    2. 重みのダウンロード.

      詳しくは:

      !(cd YOLOX; curl -L -O https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_x.pth)
      
    3. 物体検出の実行

      GPU を使うときは「cpu」のところを「GPU」に変える

      !(cd YOLOX; python tools/demo.py image -n yolox-x -c ./yolox_x.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu)
      

      ./YOLOX_outputs/yolox_x/vis_res の下に結果ができるので確認

      [image]
    4. 別の画像で物体検出の実行

      GPU を使うときは「cpu」のところを「GPU」に変える

      次のプログラムでは,curl は,画像ファイルのダウンロードのために用いている(コマンドを使わずに,手作業で画像ファイルを置く場合には,この部分は不要)

      画像ファイル名には「../img.png」のように「../」を付けていることに注意.「../」は,「1つ上のレベルのディレクトリ」という意味.

      !curl -O https://raw.githubusercontent.com/zylo117/Yet-Another-EfficientDet-PyTorch/master/test/img.png
      !curl -O https://raw.githubusercontent.com/opencv/opencv/master/samples/data/fruits.jpg
      !curl -O https://raw.githubusercontent.com/opencv/opencv/master/samples/data/home.jpg
      
      !(cd YOLOX; python tools/demo.py image -n yolox-x -c ./yolox_x.pth --path ../img.png --conf 0.25 --nms \
      0.45 --tsize 640 --save_result --device cpu)
      !(cd YOLOX; python tools/demo.py image -n yolox-x -c ./yolox_x.pth --path ../fruits.jpg --conf 0.25 --n\
      ms 0.45 --tsize 640 --save_result --device cpu)
      !(cd YOLOX; python tools/demo.py image -n yolox-x -c ./yolox_x.pth --path ../home.jpg --conf 0.25 --nms\
       0.45 --tsize 640 --save_result --device cpu)
      

      ./YOLOX_outputs/yolox_x/vis_res の下に結果ができるので確認

      [image]

      [image]

      [image]

    yuki-koyama の blender-cli-rendering

    bpy (blenderpy)ヲ使うときに便利なソフトウエアのライブラリと,そのサンプルプログラムと,各種のアセット.

    1. 前準備

      Git のインストール が必要.

    2. yuki-koyama の blender-cli-rendering のダウンロード
      mkdir c:\pytools
      cd c:\pytools
      rmdir /s /q blender-cli-rendering-master
      git clone https://github.com/yuki-koyama/blender-cli-rendering
      
    3. 確認のため Blender の Cycles レンダラーを用いてレンダリングを行う.

      Windows のコマンドプロンプトで, 次を実行

      Windows で Python のバージョン指定したいときは, 「python 」でなく「py -3.7」のように実行すること. 「-3.7」のところには,使用する Python のバージョンを指定(バージョンが分からないときは「py -0」で調べる).

      cd c:\pytools
      cd blender-cli-rendering-master
      python 
      
    4. その後,次の Python プログラムを実行
      import bpy
      import utils
      
      # scene
      utils.clean_objects()
      scene = bpy.data.scenes["Scene"]
      monkey = utils.create_smooth_monkey(location=(0, 0, 1))
      plane = utils.create_plane(size=20.0)
      camera = utils.create_camera(location=(5, -3, 3))
      utils.add_track_to_constraint(camera, monkey)
      
      # light
      light = utils.create_sun_light(rotation=(0.3, -1.5, 1.2))
      
      # rendering
      utils.set_output_properties(scene, 20, 'c:/pytools/02')
      utils.set_cycles_renderer(scene, camera, 16)
      bpy.ops.render.render(write_still=True)
      

      次の画像ができる.

      [image]
    5. その後,次の Python プログラムを実行
      import os
      import bpy
      import utils
      
      # scene
      utils.clean_objects()
      scene = bpy.data.scenes["Scene"]
      monkey = utils.create_smooth_monkey(location=(0, 0, 1))
      plane = utils.create_plane(size=20.0)
      camera = utils.create_camera(location=(5, -3, 3))
      utils.add_track_to_constraint(camera, monkey)
      
      # light
      working_dir_path = os.path.abspath('.')
      hdri_path = os.path.join(working_dir_path, "assets\HDRIs\green_point_park_2k.hdr")
      utils.build_environment_texture_background(scene.world, hdri_path)
      
      # rendering
      utils.set_output_properties(scene, 20, 'c:/pytools/03')
      utils.set_cycles_renderer(scene, camera, 16)
      bpy.ops.render.render(write_still=True)
      

      [image]

    謝辞:この項目に記載のソースコードは, https://github.com/yuki-koyama/blender-cli-rendering/ で公開されているものを改変して使用している.

    【関連項目】 bpy (blenderpy), Blender

    あ〜ん (ひらがな,カタカナ)

    イテレーション (iteration)

    モデル学習において, モデル重みを更新することを繰り返すが, その各々1回をイテレーション (iteration) という. 「反復」ともいう. 1回のイテレーションで,データの 1つのバッチに対する損失についてのパラメータの勾配が計算される.

    インスタンス・セグメンテーション (instance segmentation)

    インスタンス・セグメンテーション (instance segmentation) は, 物体検出 を行うだけでなく, 検出されたオブジェクトについて, オブジェクトのセグメンテーションマスクを画素単位で生成する. シーン解析(scene parsing) との違いは次の通りである. シーン解析は,「インスタンス」という概念がないため, シーン内に複数の人物 (person) がいるような場合,人物の領域に person をいうラベルを付ける. インスタンス・セグメンテーションは, シーン内に複数の人物 (person) がいるような場合,それぞれの人物を分離する. 【関連項目】 semantic segmentation, シーン解析(scene parsing), CASILVision, MIT Scene Parsing Benchmark, 物体検出

    ウエルチの方法による一元配置分散分析 (One-way analysis of means)

    パラメトリック検定.等分散を仮定しない場合と仮定する場合がある.多群の検定

    R システム で,x, y についての ウエルチの方法による一元配置分散分析 (One-way analysis of means) を行うプログラム.

    なお,群数が2の場合には t 検定(R の t.test)と同じ結果が得られる.

    oneway.test(x ~ y)
    

    等分散 のときは,「var=T」を付ける.

    oneway.test(x ~ y, var=T)    
    

    なお,群数が2の場合には,等分散での t 検定(R の t.test(var.equal=TRUE))と同じ結果が得られる.

    【関連項目】 検定

    ウィルコクソンの符号順位検定 (Wilcoxon signed-rank test)

    帰無仮説: ノンパラメトリック検定の1つ.対応のある2標本で,2群の差が 0 である.

    【関連項目】 検定

    エポック

    教師データを全て使い終わったら 1エポックである.

    ミニバッチ学習を行うとき, 教師データのサイズを N とすると, N 割るバッチサイズの回数のイテレーション (iteration) が実行される. バッチサイズが 100,教師データのサイズが 800であるとすると, 8回のイテレーション (iteration) で 1エポックである.

    オープンデータ (open data)

    このサイトでは,「オープンデータは,インターネットで公開されているデータ,もしくは,インターネット等を用いて利用申込みができるデータ」の意味で用いている.

    オープンデータには次のようなものがある.

    次のデータはオープンデータではない.(ダウンロードには,申請を必要とする).

    【関連情報】

    【関連項目】 R データセット (Rdatasets) を用いる場合には,

    オプティマイザ(最適化器, optimizer)

    オプティマイザは, 勾配降下法を実装したものである. 最適化器には,次のようなものがある.

    TensorFlow の最適化器のベースクラスは tf.train.Optimizer クラスである.

    勾配降下法の効果を高めるために,次のような手法が考案されている.

    論文: An overview of gradient descent optimization algorithms, CoRR, abs/1609.04747.

    http://sebastianruder.com/optimizing-gradient-descent/

    Kerasオプティマイザのページ: https://keras.io/api/optimizers/  

    エントロピー (entropy)

    確率分布 [1/2, 1/2] からエントロピーを求める Python プログラム. 「base = 2」で log の底を 2 としてエントロピーを求めている

    print(scipy.stats.entropy([1/2, 1/2], base=2))
    

    参考ページ: https://docs.scipy.org/doc/scipy/reference/reference/generated/scipy.stats.entropy.html

    確率分布 c(1/2, 1/2) からエントロピーを求める R のプログラム. 「unit="log2"」で log の底を 2 としてエントロピーを求めている

    library(entropy)
    entropy(c(1/2, 1/2), unit="log2")
    

    [image]

    参考資料: https://cran.r-project.org/web/packages/entropy/entropy.pdf

    オートエンコーダ

    Undercomplete Autoencoder, Sparse Autoencoder, Convolutional Autoencoder, Stacked Autoencoder, Variational Autoencoder (VAE), VQ-VAE(Vector Quantised) などの種類がある.

    キーポイント

    キーポイントは,画像の中での,ある特定の特徴の座標. 「ランドマーク」ともいう.

    くずし字 MNIST データセット(Kuzushiji-MNIST データセット)

    次の URL で公開されているデータセット(オープンデータ)である. Kuzushiji-MNIST, Kuzushiji-49, Kuzushiji-Kanji の 3種類が公開されている(オープンデータ).

    くずし字 MNIST データセットの URL: https://github.com/rois-codh/kmnist

    【サイト内の関連サイト】

    【関連項目】 MNIST データセット, TensorFlow データセット, オープンデータ, 画像分類

    Python での くずし字 MNIST データセットのロード(TensorFlow データセットを使用)

    次の Python プログラムは,TensorFlow データセットから,くずし字 MNIST データセットのロードを行う. x_train, y_train が学習用のデータ.x_test, y_test が検証用のデータになる.

    次のプログラムでは,くずし字 MNIST データセットのロードを行う.x_train と y_train を 25枚分表示することにより,x_train と y_train が,手書き文字のモノクロ画像であることが確認できる.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    kmnist, kmnist_metadata = tfds.load('kmnist', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
    x_train, y_train, x_test, y_test = kmnist['train'][0], kmnist['train'][1], kmnist['test'][0], kmnist['test'][1]
    
    plt.style.use('default')
    plt.figure(figsize=(10,10))
    for i in range(25):
        plt.subplot(5,5,i+1)
        plt.xticks([])
        plt.yticks([])
        plt.grid(False)
    # squeeze は,サイズ1の次元を削除.numpy は tf.Tensor を numpy に変換
        plt.imshow(np.squeeze(x_train[i]), cmap=plt.cm.binary)
        plt.xlabel(y_train[i].numpy())
    
    # 確認表示
    plt.show()
    

    [image]
     

    クラス

    クラスはオブジェクトの種類,もしくは,同一種類のオブジェクトの集まりの意味である.  

