検索 - みる会図書館

全データから 212915件ヒットしました。

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


50 祚 イ ン プ レ ス R & D [ NextPublishing] - ー ・ ・ New Thinking New Ways E-Book/ Print Book は じ め ま し た 機 械 学 習 で 超 解 像 ー Super ResoIution 有 山 圭 ニ R&D impress 解 像 度 ア ッ プ を 実 現 ! G 〇 〇 g に の 機 械 学 習 で

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


図 3.18 超 解 像 処 理 を し た 画 像 図 3.19 評 価 用 画 像 ( 拡 大 ) LOW Resolution イ を 物 を Super ResoIution 58 第 3 章 超 解 像 奮 闘 記

TensorFlowはじめました3 Object Detection ─ 物体検出 (NextPublishing)


技 術 書 典 3 で 頒 布 さ れ た 同 人 誌 版 に 掲 載 さ れ た イ ラ ス ト で す 。 第 - ノ - ツ を 76 あ と が き (NextPublishing 版 )

TensorFlowはじめました3 Object Detection ─ 物体検出 (NextPublishing)


50 市 ー OW New Thinking New Ways イ ン プ レ ス R & D [ NextPublishing ] E-Book / Print Book ー は じ め ま し た 一 有 山 圭 ニ ン グ G 〇 〇 g の 機 械 学 習 を 使 っ て 画 像 の 中 の 物 体 を 認 識 す る ! Object Detection ー 物 体 検 出 impre 、 5 R&D

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


TensorFlow は じ め ま し た 2 超 角 象 —Super Resolution 2017 年 6 月 2 日 初 版 発 行 ver. 1.0 (PDF 版 ) 著 者 有 山 圭 二 編 集 人 山 城 敬 発 行 人 井 芹 昌 信 発 行 株 式 会 社 イ ン プ レ ス R & D 〒 101-0051 東 京 都 千 代 田 区 神 田 神 保 町 一 丁 目 105 番 地 http.//nextpublishing.jp/ 機 械 学 習 で ・ 本 書 は 著 作 権 法 上 の 保 護 を 受 け て い ま す 。 本 書 の 一 部 あ る い は 全 部 に つ い て 株 式 会 社 イ ン プ レ ス R & D か ら 文 書 に よ る 許 諾 を 得 ず に 、 い か な る 方 法 に お い て も 無 断 で 複 写 、 複 製 す る こ と は 禁 じ ら れ て い ま す 。 ( 02017 Keiji Ariyama. AII rights reserved. ISBN978-4-8443-9774-8 住 x に NextPubIishing ・ ◎ 本 書 は NextPub ⅱ shing メ ソ ッ ド に よ っ て 発 行 さ れ て い ま す 。 NextPub hing メ ソ ッ ド は 株 式 会 社 イ ン プ レ ス R & D が 開 発 し た 、 電 子 書 籍 と 印 刷 書 籍 を 同 時 発 行 で き る デ ジ タ ル フ ァ ー ス ト 型 の 新 出 版 方 式 で す 。 http://nextpublishing.jp/

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


参 考 ・ lmage Super-Resolution Using Deep Convolutional Networks —http:〃 mmlab.ie.cuhk.edu/hk/projects/SRCNN.html ・ waifu2x ¯https・//github.com/nagadomi/waifu2x/ ・ mikemoke blog —http ・//mikemoke.hatenablog.com/ ・ す ぎ ゃ ー ん メ モ ¯http://memo.sugyan.com ・ 深 層 学 習 ( 人 工 知 能 学 会 監 修 ) ・ TensorFlow 近 代 科 学 社 刊 76 —Site: https.//www.tensorflow.org/ —GitHub:https//github.com/tensorflow/tensorflow 参 考

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


variabte_on_cpu('biases' shape, tf. constant_initializer(vatue)) —get—biases(biases—shape, vatue=biases—value) biases if biases_shape is not None: padding=padding) conv = tf. nn. conv2d(input_Iayer, weights, strides, —get—weights(weights—shape, stddev=weight—stddev) weights with tf. variabte_scope(name) as scope: strides=(), 1 , 1 , 1 ) , padding='VALID'): biases_shape, biases_value, weights—shape, weight—stddev, def conv2d(name, input_layer, return var conv tf. nn . bias_add(conv, biases) 図 2.3 Convolutional Neural Network return conv 33X33X1 convl 9X9X64 conv2 1XIX32 ReLU conv3 5X5X1 21X21X1 ReLU ReLU 図 2.3 は 、 モ デ ル を 図 示 し た も の で す 。 こ れ は 論 文 「 lmage Super-Resolution Using Deep ConvoIutional Networksl 」 で 紹 介 さ れ て い る モ デ ル で す 。 3 層 の 畳 み 込 み 層 (Convolutional Layer) で 構 成 さ れ る CNN (Convolutional Neural Network) は 、 深 層 化 の 傾 向 を 深 め て い る 昨 今 か ら 見 れ ば 小 さ い モ デ ル で す が 、 正 し く 使 え ば 、 こ の 規 模 の も の で も 超 解 像 を 実 現 で き ま す 。 学 習 モ デ ル を 定 義 し た だ け で は 、 期 待 す る と お り の 機 能 ( 超 解 像 ) は 果 た し ま せ ん 。 目 的 に 適 う よ う に す る に は 、 モ デ ル に 低 解 像 度 の 画 像 を 入 力 す る と 、 高 解 像 度 の 画 像 を 出 力 す る よ う に 「 学 習 」 さ せ る 必 要 が あ り ま す 。 学 習 は 、 次 の 手 順 で 行 い ま す 。 第 2 章 CNN で 超 解 像 25

