PyTorchによる物体検出PyTorchで物体検出アルゴリズムを実装しよう! 本書は、PyTorchを利用して、 ・ PyTorch(パイトーチ)とは? 2018年にFacebook が発表した、ディープラーニングのフレームワークです。 ・ 物体検出とは? 画像認識の一分野で、画像から特定の物体の位置と、 ディープラーニングは当初、 本書は、PyTorchの使いかたを習得することと、 <本書の特徴> ・ ・Pythonによるサンプルコードを例示&配布し、 このような方におすすめ ◎ 物体検出に携わるエンジニア ○ 深層学習を学んでいる学生 ○ PyTorchの使いかたを習得したい方 主要目次 第1章 PyTorch によるプログラミング 第2章 物体検出アルゴリズムSSDの実装 第3章 SSDに関連した話題 |
レビュー - レビューを書く
目次
2 | |
3 | |
4 | |
6 | |
9 | |
10 | |
13 | |
13 Definebyrunと自動微分 | 15 |
24 特徴量マップと領域 | 78 |
25 SSDの処理の概要 | 80 |
26 SSDのネットワークモデル | 81 |
27 SSDモデルの実装 | 84 |
272 extrasネットワークの実装 | 86 |
274 confネットワークの実装 | 87 |
275 L2Normの実装 | 88 |
28 DBoxの実装 | 90 |
132 計算グラフを利用した勾配計算 | 16 |
133 Definebyrun | 17 |
14 TensorとNumPy | 18 |
142 Tensorと数値の四則演算 | 20 |
143 Tensorどうしの四則演算 | 21 |
144 Tensorの行列積 | 22 |
145 Tensorのバッチの行列積 | 23 |
146 Tensorを扱う関数 | 25 |
147 Tensorの型と型の変換 | 26 |
148 TensorとNumPyと相互変換 | 27 |
1410 Tensorの軸の操作 | 28 |
1411 Tensorと自動微分 | 29 |
15 PyTorchの学習プログラムの作成 | 33 |
152 ライブラリの読み込み | 34 |
153 学習データの準備 | 35 |
154 モデルの設定 | 36 |
155 モデルの生成最適化アルゴリズムと損失関数の設定 | 38 |
156 学習 | 39 |
157 テスト | 40 |
158 ミニバッチ | 41 |
159 クロスエントロピー | 42 |
1510 nnSequentialによるモデル設定と生成 | 43 |
1511 nnModuleListによるモデル設定と生成 | 44 |
1512 GPUの利用 | 45 |
16 畳み込みニューラルネットワーク | 47 |
162 畳み込み | 48 |
163 Max Pooling | 51 |
164 学習の対象 | 52 |
166 CNNによる画像識別 | 55 |
167 Dropout | 58 |
17 複雑なネットワークの学習 | 60 |
172 複数のモデルの混在 | 65 |
第2章物体検出アルゴリズムSSDの実装 | 71 |
21 物体検出 | 72 |
22 ボックスの形式 | 74 |
23 デフォルトボックスとオフセット | 77 |
29 SSDのforward関数 | 92 |
210 損失関数の実装 | 97 |
2101 IOUによるDBoxの選択 | 98 |
2102 match関数の実装 | 99 |
2103 利用するNegative DBoxの選択 | 101 |
2104 SmoothL1Lossと交差エントロピーによる損失値算出 | 102 |
211 学習プログラム全体の実装 | 104 |
2112 入力画像の前処理 | 107 |
2113 学習プログラム | 108 |
212 モデル出力からの物体検出処理 | 111 |
2122 detectionの実装 | 112 |
213 推論プログラムの実装 | 115 |
第3章 SSDに関連した話題 | 119 |
31 既存の画像識別モデルの利用 | 120 |
32 SSDのDataLoader | 121 |
322 自前のcollate_fn | 124 |
323 DataLoaderを使った学習のループ部分 | 125 |
33 SSDのData Augmentation | 127 |
34 物体検出システムの評価方法 | 132 |
342 mAPmean Average Precision | 133 |
35 アノテーションツールLabelImg | 141 |
36 既存モデルの利用 | 144 |
37 SSDの転移学習 | 145 |
38 SSDの動画への適用 | 150 |
39 弱教師あり学習 | 154 |
310 他モデルの利用 | 156 |
3102 M2Det | 161 |
3103 Detectron2 | 164 |
付録A プログラミング環境の構築Windows | 171 |
A1 Anaconda | 172 |
A3 wget | 173 |
A5 PyTorch | 175 |
参考文献 | 176 |
178 | |
183 | |