    クラス番号

    クラス番号は, クラスを示す番号.

    クラスカル・ウォリス検定 ( Kruskal-Wallis rank sum test)

    帰無仮説: ノンパラメトリック検定の1つ.対応の無い多群の差の検定

    群数が2の場合には,マン・ホイットニーの U 検定と同じ結果が得られる.

    * R システム で,クラスカル・ウォリス検定 ( Kruskal-Wallis rank sum test) を行うプログラム.

    kruskal.test(length ~ group)  
    

    【関連項目】 検定

    コルモゴロフ–スミルノフ検定 (Kolmogorov-Smirnov test)

    帰無仮説: ノンパラメトリック検定の1つ.2標本に対して使う場合には,2標本が,同一の母集団である.検定では,各標本の累積確率分布を使用.

    R システム で,2群 s1, s2 のコルモゴロフ–スミルノフ検定 (Kolmogorov-Smirnov test) を行うプログラム

    ks.test(s1, s2) 
    

    【関連項目】 検定

    コンピュータビジョンのタスク

    コンピュータビジョンのタスクは種々があるが,次のようなものをあげることができる.

    シーン解析(scene parsing)

    シーン解析(scene parsing) では,画像全体の画素をクラスに分類する.各画素にクラスのラベルが割り当てられる. semantic segmentation との違いとしては,画像全体の画素を何らかのクラスに分類する(クラスが不明な画素が無い)ことである.

    【関連項目】 semantic segmentation

    システム Python

    Ubuntu のシステム Python を用いるとき, python, pip は,次のコマンドで起動できる.

    Ubuntu のシステム Python を用いるとき, venv の実行は次のようになる.

    python3 -m venv <ディレクトリ名>
    

    【関連項目】 Python, Python の起動

    シグモイド関数 (sigmoid function)

    シグモイド関数 (sigmoid function) は,次の関数である.

    f(x) = 1 / (1 + exp(-x))

    シグモイド関数は,活性化関数としてよく使用されるもののうちの1つである. 活性化関数は,ニューロンの入力の合計から,そのニューロンの活性度の値を決めるためのもの. (他には,ReLULReLUステップ関数ソフトマックス関数などがある.

    シャピロ・ウィルク検定 (Shapiro Wilk test)

    帰無仮説: 標本の母集団は正規分布である

    R システム で, Iris データセットの Sepal.Length についてのシャピロ・ウィルク検定を行うプログラム

    s1 <- iris[iris$Species=='setosa',]$Sepal.Length
    s2 <- iris[iris$Species=='versicolor',]$Sepal.Length
    s3 <- iris[iris$Species=='virginica',]$Sepal.Length
    
    shapiro.test( s1 )
    shapiro.test( s2 )
    shapiro.test( s3 )
    

    【関連項目】 検定  

    ステップ関数 (step function)

    ステップ関数は,次の関数である.

    f(x) = x (x < 0 のとき), 1 (x > = 0 のとき)

    ステップ関数は,活性化関数としてもよく使用される.

    ソースコード

    ソースコードは,コンピュータのプログラムを,プログラミング言語で書いたもの.

    ソースコードからのビルド

    プログラムのソースコードを書き換えた場合,ソースコードからビルドしなおす.

    プログラムが,あるライブラリを使うとき, ライブラリの特定のバージョンのためにビルドされたプログラムが, そのライブラリの別のバージョンでは動かないことがある.そうした場合でも,ソースコードからビルドしなおす.

    プログラムが公開されているとき, ビルド済みの状態(実行可能な形式など)で配布されていることもあれば, ソースコードが公開されている場合もある. そして,それら両方が配布されている場合もある.そうした場合,ソースコードからのビルドをを行う利点としては, 次のようなものがある.

    ソースコードは,コンピュータのプログラムを,プログラミング言語で書いたもの.

    ソフトマックス関数 (softmax function)

    次元数 n のベクトル x に対するソフトマックス関数 (softmax function) は,f(x[k]) = exp(x[k]) / (exp(x[1]) + exp(x[2]) + ... exp(x[n]))

    ニューラルネットワークの,ある層(レイヤ)の出力が one-hot 表現の出力であるときによく使用される.

    チェックポイント

    ある特定の時点での,モデルの変数の状態を表したデータのこと. チェックポイントにより,ニューラルネットワーク重み (weight) をエクスポートすることができるようになる.

    データサイエンス

    データサイエンスというとき,データを数理的に処理(事前に定義された数式に当てはめて処理)することにより, 処理された結果が,どのようにして算出されたかが明らかであり,算出に再現性があるという意味合いに加えて, その数理的処理において,体系だった学問があるという意味がある.

    データサイエンスでは,次のようなものを扱う.

    記述統計量,分布,相関,正規化,外れ値,クラスタリング,統計処理  

    データの前処理

    TensorFlowでは,入力の値が 0 から 1 の範囲の浮動小数点数にスケールする必要がある.

    データフレーム

    データフレームでは,データのデータ型は,列ごとに同じである. 列に属性名がある.

    【関連項目】 Iris データセット, ks_1033_data, titanic データセット, ポケモンデータセット

    データ拡張 (data augmentation)

    データ拡張 (data augmentation)では,すでに存在するデータを利用して,データを変換することにより,データを増量する.

    ディープラーニング

    ディープラーニングは,層の浅いニューラルネットワークの組み合わせによる多層性の実現により勃興した分野. ジェフ・ヒントンらが見出したオートエンコーダやディープ・ビリーフ・ネットワークが基礎である.

    【関連項目】 applications of deep neural networks, cnn (convolutional neural network), gan (generative adversarial network), gru (gated recurrent neural networks), keras, lstm (long short-term memory), pytorch tensorflow, ニューラルネットワーク, 強化学習, 層構造のニューラルワーク,

    ディープニューラルネットワーク

    ディープラーニングを行う ニューラルネットワーク. 「ディープモデル (deep model)」ともいう.  

    ドロップアウト

    学習の途中で, ニューラルネットワークを構成するニューロンを無作為(ランダム)に「あたかも存在しない状態」すること. 過学習の防止に効果がある場合があるとされる.

    参考文献: dropout: a simple way to prevent neural networks from overfitting, http://jmlr.org/papers/volume15/srivastava14a.old/srivastava14a.pdf

    参考文献: improving neural networks by preventing co-adaptation of feature detectors, corr, abs/1207.0580

    ニューラルネットワーク

    ニューラルネットワークは,人間の脳細胞を,信号が流れるネットワークと見立てたうえで, 個々の脳細胞を, 次の簡単な数理で組み立てるもの.

    ニューラルネットワークは,入力を与えると, 出力が出てくる. この仕組みにより,質問が与えられたときに,多数の選択肢の中から 1つを選ぶことなどもできる. 例えば,コンピュータに画像を見せて「男か女か」の答えを出す,年齢を「0から120の中から」答えるということができる.

    ニューラルネットワークは層で構成されている.隠れ層を持つのがふつうである. ニューロンには非線形性がある.

    ニューラルネットワークでは, 前もって,入力とそれに対する正解についての学習を行うことによって, 入力に対して,適切な出力が出てくるにようになる.

    ニューラルネットワークは 1980年内に登場した. ニューラルネットワークの技術革新としては,次のようなものがある.

    以上の背景から,ディープニューラルネットワークが広く使われるようになった.

    【関連項目】 applications of deep neural networks, ディープラーニング

    ニューラルネットワークのビジュアライズ

    keras visualizer を用いて kerasニューラルネットワークをビジュアライズするプログラムは次の通り.

    from keras_visualizer import visualizer  
    visualizer(m, format='png')
    from ipython.display import image, display
    display(image('graph.png'))
    

    windows の場合は,コマンドプロンプト管理者として実行し,次のコマンドを実行.

    python -m pip install git+https://github.com/lordmahyar/keras-visualizer
    

    google colaboratory では「!pip3 install git+https://github.com/lordmahyar/keras-visualizer」を実行

    !pip3 install git+https://github.com/lordmahyar/keras-visualizer
    
     

    ニューラルネットワークの種類

    ニューラルネットワークの種類には,次のようなものがある. 「教師あり」は,教師データを用いての 学習の機能があるもの. 「教師なし」は,そうでないものである.

    1. 教師あり

    2. 教師なし

      オートエンコーダ (autoencoder)

    ニューラルネットワークのビジュアライズ

    keras のモデルのビジュアライズについては: https://keras.io/ja/visualization/

    ニューラルネットワーク m のビジュアライズを行う keras のプログラム

    import pydot
    plot_model(m)
    

    ニューロン (neuron)

    ニューロンは, 複数の入力の総和に,バイアス (bias)を足したのち,ニューロンに設定された活性化関数を適用して得られた値を出力する. ニューロンの入力と出力の間には 重みがある. ニューロンの出力には,重みが掛け合わされたのちに,次のニューロンの入力になる.

    1つのニューロンは,複数の入力を取ることができる.出力は1つである.これら入力と出力は,次のいずれかの条件を満たす

    層構造のニューラルワークでは, バイアスは,ニューロンごとに違い, 活性化関数は,同じ層(レイヤ)ニューロンでは同じものとするのが通例.

    ニューロンの発火

    ニューロンの発火は, 所定のバイアス (bias)を超えたときに,1を出力すること.

    パーセプトロン (perceptron)

    パーセプトロンは,1つまたは複数の入力を取り,入力値の加重和に対して関数を実行し,1つの出力値を計算するシステムである. 機械学習では,関数として,reluシグモイド関数などの非線形関数を用いることが多い, 例えば,以下のパーセプトロンでは,x1, x2, x3, x4, x5 の加重和に対してシグモイド関数を実行し,出力値を得るものである. f(x1, x2, x3, x4, x5) = sigmoid(w1x1 + w2x2 + w3x3 + w4x4+ w5x5)

    パーセプトロンは, ニューラルネットワークは, 複数のパーセプトロンを接続したネットワークであり, バックプロパゲーションによりフィードバックを行う.  

    バイアス (bias)

    次の式では,b はバイアスである.

    y = b + w1 * x1 + w2 * x2 + ... + wn * xn
    

    ニューラルネットワークでのバイアスは個々のニューロンが持つ値.ニューロンの発火のしやすさを表す値とされる.

    ハイパーパラメータ (hyper parameter)

    ハイパーパラメータは,次の 2つである.

    ハイパーパラメータチューニング

    最適なハイパーパラメータを探索すること.  

    ハイパーパラメータチューニングを行うモデルの定義

    ハイパーパラメータチューニングを行うモデルの定義では, ハイパーパラメータの探索を行う探索空間を定義する.

    iris データセット を,3種類に分類する keras プログラムの例は次の通り.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    from sklearn.datasets import load_iris
    import sklearn.model_selection
    import kerastuner as kt
    from ipython.display import display
    
    iris = load_iris()
    x = iris.data
    y = iris.target
    
    # 2次元の配列. 要素は float64, 最大値と最小値を用いて正規化
    import numpy as np
    from sklearn.preprocessing import normalize
    
    x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x.reshape(x.shape[0], -1), y, train_size=0.5) 
    
    num_classes = 3
    
    def model_builder(hp):
        hp_units = hp.int('units', min_value = 32, max_value = 512, step = 32)
        hp_learning_rate = hp.choice('learning_rate', values = [1e-2, 1e-3, 1e-4]) 
        m = tf.keras.sequential([
            tf.keras.layers.dense(units=hp_units, input_dim=len(x_train[0]), activation='relu'),
            tf.keras.layers.dropout(0.5),
            tf.keras.layers.dense(units=num_classes, activation='softmax')
        ])
        m.compile(
            optimizer=tf.keras.optimizers.adam(learning_rate=hp_learning_rate),
            loss='sparse_categorical_crossentropy',
            metrics=['sparse_categorical_crossentropy', 'accuracy'])
        return m
    
    epochs = 100
    tuner = kt.hyperband(model_builder,
                         objective = 'val_accuracy', 
                         max_epochs = epochs,
                         factor = 30,
                         directory = 'mydir',
                         project_name = 'iris')
    
    tuner.search(x_train, y_train, epochs = epochs, validation_data = (x_test, y_test))
    best_hps = tuner.get_best_hyperparameters(num_trials = 1)[0]
    print(best_hps.get('units'))
    print(best_hps.get('learning_rate'))
    
    m = tuner.hypermodel.build(best_hps)
    print(m.summary())
    history = m.fit(x_train, y_train, batch_size=32, epochs = epochs, validation_data = (x_test, y_test))
    
    # 分類
    predictions = m.predict(x_test)
    print(predictions.argmax(axis=1))
    # 正解の表示
    print(y_test)
    
    import pandas as pd
    h = pd.dataframe(history.history)
    h['epoch'] = history.epoch
    print(h)
    

    [image]

    バウンディングボックス (bounding box)

    写真やビデオの中での,対象領域を示す矩形. 取り扱いたい対象を囲むような矩形を作ることが多いことから「バウンディング」と呼ばれる.

    バッチ (batch)

    バッチ (batch) は, ミニバッチ学習 での 学習の1回のイテレーション (iteration) で使われるデータ集合などのこと.

    バウンディングボックス (bounding box)

    バウンディングボックス (bounding box) は, 画像で,オブジェクトなどを囲む四角形のこと.

    パッケージ (package)

    パッケージ (モジュール,インクルードファイルなどともいう) 複数のプログラムが共有して使えるような機能を持ったソースコード

    バックプロパゲーション (backpropagation)

    バックプロパゲーション (backpropagation) は, ニューラルネットワークで,勾配降下法 (gradient descent) を実行するためのアルゴリズムである. パラメータと損失偏微分を算出することにより,バックプロパゲーションが実行される.

    バッチサイズ (batch size)

    1つのバッチ (batch) の中のデータ等の数のこと. 確率的勾配降下法 (sgd 法) のバッチサイズは 1 である. ミニバッチ学習 でのバッチサイスは普通 10 から 100 である.

    バッチ正規化 (batch normalization)

    バッチ正規化 (batch normalization) は, ミニバッチ学習を行うとき,ミニバッチごとに, 隠れ層 (hidden layer) の活性化関数の入力や出力を, 正規化すること. 過学習 (overfitting) の緩和などの効果がある.

    バッチ正規化 (batch normalization) の代替とされる手法(adaptive gradient clipping 法など)も登場しつつある.

    keras で バッチ正規化 (batch normalization) を行うときは,次のように全結合を示す「dense」の直後に,「m.add(batchnormalization)」を入れる。

    keras のプログラム】

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    m = tf.keras.sequential([
        tf.keras.layers.flatten(input_shape=(28, 28)),
        tf.keras.layers.dense(units=128, activation='relu'),
        tf.keras.layers.batchnormalization(),
        tf.keras.layers.dropout(0.5),
        tf.keras.layers.dense(units=10, activation='softmax')
    ])
    

    ソフトマックス関数 (softmax function)活性化関数とするような層(レイヤ)では,batchnormalization は行わないようです.

    パラメータ (parameter)

    機械学習でのパラメータは, モデルの変数のうち,機械学習のシステムでの学習の対象になっているもの. モデルの変数でも,学習の対象になっていないものはハイパーパラメータである.

    ビルド

    ビルドは,プログラムのソースコードを,実行可能な形式や中間言語の形式に変換すること. 実行可能な形式のファイルは windows では .exe や .dll の拡張子が付いていることが多い.

    プーリング (pooling)

    直前の畳み込み層で生成された1つの行列(あるいは複数の行列)を,より小さな行列に縮小すること

    フィードフォワード (feed forward)

    ある層のニューロンでの結果を,次の層のニューロンが受け取る (それ以外にはない)ような構造になっているような ニューラルネットワークを「フィードフォワード」という.

    ボクセル化 (voxelize)

    ボクセル化は,3次元データをボクセル形式に変換すること.

    ボクセル化のソフトウエアとしては,binvox, cuda_voxelizer がある.

    binbox のURL: https://www.patrickmin.com/binvox/

    binbox の文献: Fakir S. Nooruddin and Greg Turk, Simplification and Repair of Polygonal Models Using Volumetric Techniques, IEEE Transactions on Visualization and Computer Graphics, vol. 9, no. 3, pp. 191--205, 2003.

    cuda_voxelizer の GitHub のページ: https://github.com/Forceflow/cuda_voxelizer

    .binbox 形式ファイルのボクセルデータを,STL 形式のデータに変換するソフトウエアとしては, binvox2mesh が知られる.

    binbox2mesh の GitLab のページ: https://gitlab.com/mandries/binvox2mesh

    ポケモンデータセット

    ポケモンデータセットの url: https://gist.github.com/armgilles

    次の python プログラムは,ポケモンデータセットの主成分分析を行い,第1主成分,第2主成分,第3主成分,ポケモンデータセットの属性 Type 1 で3次元の散布図を表示する.

    次の Python プログラムでは,3次元の散布図のために, plotly の scatter_3d を用いている.

    !git clone https://gist.github.com/armgilles/194bcff35001e7eb53a2a8b441e8b2c6
    !mv 194bcff35001e7eb53a2a8b441e8b2c6/pokemon.csv .
    
    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    import sklearn.decomposition
    %matplotlib inline
    import matplotlib.pyplot as plt
    import plotly.express as px
    from IPython.display import display
    
    pokemon = pd.read_csv("pokemon.csv")
    display(pokemon)
    
    x = pokemon.iloc[:,4:11].to_numpy()
    type1 = pokemon.iloc[:,2]
    pca = sklearn.decomposition.PCA(n_components=4)
    r = pca.fit_transform(x)
    
    fig = px.scatter_3d(x=r[:,0], y=r[:,1], z=r[:,2], color=type1, symbol=type1, opacity=0.4, 
                     labels={'x': '1', 'y': '2', 'z': '3', 'color': 'Type 1', 'symbol': 'Type 1'})
    fig.show()
    

    [image]

    マイクロソフト C++ ビルドツール (Microsoft C++ Build Tools)

    URL: https://visualstudio.microsoft.com/visual-cpp-build-tools/

    Windows での マイクロソフト C++ ビルドツールのインストール手順: 別ページで説明している.

    マスク付き顔の処理

    マスク付き顔の処理には次のようなものがある.

    【関連項目】 cabani の MaskedFace-Net データセット, Chandrika Deb の顔マスク検出 (Chandrika Deb's Face Mask Detection)

    マスターフェイス (master face)

    マスターフェイス (master face)は,顔認識 (face recognition)のシステムにおいて, そこに登録された顔のテンプレートの複数にマッチ (match) するような顔.

    顔認識のシステムは,他人の顔を間違って認識したり,あるいは人工知能が合成した顔を間違って認識したりすることがありえるものである.

    近年,種々の研究があり, 「Dlib, FaceNet, SphereFace の 3つの顔認識システムについて, 10未満のマスターフェイスが,LFW データセットの 40 パーセント以上にマッチする」という報告もある. (コメント:Dlib, FaceNet, SphereFace の優劣や評価ではなく,現行の顔認識システム全般の脆弱性の指摘であると受け止めることができると,本サイト作成者は考えています).

    【関連項目】 顔識別 (face identification), 顔認識 (face recognition), 顔に関する処理

    マン・ホイットニーの U 検定 (Mann-Whitney U test, Wilcoxon rank sum test)

    帰無仮説: ノンパラメトリック検定の1つ.独立な2標本で,2標本が同じ母集団から得られた標本である.

    R システム で,2群 s1, s2 のマン・ホイットニーの U 検定を行うプログラム

    wilcox.test(s1, s2) 
    

    なお,correct=F を付けると,連続性の修正(continuity correction)を行わないようになる.

    wilcox.test(s1, s2, correct=F) 
    

    【関連項目】 検定

    ミニバッチ (mini-batch)

    学習の繰り返しのうち,各々の繰り返しで使用されるバッチ全体の中からランダムに選ばられた部分集合である. ミニバッチバッチサイズは,ふつう,10 から 1000 である. ミニバッチの使用により,損失の計算を高速化できるとされている.  

    ミニバッチ学習

    ミニバッチ学習は,教師データの中から,「バッチ」あるいは「ミニバッチ」と呼ばれる少数を無作為に(ランダムに)選び出し,それを使って学習を行うこと.

    ミニバッチ確率勾配降下法 (mini-batch stochastic gradient descent)

    ミニバッチを使用する確率勾配降下法である. 学習データのミニバッチを用いて,勾配が算出される. 通常の確率的勾配降下法は,サイズ1のミニバッチを使用するミニバッチ確率勾配降下法と同じである.

    メッシュ簡略化 (Mesh Simplification)

    メッシュ簡略化は,メッシュの頂点数とポリゴン数の削減を行う.

    MeshLab を用いて,次の手順で, メッシュ簡略化 を行うことができる.

    1. MeshLab を使用.
    2. MeshLab で 「File」, 「Import Mesh...」.そして,ファイルを選ぶ.
    3. 「Filters」, 「Remashing, Simplification and Reconstruction」,「Simplification: Quadric Edge Collapse Decimation (with texture)」と操作.
    4. 設定し「Apply」.

    【関連項目】 MeshLab, メッシュ平滑化 (Mesh Smoothing)

    メッシュ平滑化 (Mesh Smoothing)

    メッシュ平滑化は,メッシュをなめらかにする.

    MeshLab を用いて,次の手順で, メッシュ平滑化 を行うことができる.

    1. MeshLab を使用.
    2. MeshLab で 「File」, 「Import Mesh...」.そして,ファイルを選ぶ.
    3. 「Filters」, 「Smoothing, Fairing and Deformation」,「Laplacian Smooth」と操作.
    4. 設定し「Apply」.

    【関連項目】 MeshLab, メッシュ簡略化 (Mesh Simplification)

    メトリクス(metrics)

    メトリクスは,モデルの性能を判定するための関数である. メトリクスは,損失関数とは違い,学習時には使用されない.

    Keras では,メトリクスは,関数のリストである.そして,Keras では,任意の損失関数メトリクスとして使うことができる.

    Kerasメトリクスのページ: https://keras.io/api/losses/

    モデル

    機械学習での「モデル」は, 機械学習のシステムが教師データを用いて学習した内容を表現したものである.

    TensorFlowでは,「モデル」は次のような意味でつかわれる場合がある. ・TensorFlow グラフは,ニューラルネットワークによる予測がどのように計算されるかの構造を表現したもの. ・TensorFlow グラフの重みとバイアスの値は,学習により決定される.

    ディープニューラルネットワークのモデルには,次のようなものがある.

    【関連項目】 PyTorch, torchvision のモデル, rwightman の PyTorch Image Models (TIMM)

    モメンタム (momentum)

    ある学習ステップは,現在のステップでの勾配だけでなく, その直前のステップの勾配にも依存するという考え方による勾配降下法. モメンタムでは,時間経過に伴いながら,勾配の指数加重移動平均を算出する.

    ライブラリ (library)

    ライブラリは,複数のプログラムが共有して使えるような機能を持ったプログラムのこと. 多くの場合,プログラムの実行時にリンク(結合)される  

    ラベル (label)

    ラベルは,クラスの番号やクラス名など,クラスを識別できる番号や文字列などのこと.

    リレーショナルデータベース管理システム

    リレーショナルデータベースシステムは,リレーショナルデータベースとリレーショナルデータベース管理システムから構成される.  

    ロジット

    分類の結果として得られる数値ベクトルで,正規化されていないもの. ロジットに対しては,正規化が行われるのが普通である.

    多クラス分類では,ロジット正規化するために ソフトマックス関数 (softmax function)を用いるのが普通である. ソフトマックス関数 (softmax function)により,数値ベクトルが生成されるが,そのそれぞれの値が1クラスに対応する.

    ロジットの別の意味として,ロジットという言葉を,ロジット関数(シグモイド関数 (sigmoid function))という意味で使うことがある.

    あ〜ん (漢字)

    音データ(sound data)

    ffmpeg を用いて,m4a (mp4 audio) のファイルを 16 ビット 整数RAW big endian モノラルに変換

    ffmpeg -y -vn -sn -ar 44100 -i "sample.m4a" -ac 1 -ar 48000 -f s16be "output.raw"
    

    ffmpeg を用いて,16 ビット 整数RAW big endian モノラルのファイルを m4a (mp4 audio) に変換

    ffmpeg -y -vn -sn -ar 48000 -f u16be -i "output2.raw" -ac 1 -ar 48000 -acodec flac -f flac "output2.flac"
    

    【関連項目】 librosa, ffmpeg

    重み (weight)

    線形モデルでの特徴での係数である. ニューラルネットワークで,あるニューロンニューロンが結合しているとき, 個々の結合には重みがある. 重みが大きいほど,当ニューロンの出力が強く,次のニューロンに渡される. 例えば, あるニューロンが,別の2つのニューロンと結合していて,それら2つの出力を受け取るとき, そのニューロンの入力は,w[1] * x[1] + w[2] * x[2] のよになる. w[1], w[2] は重み, x[1], x[2] は2つのニューロンの出力である.

    学習では,最適な重みが決定される.  

    重みの初期化

    重みの初期化 (weights initialization)  

    重みの方向ベクトル

    重みが複数あるとき,それらは重みの方向ベクトルをなす. 重みが複数あり,それら重みをそれぞれ増やしたり減らしたりする量は,重みの方向ベクトルをなす.

    音声合成 (Text To Speech; TTS)

    人間の音声を合成すること.

    【関連項目】 Coqui TTS, Speech Synthesis, VOICEVOX, 自然言語処理のタスク

    解釈可能性 (interpretability)

    モデルを用いた予測について,それが容易に説明できるかの度合い.

    顔に関する処理

    顔に関する処理には,次のようなものがある.

    顔のコード化

    顔のコード化では,顔を数値(複数の数値)に置き換える. このとき,同一人物の顔は,近い値の数値に, 違う人物の顔は,離れた値の数値になるようにコード化を行う.

    顔のデータベース

    顔のデータベースの有名なものには,

    などがある.これらの中には,シナリオが「in-the-wild」であるもの,顔が部分しか見えていないものを含むようなデータセットもある.

    その他,マスク付きの顔のデータセットには, cabani の MaskedFace-Net データセット, Chandrika Deb の顔マスク検出 (Chandrika Deb's Face Mask Detection) および顔のデータセット などがある.

    その他,顔のデータセットは, 300W (300 Faces-In-The_Wild) データセット, AgeDB データセット, C-MS-Celeb Cleaned データセットFERET データベース, HELEN データセット, iBUG 300-W データセット, IMM 顔データベース (IMM Face Database), MS-Celeb-1M データセット, MUCT 顔データベース, VGGFace2 データセットなどがある.

    【関連項目】 オープンデータ

    顔の性別,年齢等の予測

    画像から顔の性別,年齢等の予測を行う.

    【関連項目】 FairFace, 顔に関する処理

    顔検出 (face detection)

    顔検出 (face detection)は,写真やビデオの中の顔を検出すること.顔とそれ以外のオブジェクトを区別することも行う.

    顔検出 (face detection)の結果は, バウンディングボックスで得られるのが普通である.

    【関連項目】 Chandrika Deb の顔マスク検出, Dlib の顔検出, InsightFace, RetinaFace, SCRFD (Sample and Computation Redistribution for Face Detection), TinaFace, WIDER FACE データセット 顔検証 (face verification), 顔識別 (face identification), 顔認識 (face recognition), 顔に関する処理, 物体検出

    顔検証 (face verification)

    顔検証 (face verification)は, 顔と顔とを比べてマッチするか(同一人物であるか)を調べること. 本人確認などで 顔検証 (face verification) が行われる.

    【関連項目】 ArcFace 法, MobileFaceNets, マスターフェイス (master face), 顔検出 (face detection), 顔識別 (face identification), 顔認識 (face recognition), 顔に関する処理

    顔識別 (face identification)

    顔識別 (face identification)では,ある顔と,データベースの中の多数の顔についての情報を用いて, 顔が誰であるのかの個人の特定を行う. このとき,データベースの中の多数の顔とのマッチングが行われる.

    【関連項目】 ArcFace 法, マスターフェイス (master face), 顔検証 (face verification), 顔検出 (face detection), 顔認識 (face recognition), 顔に関する処理

    顔認識 (face recognition)

    顔認識 (face recognition)は, 写真やビデオについて顔検出 (face detection)を行い, その結果として得られた顔について(複数の顔が得られた場合にはそれぞれについて), 顔識別 (face identification) を(データベースの中の多数の顔についての情報を用いての,個人の特定)を行う.

    【関連項目】 ArcFace 法, LFW データセット, マスターフェイス (master face), 顔検証 (face verification), 顔検出 (face detection), 顔識別 (face identification), 顔に関する処理

    顔ランドマーク (facial landmark)

    顔ランドマーク (facial landmark)は, 顔について,目,眉,鼻,口,あごのラインなどのアノテーションを行ったもの. 目,眉,鼻,口,あごのラインなど,顔のパーツの構造を特定できる形状予測器 (shape predictor) の学習に使うことができる.

    【関連項目】 AFLW (Annotated Facial Landmarks in the Wild) データセット, UTKFace データセット, 顔に関する処理, 顔の 68 ランドマーク, 顔ランドマークの3次元化

    顔ランドマークの3次元化

    ディープラーニングを用いて 顔ランドマーク (facial landmark)の3次元化する学習済みモデルは,次のページで公開されている.

    https://www.adrianbulat.com/face-alignment

    【関連項目】 顔ランドマーク(facial landmark)

    過学習 (overfitting)

    教師データにはよく適合しているが,新しいデータに対しては,正しい予測ができないようなモデルを生成すること.

    過学習では, 訓練データでは精度が高く,損失が少ないが, 検証データでは精度が低く,損失が多いというように,訓練データと検証データでの乖離が起きている.  

    学習 (learning)

    学習は,より正しい出力が得られるように, ニューラルネットワーク重みバイアスを修正すること. あるいは, 最適な出力が得られるように, 重みバイアスを最適化すること.

    そのために,教師データのうち,入力を使い, ニューラルネットワークを動かす. そして,正解の出力を使い, 損失関数の値ができるだけ小さくなるように, オプティマイザ(最適化器)を用いて, ニューラルネットワークを構成するニューロン重みバイアスなど, ニューラルネットワークのパラメータを修正する.

    学習曲線 (learning curve)

    学習の繰り返しによる損失の変化を示したグラフ.

    学習済みモデル (trained model)

    学習を終えたモデルのこと.  

    学習不足 (underfitting)

    教師データに対して,モデルの学習の余地が残っていること.

    学習不足の原因は種々あり得る.

    学習率 (learning rate)

    勾配降下法を用いてモデル学習を行うときに使用される値である. 勾配降下法では,イテレーションごとに,勾配学習率の掛け算を行う. その結果として得られる積を「gradient step」と言う. 学習率は,ハイパーパラメータの1つである.

    学習率をダイナミックに変化させる技術には, AdaDelta 法Adam 法などが知られる.

    確率勾配降下法 (SGD, stochastic gradient descent)

    バッチサイズが 1として,勾配降下法を実行すること. これは,教師データから,ランダムに1つのを選び,勾配を算出して,学習を行う.

    確率的勾配降下法 (SGD 法) は,次の方法で行う勾配降下法である.

    m.compile(
        optimizer=tf.keras.optimizers.SGD(lr=0.0001, momentum=0.9, nesterov=True), 
        loss='sparse_categorical_crossentropy',
        metrics=['sparse_categorical_crossentropy', 'accuracy']
    )
    

    隠れ層 (hidden layer)

    ニューラルネットワークで,入力層出力層の間の

    画素

    MNIST データセットは,濃淡画像 70000枚である.その画素は 0 から 255 の値になっている.

    [image]

    画像全体は配列として扱うことが多い.

    [image]

    画像

    【関連項目】 動画については,「動画」の項目で説明している.

    画像データの形式変換

    画像の形式変換は,ImageMagickを用いて行うことができる.

    convert a.png a.jpg
    

    画像のサイズ変更 (image resize)

    次の Python プログラムは,画像ファイル http://images.cocodataset.org/train2017/000000310645.jpg のダウンロードとロードを行ったのち, 画像のサイズ変更を行う.画像の表示も行う.

    from PIL import Image
    import requests
    
    # ダウンロードとロード
    url = 'http://images.cocodataset.org/train2017/000000310645.jpg'
    response = requests.get(url)
    img = Image.open(requests.get(url, stream=True).raw)
    
    # サイズ変更と確認表示
    img2 = img.resize((400, 200), Image.ANTIALIAS)
    display(img2)
    

    [image]

    画像の切り出し (image crop)

    次の Python プログラムは,画像ファイル http://images.cocodataset.org/train2017/000000310645.jpg のダウンロードとロードを行ったのち, 画像を正方形に切り出す.画像の表示も行う.

    from PIL import Image
    import requests
    
    def square(img):
        width, height = img.size
        if height > width:
          e = (height - width) / 2
          region = (0, e, width, width + e)
        else:
          e = (width - height) / 2
          region = (e, 0, height + e, height)
    
        return img.crop(region)
    
    # ダウンロードとロード
    url = 'http://images.cocodataset.org/train2017/000000310645.jpg'
    response = requests.get(url)
    img = Image.open(requests.get(url, stream=True).raw)
    
    # 切り出しと確認表示
    display(square(img))
    

    [image]

    画像ファイルのダウンロードとロード

    次の Python プログラムは,画像ファイル http://images.cocodataset.org/train2017/000000310645.jpg のダウンロードとロードを行う.画像の表示も行う.

    1. 前準備
      pip install pillow
      
    2. プログラムのソースコードと実行結果
      from PIL import Image
      import requests
      from IPython.display import display
      
      # ダウンロードとロード
      url = 'http://images.cocodataset.org/train2017/000000310645.jpg'
      response = requests.get(url)
      img = Image.open(requests.get(url, stream=True).raw)
      
      # 確認表示
      display(img)
      

      [image]

    画像データのデータ拡張 (image data augmentation)

    CIFAR-10 データセットについて,データ拡張のために フリップと回転を行う Keras のプログラムは次の通りである.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    import tensorflow_datasets as tfds
    
    # CIFAR-10 データセットのロード
    cifar10, cifar10_metadata = tfds.load('cifar10', with_info = True, shuffle_files=True, as_supervised=True, batch_size = -1)
    x_train, y_train, x_test, y_test = cifar10['train'][0], cifar10['train'][1], cifar10['test'][0], cifar10['test'][1]
    print(cifar10_metadata)
    
    # 増量
    INPUT_SHAPE = [32, 32, 3]
    data_augmentation = tf.keras.Sequential(
        [
            tf.keras.layers.experimental.preprocessing.RandomFlip("horizontal", input_shape=INPUT_SHAPE), 
            tf.keras.layers.experimental.preprocessing.RandomRotation(0.1)
        ]
    )
    
    def f(x):
        tf.reshape(data_augmentation(tf.reshape(x, (1, INPUT_SHAPE[0], INPUT_SHAPE[1], INPUT_SHAPE[2]))), (INPUT_SHAPE[0], INPUT_SHAPE[1], INPUT_SHAPE[2]))
    
    display([*map(f, x_train)])
    

    画像分類 (image classification)

    画像分類は,画像からそのクラス名を求めるもの.

    Big Tranfer ResNetV2, CSPNet, MobileNetV2MobileNetV3, Inception-Resnet, ResNet50, ResNet101, ResNet152, ResNeXt, DenseNet121, DenseNet169NASNet, Vision Transformer, Wide ResNet などの画像分類のモデルがある.

    CSPNet, 
    文献: CSPNet: A New Backbone that can Enhance Learning Capability of CNN - https://arxiv.org/abs/1911.11929
    公式の実装: https://github.com/WongKinYiu/CrossStagePartialNetworks
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/csp-resnet
    CSPResNet is a convolutional neural network where we apply the Cross Stage Partial Network (CSPNet) approach to ResNet. The CSPNet partitions the feature map of the base layer into two parts and then merges them through a cross-stage hierarchy. The use of a split and merge strategy allows for more gradient flow through the network.
    
    import timm
    m = timm.create_model('cspresnet50', pretrained=True)
    m.eval()
    
    
    MobileNetV3,
    文献: Searching for MobileNetV3 - https://arxiv.org/abs/1905.02244
    公式の実装: https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/mobilenet-v3
    MobileNetV3 is a convolutional neural network that is designed for mobile phone CPUs. The network design includes the use of a hard swish activation and squeeze-and-excitation modules in the MBConv blocks.
    
    import timm
    m = timm.create_model('mobilenetv3_large_100', pretrained=True)
    m.eval()
    
    
    Inception-Resnet,
    文献: Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning - https://arxiv.org/abs/1602.07261
    実装: https://github.com/Cadene/pretrained-models.pytorch
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/inception-resnet-v2
    Inception-ResNet-v2 is a convolutional neural architecture that builds on the Inception family of architectures but incorporates residual connections (replacing the filter concatenation stage of the Inception architecture).
    
    import timm
    m = timm.create_model('inception_resnet_v2', pretrained=True)
    m.eval()
    
    
    ResNet152, 
    文献: Deep Residual Learning for Image Recognition - https://arxiv.org/abs/1512.03385
    実装: https://github.com/pytorch/vision/tree/master/torchvision/models
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/resnet
    Residual Networks, or ResNets, learn residual functions with reference to the layer inputs, instead of learning unreferenced functions. Instead of hoping each few stacked layers directly fit a desired underlying mapping, residual nets let these layers fit a residual mapping. They stack residual blocks ontop of each other to form network: e.g. a ResNet-50 has fifty layers using these blocks. 
    
    import timm
    m = timm.create_model('resnet152', pretrained=True)
    m.eval()
    
    ResNeXt, 
    文献: Aggregated Residual Transformations for Deep Neural Networks - https://arxiv.org/abs/1611.05431
    実装: Code: https://github.com/pytorch/vision/tree/master/torchvision/models
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/resnext
    A ResNeXt repeats a building block that aggregates a set of transformations with the same topology. Compared to a ResNet, it exposes a new dimension, cardinality (the size of the set of transformations) , as an essential factor in addition to the dimensions of depth and width. 
    
    import timm
    m = timm.create_model('resnext50_32x4d', pretrained=True)
    m.eval()
    
    DenseNet169,
    文献: Densely Connected Convolutional Networks - https://arxiv.org/abs/1608.06993
    実装: https://github.com/pytorch/vision/tree/master/torchvision/models
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/densenet
    DenseNet is a type of convolutional neural network that utilises dense connections between layers, through Dense Blocks, where we connect all layers (with matching feature-map sizes) directly with each other. To preserve the feed-forward nature, each layer obtains additional inputs from all preceding layers and passes on its own feature-maps to all subsequent layers.
    
    import timm
    m = timm.create_model('densenet169', pretrained=True)
    m.eval()
    
    
    NASNet, 
    文献: Learning Transferable Architectures for Scalable Image Recognition - https://arxiv.org/abs/1707.07012
    実装: https://github.com/Cadene/pretrained-models.pytorch
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/nasnet
    NASNet is a type of convolutional neural network discovered through neural architecture search. The building blocks consist of normal and reduction cells.
    
    import timm
    m = timm.create_model('nasnetalarge', pretrained=True)
    m.eval()
    
    Big Tranfer ResNetV2, 
    文献: Big Transfer (BiT): General Visual Representation Learning - https://arxiv.org/abs/1912.11370
    公式の実装: https://github.com/google-research/big_transfer
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/big-transfer
    Big Transfer (BiT) is a type of pretraining recipe that pre-trains on a large supervised source dataset, and fine-tunes the weights on the target task. Models are trained on the JFT-300M dataset. The finetuned models contained in this collection are finetuned on ImageNet.
    
    import timm
    m = timm.create_model('resnetv2_101x1_bitm', pretrained=True)
    m.eval()
    
    related resnetv2
    
    Vision Transformer, 
    文献: An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale - https://arxiv.org/abs/2010.11929
    公式の実装: https://github.com/google-research/vision_transformer
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://paperswithcode.com/lib/timm/vision-transformer
    The Vision Transformer is a model for image classification that employs a Transformer-like architecture over patches of the image. This includes the use of Multi-Head Attention, Scaled Dot-Product Attention and other architectural features seen in the Transformer architecture traditionally used for NLP.
    
    import timm
    m = timm.create_model('vit_large_patch16_224', pretrained=True)
    m.eval()
    
    Wide ResNet
    文献: https://arxiv.org/abs/1605.07146v4
    rwightman の PyTorch Image Models (TIMM) の画像分類モデルの説明(Papers With Code 内): https://rwightman.github.io/pytorch-image-models/models/
    Wide Residual Networks are a variant on ResNets where we decrease depth and increase the width of residual networks. This is achieved through the use of wide residual blocks.
    
    import timm
    m = timm.create_model('wide_resnet169_2', pretrained=True)
    m.eval()
    

    【関連項目】 Big Tranfer ResNetV2, CSPNet, MobileNetV2MobileNetV3, Inception-Resnet, ResNet50, ResNet101, ResNet152, ResNeXt, rwightman の PyTorch Image Models (TIMM) DenseNet121, DenseNet169NASNet, Vision Transformer, Wide ResNet Residual Networks (ResNets), SPP (Spatial Pyramid Pooling)  

    活性化関数

    活性化関数は,ニューロンの入力の合計から,そのニューロンの出力(活性度の値)を求めるための関数である. 活性化関数には,次のようなものがある.

    株価データ

    pandas_datareader を用いて Stoop から,株価のデータをダウンロードし,mplfinance を用いて確認表示する.

    1. pandas_datareader, mplfinance のインストール

      pip を用いて pandas_datareader, mplfinance をインストールする

    2. 次の Python プログラムは, pandas_datareader を用いて Stoop から,株価のデータをダウンロードし,mplfinance を用いて確認表示(ろうそく足,出来高,移動平均線のプロット)する.
      import pandas_datareader.data as pdrdata
      import mplfinance
      
      name = "1301.JP"
      a = pdrdata.DataReader(name,"stooq")
      mplfinance.plot(a, type='candle', volume=True, mav=(5, 50))
      

      [image]

    【関連項目】 Pandas, Python, Stoop, オープンデータ

    教師あり学習 (supervised learning)

    入力データとそれに対応する正解から,モデル学習すること.  

    教師データ

    教師データは,次の2つのセット.

    「訓練データ」などともいう.

    教師なし学習 (unsupervised learning)

    正解となるラベルのないデータを用いて学習を行うこと.クラスタリングなどがある.

    距離学習

    距離学習は,同一クラスであれば距離が小さく, 違うクラスであれば距離が遠くなるような数値ベクトル(数値の並び)を,機械学習によって得ることである.

    距離学習は,2つの顔画像が同一人物であるかを判定したり,顔画像が既知の人物の誰であるかを特定したり(あるいは,既知の人物ではないと判定しあり)する場合に役立つ.

    距離学習と分類は違う.分類は,全クラスに属するデータを事前に得て学習させることを行う. 距離学習は,全クラスに属するデータを事前に得ることができないことを前提とする. 距離学習は,推論のときに,未知のクラスのデータが与えられる可能性があるなど,クラス数が不定である場合に有用である.  

    訓練

    訓練は,学習ともいう.

    検証 (validation)

    学習のときに,機械学習のモデルの品質を,検証用のデータを用いて評価する. 検証用のデータは,教師データとは独立したものである必要がある.

    検定

    検定には次のようなものがある.検定のときに,度数分布(ヒストグラム)をあわせて作成しておくことは,良い手がかりになる.

     

    交差エントロピー

    多クラスの交差エントロピーは,

    のとき,次の通り.

    -sigma_i( t[i] * log( y[i] ) )

    2クラスの交差エントロピーは,

    のとき,次の通り.

    -sigma_i( t[i] * log( y[i] + (1 - t[i]) * (1 - log( y[i]) )

    勾配 (gradient)

    勾配は,すべての自由変数について偏微分を行った結果として得られる ベクトルである.

    機械学習では,モデル関数の偏微分を行った結果として得られるベクトルである. 重みに関する損失関数勾配は,損失関数の値を最も減らすような重みの方向ベクトルである.

    勾配消失問題 (vanishing gradient problem)

    ニューラルネットワーク入力層に近い隠れ層について,その勾配が 0 に近くなる傾向のこと. 勾配が 0 に近くなると,学習における重みの変化が小さくなり,学習がうまく行えなくなる. LSTM (Long Short-Term Memory) は勾配消失問題を解決できるとされている.

    国土数値情報

    混合行列 (confusion matrix)

    分類モデル (classification model) での分類結果について集計した N かける N の表. N はクラス数である. 分類モデルでの分類として得られたクラスと, 実際のクラス(正解のクラス)とを,縦方向と横方向にする.

    勾配降下法 (gradient descent)

    モデルのパラメータについて,損失勾配を算出することにより, 損失を最小化する方法の1つ. 損失を最小化するような重みバイアスの最適な組み合わせに徐徐に近づけるために,パラメータの調整を繰り返す.

    最小全域木 (minimum spanning tree)

    最小全域木 (minimum spanning tree) を作成する R システムのプログラムは, 別ページで説明している.

    散布図

    散布図(縦軸のラベル,横軸のラベル,凡例の表示付き)の作成を行う Python プログラムを紹介する. plotly を使うものと,Seaborn を使うものと,Matplotlib を使うものを紹介する.

    plotly を用いた散布図の例

    次の Python プログラムは,Iris データセットの散布図を表示する.

    次の Python プログラム は Iris データセットの 'sepal length (cm)', 'sepal width (cm)' を横軸と縦軸の値として散布図を書く. 'species' を使って色を付けるとともに,形を変える. 縦軸のラベル,横軸のラベル,凡例の表示も行う. Pandas データフレームから散布図を作成しているのは,このプログラムの末尾の2行である.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    import plotly.express as px
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    fig = px.scatter(df, x="sepal width (cm)", y="sepal length (cm)", color='species', symbol='species', opacity=0.4)
    fig.show()
    

    [image]

    次の Python プログラムは,Iris データセットの散布図を表示する.

    次の Python プログラムの関数 scatter_plot_matplotlib は x, y を横軸と縦軸の値として散布図を書く. target を使って色を付けるとともに,形を変える. このプログラムは,numpy ndarray のデータを散布図にしたいときの見本として作成した. 散布図を作成しているのは,このプログラムの末尾の2行である.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    import plotly.express as px
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    x = df['sepal length (cm)'].to_numpy()
    y = df['sepal width (cm)'].to_numpy()
    target = df['species']
    
    fig = px.scatter(x=x, y=y, color=target, symbol=target, opacity=0.4, 
                     labels={'x': 'sepal length (cm)', 'y': 'sepal width (cm)', 'color': 'species', 'symbol': 'species'})
    fig.show()
    

    [image]

    plotly とDash の連携の例

    参考Webページ: https://dash.plot.ly/getting-started

    import dash
    import dash_table
    import dash_core_components as dcc
    import dash_html_components as html
    import pandas as pd
    import seaborn as sns
    import plotly.graph_objs as go
    
    X = sns.load_dataset('iris')
     
    external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
    
    app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
    
    app.layout = html.Div(children=[
        html.H1(children='Iris DataSet'),
    
        html.Div(children='''
            Iris DataSet Display
        '''),
    
        dcc.Graph(
            id='example-graph',
            figure={
                'data': [
                    go.Scatter(
                        x = X[X.iloc[:,4]==i].iloc[:,0], 
                        y = X[X.iloc[:,4]==i].iloc[:,1],
                        mode = 'markers', 
                        marker={
                            'size': 10, 
                            'line': {'width': 0.5, 'color': 'white'}
                        }, 
                        opacity = 0.5, 
                        name=i
                    ) for i in X.iloc[:,4].unique()  
                ],
                'layout': {
                    'title': 'Iris DataSet Graph'
                }
            }
        )
    
    ])
    

    Seaborn を用いた散布図の例

    次の Python プログラムは,Iris データセットの散布図を表示する.

    次の Python プログラム は Iris データセットの 'sepal length (cm)', 'sepal width (cm)' を横軸と縦軸の値として散布図を書く. 'species' を使って色を付ける. 縦軸のラベル,横軸のラベル,凡例の表示も行う. Pandas データフレームから散布図を作成しているのは,このプログラムの末尾の3行である.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    import seaborn as sns
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    nump = np.max(pd.factorize(df['species'])[0] + 1)
    plt.style.use('ggplot')
    sns.scatterplot(x='sepal length (cm)', y='sepal width (cm)', hue='species', data=df, palette=sns.color_palette("hls", nump), legend="full", alpha=0.4)
    

    [image]

    次の Python プログラムは,Iris データセットの散布図を表示する.

    次の Python プログラムの関数 scatter_plot_matplotlib は x, y を横軸と縦軸の値として散布図を書く. target を使って色を付ける. xlabel, ylabel, target_name は,横軸の名前,縦軸の名前,凡例のタイトルをグラフに表示させるためのもの. このプログラムは,numpy ndarray のデータを散布図にしたいときの見本として作成した.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    import seaborn as sns
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    def scatter_plot_sns(x, y, xlabel, ylabel, target, target_name, alpha):
        # x, y, target は同じ長さの1次元の numpy.ndarray
        df = pd.DataFrame(np.stack([x, y, target], 1), columns=[xlabel, ylabel, target_name])
        nump = np.max(pd.factorize(df['species'])[0] + 1)
        g = sns.scatterplot(x=xlabel, y=ylabel, hue=target_name, data=df, palette=sns.color_palette("hls", nump), legend="full", alpha=alpha)
        plt.show()
    
    plt.style.use('ggplot')
    scatter_plot_sns(df['sepal length (cm)'].to_numpy(), df['sepal width (cm)'].to_numpy(), 'sepal length (cm)', 'sepal width (cm)', df['species'], 'species', 0.4)
    

    [image]

    次のプログラムも M の最初の2列を横軸と縦軸の値として散布図を書く. b を使って色を付ける.今度は,seaborn の lmplot を使用

    def scatter_plot(M, b, alpha):
        a12 = pd.DataFrame( M[:,0:2], columns=['a1', 'a2'] )
        a12['target'] = b
        sns.lmplot(x='a1', y='a2', data=a12, hue='target', scatter_kws={'alpha': alpha}, fit_reg=False)
    

    Matplotlib を用いた散布図の例

    次の Python プログラムは,Iris データセットの散布図を表示する.

    次の Python プログラムの関数 scatter_plot_matplotlib は x, y を横軸と縦軸の値として散布図を書く. target を使って色を付ける. xlabel, ylabel, target_name は,横軸の名前,縦軸の名前,凡例のタイトルをグラフに表示させるためのもの.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    def scatter_plot_matplotlib(x, y, xlabel, ylabel, target, target_name, alpha):
        # x, y, target は同じ長さの1次元の numpy.ndarray
        f = pd.factorize(target)
        plt.style.use('ggplot')
        fig, ax = plt.subplots()
        for i in range(np.min(f[0]), np.max(f[0]) + 1):
          ax.scatter(x=x[f[0] == i], y=y[f[0] == i], alpha=alpha, label=target[np.where(f[0] == i)[0][0]])
        ax.legend(title = target_name)
        plt.xlabel(xlabel)
        plt.ylabel(ylabel)
        plt.show()
    
    plt.style.use('ggplot')
    scatter_plot_matplotlib(df['sepal length (cm)'].to_numpy(), df['sepal width (cm)'].to_numpy(), 'sepal length (cm)', 'sepal width (cm)', df['species'], 'species', 0.4)
    

    [image]

    次の Python プログラムは,Iris データセットの散布図を表示する.

    データフレーム df について, は 'sepal length(cm)', 'sepal width(cm)' を横軸と縦軸の値として散布図を書く. 'species' の値を使って色を付ける. 横軸の名前,縦軸の名前を表示させる. 上のプログラムとは違って凡例は表示しない.プログラムは簡単になっている

    import pandas as pd
    from sklearn.datasets import load_iris
    %matplotlib inline
    import matplotlib.pyplot as plt
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    df['plot_color'] = pd.factorize(df['species'])[0]
    plt.style.use('ggplot')
    plt.scatter(x='sepal length (cm)', y='sepal width (cm)', c='plot_color', data=df, alpha=0.4)
    plt.xlabel('sepal length (cm)')
    plt.ylabel('sepal width (cm)')
    plt.show()
    

    [image]

    時系列データ(time series data)

    時系列データは,「昨日の気温は15度,今日の気温が13度」のように,時間とともに,値が変化するようなデータである.

    【関連項目】 Johns Hopkins 大の COVID-19 データレポジトリ

    時系列データのニューラルネットワークでの扱い

    時系列データをニューラルネットワークで扱うとき, 前回の推論時でのニューロンの出力の一部を,次の推論に反映させることが役立つ. 例えば,10月23日のデータでの推論時のでの ニューロンの出力の一部を,10月24日のデータでの推論に反映させるようなことである.

    前回の推論時での出力の一部を,次の推論に反映させるために, 前回の推論時でのニューロンの出力が, 次の推論時で,同じニューロンの入力の一部になるようにするなどで,ニューラルネットワークを作る場合がある. そのようなニューラルネットワークには, リカレントニューラルネットワークがある. リカレントニューラルネットワークには, LSTM (Long Short-Term Memory), GRU (Gated Recurrent Neural Networks) などのバリエーションがある.

    【関連項目】 GRU (Gated Recurrent Neural Networks), LSTM (Long Short-Term Memory), リカレントニューラルネットワーク

    次元削減 (dimension reduction)

    特徴ベクトルの特定の属性を表現するのに用いられる次元の数を削減すること.  

    事前学習

    収束

    収束は, 学習において, 学習を繰り返したのち, 学習を 1回行うごとの training loss と validation loss の変化がとても少なくなっているか,そうでないかの判断を場合に関係する.

    主成分分析 (principal component alalysis)

    次の Python プログラムは,Iris データセットの主成分分析を行い,第1主成分,第2主成分,Iris データセットの属性 species で散布図を表示する.

    次の Python プログラム では Iris データセットの主成分分析の第1主成分,第2主成分を横軸と縦軸の値として散布図を書く. 'species' を使って色を付けるとともに,形を変える. 縦軸のラベル,横軸のラベル,凡例の表示も行う.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    import sklearn.decomposition
    %matplotlib inline
    import matplotlib.pyplot as plt
    import plotly.express as px
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    pca = sklearn.decomposition.PCA(n_components=4)
    r = pca.fit_transform(df.iloc[:,0:4].to_numpy())
    
    fig = px.scatter(x=r[:,0], y=r[:,1], color=df['species'], symbol=df['species'], opacity=0.4, 
                     labels={'x': '1', 'y': '2', 'color': 'species', 'symbol': 'species'})
    fig.show()
    

    [image]

    次の Python プログラムは,Iris データセットの主成分分析を行い,第1主成分,第2主成分,第3主成分,Iris データセットの属性 species で3次元の散布図を表示する.

    次の Python プログラムでは,3次元の散布図のために, plotly の scatter_3d を用いている.

    import numpy as np
    import pandas as pd
    from sklearn.datasets import load_iris
    import sklearn.decomposition
    %matplotlib inline
    import matplotlib.pyplot as plt
    import plotly.express as px
    from IPython.display import display
    
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['species'] = iris.target_names[iris.target]
    
    pca = sklearn.decomposition.PCA(n_components=4)
    r = pca.fit_transform(df.iloc[:,0:4].to_numpy())
    
    fig = px.scatter_3d(x=r[:,0], y=r[:,1], z=r[:,2], color=df['species'], symbol=df['species'], opacity=0.4, 
                     labels={'x': '1', 'y': '2', 'z': '3', 'color': 'species', 'symbol': 'species'})
    fig.show()
    

    [image]

    出力層 (output layer)

    ニューラルネットワークの最終の層のこと.

    正規化

    正規化は, 値の範囲を,標準的な値の範囲に変換すること. 次のような意味がある.

    1. 複数のデータがあるとき,分布を保ちながら「データの範囲を0から1の間に収める」ようなデータ変換操作.

      Python のプログラムは次の通り.

      import numpy as np
      from sklearn.preprocessing import scale, minmax_scale
      scale(np.array([1, 3, 4, 5, 2]))
      
    2. 複数のデータがあるとき,分布を保ちながら「平均 0,標準偏差1になる」ようなデータ変換操作.

      Python のプログラムは次の通り.

      import numpy as np
      from sklearn.preprocessing import scale, minmax_scale
      minmax_scale(np.array([1, 3, 4, 5, 2]))
      
    3. 数値ベクトルがあるとき,そのベクトルの向きを保ちながら,長さを1にするようなデータ変換操作

      Python のプログラムは次の通り.

      import numpy as np
      from sklearn.preprocessing import normalize
      a = np.array([[1, 2, 0], [11, 12, 0]])
      a.shape
      normalize(a, axis=0)
      normalize(a, axis=1)
      

      [image]

    推論 (inference)

    ニューラルネットワークを教師あり学習で使用する場合での推論は,学習済みのモデルに対して,入力を与え,出力を得ること. このとき,ニューラルネットワークの重みは変化しない

    ニューラルネットワークの重みが変化可能に設定したままの状態で推論を行うと,精度よく推論が出来ないなどの問題がある.PyTorch では,eval メソッドの実行により, ニューラルネットワークの重みが変化しないように設定した上で推論を行う.

    出力は分類結果であったり,分類結果の確率分布であったり,さまざまありえる.

    生成モデル (generative model)

    生成モデルは,データ X とクラス C の結合確率をモデル化し, そのモデルのパラメータと,データ X の同時確率を最大化したもの.

    あるいは生成モデルのことを,データ X を生成するための確率モデルという意味でいうこともある.

    正則化 (regularization)

    正則化は,モデルの複雑さに対するペナルティととらえることができる. 正則化過学習の防止,緩和に役立つとされる. 正則化には次のような種類がある.

    参考文献: http://research.microsoft.com/en-us/um/people/jingdw/pubs/cvpr16-disturblabel.pdf

    正則化率 (regularization rate)

    重みと比べたときの,正則化関数の相対的な重要性を指定する数値である. 正則化率を上げると,過学習が減少するが,モデルの精度が低下する可能性がある. 正則化率を「lambda」と書くことが多い.  

    全結合 (Dense)

    全結合は,多層パーセプトロン (MLP)で,である層のニューロンすべてと,隣の層のニューロンすべてを結合すること.

    全結合層

    ニューラルネットワーク層(レイヤ)のうち, 後続の層(レイヤ)全結合されている層(レイヤ)のことを 全結合層という.

    「Fully-connected Layer」と言ったり,「Dense Layer」と言ったり,「Affine レイヤ」と言ったりもする.

    層(レイヤ)

    ニューラルネットワークは, 層(レイヤ)の積み重ねで構成されると考えることができる.

    ニューラルネットワークの1つの層(レイヤ)は, コンピュータの中に作るとき,全結合層 (fully-connected layer), 活性化関数層 (activation layer) いう複数の層(レイヤ)に分かれることが普通である. さらに Dropout のような,新しい層(レイヤ)が加わることもある.

    Keras のプログラム】

    入力の次元数が 784,ニューロン数 100, 100, 100の3層,クラス数 10,ドロップアウト 0.05 であるような分類モデル">のプログラムは次のようになる.

     

    層構造のニューラルネットワーク

    この資料で, 「層構造のニューラルネットワーク」というときは, ニューラルネットワークが層構造をなしていて,さらに,ある層(レイヤ)ニューロンは, 次の層(レイヤ)のみにつながる(つながりでは,飛び越しや後戻りがない)という場合のことをいう. Keras では,「Sequential」という.

    例えば,次のような 10層からなる層構造のニューラルネットワークを考えることができる.

    Keras のプログラム】

    m.add(Dense(units=100, input_dim=len(768[0])))
    m.add(Activation('relu'))
    m.add(Dropout('0.05'))
    m.add(Dense(units=100))
    m.add(Activation('relu'))
    m.add(Dropout('0.05'))
    m.add(Dense(units=100))
    m.add(Activation('relu'))
    m.add(Dropout('0.05'))
    m.add(Dense(units=クラス数))
    m.add(Activation('softmax'))
    

    相互情報量 (mutual information)

    相互情報量を求める R のプログラム.

    library(entropy)
    X <- c(1,2,1,2,3,2,1)
    Y <- c(4,5,5,4,6,5,4)
    a <-discretize2d(X, Y, 3, 3)
    mi.plugin(a)
    chi2indep.plugin(a)
    

    [image]

    参考資料: https://cran.r-project.org/web/packages/entropy/entropy.pdf

     

    相対度数分布 (relative frequency histgram)

    度数分布のうち,データの個数を数え上げる普通の度数分布の他に, 比率(全体を 1 をする)を数え上げる相対度数分布(relative frequency histgram), 累積値を数え上げる累積度数分布(cumulative frequency histogram)がある.

    相対度数分布を数える Python プログラム.numbins で帯数を指定。

    scipy.stats.relfreq([0, 1, 1, 0, 0, 0, 1, 0, 0], numbins = 2)
    

    参考ページ: https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.relfreq.html

    相対度数分布を数える R のプログラム.numBins で帯数を指定.

    library(entropy)
    a = c(0, 1, 1, 0, 0, 0, 1, 0, 0)
    discretize(a, numBins=2)/length(a)
    

    [image]

    参考資料: https://cran.r-project.org/web/packages/entropy/entropy.pdf

    損失 loss)

    ニューラルネットワークの出力と正解との差. つまり,損失は,モデルにより予測された値が,正解とどれだけ離れているかを示す. 損失の値を算出するために,損失関数が必要である.  

    損失関数

    損失を算出するための関数のこと. 平均二乗誤差 (MSE, Mean Squared Error), カルバック-ライブラー情報量などがある. 「誤差関数」ともいうこともある.

    ニューラルネットワークの学習においては,損失関数の値が最小になるように探索が行われる.

    Keras損失関数のページ: https://keras.io/api/losses/

     

    多クラス

    「多クラス」は,クラス数が3以上であること.クラス数が2の場合には「2クラス」という.  

    多クラスの分類 (multi-class classification)

    2つ以上のクラス分類すること. 2クラスに分類するときは binary classication という.

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

    畳み込みニューラルネットワーク (Convolutional Neural Network) は,畳み込み層 (convolutional layer) を含むような ニューラルネットワークである.

    畳み込みニューラルネットワーク (Convolutional Neural Network) は, 次の 3種類の層を含むように構成するのが普通である.

    【関連項目】 Applications of Deep Neural Networks, Keras, ディープラーニング

    畳み込みニューラルネットワーク (Convolutional Neural Network) を作成する Python プログラム(Keras を使用)

    例えば,次のような 5層からなる層構造のニューラルネットワークの作成を行う.

    1. 2次元の畳み込み層 (convolutional layer)
    2. 2次元の畳み込み層 (convolutional layer)
    3. プーリング層 (pooling layer)
    4. 全結合層 (fully-connected layer).ニューロン数は 128.
    5. 全結合層 (fully-connected layer).ニューロン数は 10

    その Python プログラムは次のようになる.

    import tensorflow.keras
    from tensorflow.keras.layers import Dense, Dropout, Conv2D, MaxPooling2D
    from tensorflow.keras.layers import Conv2D, Flatten, MaxPooling2D
    from tensorflow.keras import backend as K
    from tensorflow.keras.models import Model, Sequential
    import tensorflow.keras
    
    # 畳み込みニューラルネットワークの作成
    num_classes = 10
    img_rows, img_cols = 28, 28
    if K.image_data_format() == 'channels_first':
        input_shape = (1, img_rows, img_cols)
    else:
        input_shape = (img_rows, img_cols, 1)
    
    m = Sequential()
    m.add(Conv2D(32, kernel_size=(3, 3),
                     activation='relu',
                     input_shape=input_shape))
    m.add(Conv2D(64, (3, 3), activation='relu'))
    m.add(MaxPooling2D(pool_size=(2, 2)))
    m.add(Dropout(0.25))
    m.add(Flatten())
    m.add(Dense(128, activation='relu'))
    m.add(Dropout(0.5))
    m.add(Dense(num_classes, activation='softmax'))
    m.compile(loss='categorical_crossentropy', optimizer='adam',
                  metrics=['accuracy'])
    m.summary()
    

    補足説明は次の通りである.

    多層パーセプトロン (MLP)

    転移学習 (transfer learning)

    ある機械学習のタスクから別のタスクに情報を転移すること.

    ニューラルネットワークの転移学習では,学習済みモデル を使い,新しい分類を行う.新しい分類のための教師データを十分に準備できないときに効果を期待できる. 転移学習では, 学習済みモデルについて,重みを凍結(フリーズ)する. 学習済みモデルに新しい層(レイヤ)を追加して, 新しい分類を行えるようにする. 学習済みモデルは,新しい分類のための特徴抽出のために使うと考えることができる

    動画 (video)

    動画の情報確認

    動画のサイズ,縦横比,コーデックなどの確認は,mediainfo コマンドで行うことができる.

    avi ファイルでの実行結果例

    mp4 ファイルでの実行結果例

    動画の形式変換

    動画の形式変換は,ffmpeg を用いて行うことができる.

    動画から連番画像の作成

    ffmpeg -i kaneko_sample_video.mp4 -r 4 -f image2 img%06d.png
    

    動画の編集

    動画の形式変換は,OpenShot などを用いて行うことができる.

    動画のストリーミング配信,録画,リアルタイム合成

    OBS (Open Broadcaster Software) は, 動画のストリーミング配信,録画,リアルタイム合成の機能を持つ. 例えば,FaceRig の動画と,パソコンの画面との合成も簡単にできる.

    OBS の公式ページ(日本語版): https://obsproject.com/ja/

    統計的機械学習 (Statistical Machine Learning)

    統計的機械学習には,次のようなものがある.

    特徴ベクトル (feature vector)

    特徴値 (feature value) のベクトル.

    度数分布(ヒストグラム)

    度数分布のうち,データの個数を数え上げる普通の度数分布の他に, 比率(全体を 1 をする)を数え上げる相対度数分布(relative frequency histgram), 累積値を数え上げる累積度数分布(cumulative frequency histogram)がある.

    度数分布を数える R のプログラム.numBins で帯数を指定.

    library(entropy)
    a = c(0, 1, 1, 0, 0, 0, 1, 0, 0)
    discretize(a, numBins=2)
    

    参考資料: https://cran.r-project.org/web/packages/entropy/entropy.pdf

    Iris データセットの度数分布(ヒストグラム)をプロットする R のプログラム.

    library(ggplot2)
    p <- ggplot( iris[iris$Species=='setosa',]$Sepal.Length )
    p + stat_bin(aes(hoge, ..count..))
    

    凸最適化 (convex optimization)

    凸最適化 (convex optimization) には, 凸関数 (convex function) での最小を発見する勾配降下法 (gradient descent) などがある.

    入力層 (input layer)

    ニューラルネットワークの最初の  

    入力の次元数

    ニューロンの入力が数のベクトルであるとき,そのベクトルの次元数を「入力の次元数」という.

    非公式ビルド

    オープンソースのソフトウエアを,非公式にビルドしたもの.

    白色化

    白色化 (whitening) とは,ニューラルネットワークの入力である数値ベクトルについて, 次のことを行う処理のこと.

    微調整 (fine tuning)

    2度めの最適化を実施することで, すでに学習済みモデルのパラメーターを, 新しい問題に適合するように調整すること.

    「教師なしのニューラルネットワークで学習済みのものについて, 重みを調整することで,教師ありのニューラルネットワークとして使えるようにする」という意味もある.

    転移学習では,モデル全体もしくはモデルの一部の凍結(フリーズ)を解除し,新しいデータで学習を行う.このとき,十分な量のデータを準備すること,そして,学習率を低く設定するなので,モデルの改善を行う.

    半教師あり学習 (semi-supervised learning)

    教師データとして,正解の付いているデータと,正解の付いていないデータを使う. 正解の付いているデータを使い,ニューラルネットワーク学習を使い. そして,このニューラルネットワークに,正解の付いていないデータを与え,出力を得る. この出力を正解とみなして,正解の付いていないデータと合わせて,教師データとして使う.

    深さ (depth)

    深さ (depth) は,ニューラルネットワーク層(レイヤ) のうち, 重み (weight) についての学習を行う層(レイヤ)の数のこと.

    物体検出

    物体検出は,写真やビデオの中から,ある特定の種類の物体を検出すること.種類は複数ありえ,その場合には,物体検出 が行われるともに,その種類が判別される.

    物体検出の結果は, バウンディングボックスで得られるのが普通である.

    【関連項目】 ADE20K データセット Box Annotation, COCO (Common Object in Context) データセット, ImageNet データセット, EfficientDet, Mask R-CNN, Max-Margin 物体検出 (Max-Margin Object Detection), PANet (Path Aggregation Network), PASCAL VOC (PASCAL Visual Object Classes Challenge) データセット, RetinaNet, YOLOv3, YOLOX, 顔検出 (face detection) semantic segmentation, インスタンス・セグメンテーション (instance segmentation)

    分類 (classification)

    分類は, データから,そのクラス名,もしくは,クラスについての確率分布を求めること. 「クラス分類」ともいう.

    多くの場合には,ベクトルデータの集合を, オブジェクトをクラス(カテゴリ)に分けたり, クラスに属する確率を求める.

    ディープラーニングによる分類は,事前に,教師データを用いて訓練(学習)を行う.

    分類モデル (classification model)

    機械学習のモデルで,クラスの判別に使うもの.

    Iris データセット を,3種類に分類する Keras プログラムの例は次の通り.

    from __future__ import absolute_import, division, print_function, unicode_literals
    import tensorflow.compat.v2 as tf
    tf.enable_v2_behavior()
    print(tf.__version__)
    import numpy as np
    from sklearn.datasets import load_iris
    import sklearn.model_selection
    from IPython.display import display
    
    iris = load_iris()
    x = iris.data
    y = iris.target
    
    import numpy as np
    from sklearn.preprocessing import normalize
    
    x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x.reshape(x.shape[0], -1), y, train_size=0.5) 
    
    NUM_CLASSES = 3
    
    m = tf.keras.Sequential([
        tf.keras.layers.Dense(units=64, input_dim=len(x_train[0]), activation='relu'),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(units=NUM_CLASSES, activation='softmax')
    ])
    
    print(m.summary())
    
    m.compile(
        optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
        loss='sparse_categorical_crossentropy',
        metrics=['sparse_categorical_crossentropy', 'accuracy']
    )
    
    EPOCHS = 300
    history = m.fit(x_train, y_train, batch_size=32, epochs=EPOCHS, validation_data=(x_test, y_test))
    
    # 分類
    predictions = m.predict(x_test)
    print(predictions.argmax(axis=1))
    # 正解の表示
    print(y_test)
    
    import pandas as pd
    h = pd.DataFrame(history.history)
    h['epoch'] = history.epoch
    print(h)
    
    # 学習曲線
    # https://www.tensorflow.org/tutorials/keras/overfit_and_underfit?hl=ja で公開されているプログラムを使用
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    
    def plot_history(histories, key='binary_crossentropy'):
      plt.figure(figsize=(16,10))
    
      for name, history in histories:
        val = plt.plot(history.epoch, history.history['val_'+key],
                       '--', label=name.title()+' Val')
        plt.plot(history.epoch, history.history[key], color=val[0].get_color(),
                 label=name.title()+' Train')
    
      plt.xlabel('Epochs')
      plt.ylabel(key.replace('_',' ').title())
      plt.legend()
    
      plt.xlim([0,max(history.epoch)])
    
    
    plot_history([('history', history)], key='sparse_categorical_crossentropy')
    

    上のプログラムの実行結果は下の図の通り。

    [image]

    上のプログラムで作成される分類モデルは,次の通り。

    [image]

    学習に追加に使うデータ: x_testy_test のペア

    print(x_train)
    print(y_train) 
    

    [image]

    [image]

    学習のあと,別のデータを使って分類してみる

    まず分類したいデータの確認

    print(x_test)
    

    [image]

    分類結果の確認

    m.predict(x_test)
    

    [image]

    偏微分 (partial derivative)

    変数が複数あるとき,ある特定の1変数を除くすべての変数を定数とみなした導関数のこと. 例えば,x に関する f(x, y) の偏微分では,y を定数に保ちながら微分を行う. x に対する f の偏導関数は,x がどのように変化するかのみに注目するもので,方程式内の x 以外のすべての変数を無視する.

    変分オートエンコーダ(Variational Auto Encoder; VAE)

    変分オートエンコーダ(Variational Auto Encoder; VAE) は,エンコーダとデコーダから構成される. 学習によって,エンコーダとデコーダのパラメータが決定されるもので,デコーダは,生成モデルになっている.

    変分オートエンコーダ(Variational Auto Encoder; VAE) は,オートエンコーディング変分ベイズアルゴリズム(Auto-Encoding VB algorithm; AEVB algorithm)を用いた学習を行う. オートエンコーディング変分ベイズアルゴリズムは, 確率的勾配降下法を用いて,確率的勾配変分ベイズ推定量 (Stochastic Gradient Variational Bayes estimator) を極大化するような,エンコーダとデコーダのパラメータを求める.

    その構造は,オートエンコーダに類似するが, 次の違いがある.

    変分オートエンコーダ(Variational Auto Encoder; VAE) は,CVAE と関連する.