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


0 一 0 第 2 章 超 解 像 と は CNN で 超 解 像 う に 定 義 し ま す 。 モ デ ル に サ イ ズ 33px の 低 解 像 度 画 像 を 入 力 す る と 、 21px の 解 像 度 が 高 い 画 像 を 出 力 す る よ リ ス ト 2.1 の 関 数 inference は 、 本 書 で 使 う 超 解 像 の モ デ ル を グ ラ フ と し て 構 築 し ま す 。 モ テ ル の 定 義 3 . 画 像 処 理 2 . 学 習 1 . モ デ ル の 定 義 モ デ ル は 、 次 の 手 順 で 作 成 し ま す 。 図 2.1 劣 化 し た 画 像 の 解 像 度 を 高 め る ( イ メ ー ジ ) 本 書 で は TensorFlow を 使 っ て 、 超 解 像 を 実 現 す る 機 械 学 習 の モ デ ル を 作 成 し ま す 。 し た ま ま 解 像 度 を 高 め る こ と 、 も し く は 、 そ れ を 実 現 す る 技 術 を 言 い ま す 。 超 解 像 (Super ResoIution) と は 、 拡 大 や 不 可 逆 圧 縮 な ど で 劣 化 し た 画 像 を 、 元 の 画 質 を 維 持 22 第 2 章 CNN で 超 解 像

TensorFlowはじめました2 機械学習で超解像─Super Resolution (NextPublishing)


図 4.5 評 価 用 画 像 ( 拡 大 ) LOW Resolution Super ResoIution 超 解 像 そ の も の は 機 能 し て い る よ う で す が 、 あ ま り 違 い は わ か り ま せ ん 。 画 質 の 指 標 (PSNR, SSIM) 目 で 見 て 画 質 の 善 し 悪 し を 判 定 す る こ と が 難 し く な っ て き た の で 、 画 質 を 評 価 す る た め に 指 標 を 使 い ま す 。 本 来 、 画 質 の 定 量 的 な 評 価 は 専 門 家 で あ っ て も 難 し い と 言 わ れ て い ま す が 、 本 書 で は 「 PSNR (peak Signal-to-Noise Ratio) 」 と 「 SSIM (structural similarity) 」 の 2 つ の 値 を 使 っ て 比 較 し て い き ま す 。 リ ス ト 42 は 、 高 画 質 画 像 に 低 画 質 画 像 (BICUBIC で 拡 大 ) 、 超 解 像 画 像 を そ れ ぞ れ 比 較 し て 、 指 標 を 表 示 す る プ ロ グ ラ ム で す 。 画 質 の 計 測 に は skimage を 使 い ま す 。 リ ス ト 4.2 . util/compare_images. py # codir)5 UTF—8 import OS nmport tensorflow as tf from skimage. iO import imread from skimage. measure import compare_psnr from skimage . measure import compare_ssim 第 4 章 さ ま ざ ま な モ デ ル 63

WEB+DB PRESS Vol.89


waifu2x に よ る 画 像 の 超 解 像 第 5 章 深 層 学 習 が 画 像 を き れ い に 拡 大 で き る し く み 日 本 語 ん カ 〃 わ ) 注 6 、 そ れ を 用 い た A ⅵ U ⅱ 1 の フ ィ ル タ と し て 使 用 で き る バ ー ジ ョ ン 、 主 7 、 CUDA や OpenCL に 対 応 し て い な い GPU で も 処 理 で き る GISL を 用 い た バ ー ジ ョ ン 注 8 な ど 、 数 多 く の 派 生 版 が 開 発 さ れ て い ま す 。 ま た 、 jQuery の 開 発 者 で あ る JohnResig が waifu2x を 浮 世 絵 に 適 用 し た こ と も 話 題 に な り ま し こ れ は 、 waifu2x の 技 術 が 「 俺 の 嫁 」 の 超 解 像 に と ど ま ら ず 、 歴 史 的 文 献 を デ ジ タ ル 化 す る 際 に も 適 用 で き る 可 能 性 を 示 し て お り 、 と て も 興 味 深 い と 思 い ま す 。 特 集 の ま と め 注 6 注 7 注 8 注 9 http:〃d.hatena ne.jp/w_o/20150619 # 1434643288 https://github.com/YSRKEN/aviutI-waifu2x-w2xc https:〃github.com/ueshita/waifu2x-converte 「 -9回 http:〃ejohn.org/blog/using-waifu2x-t0-upscale-japanese- prints/ WEB + DB PRESS WEB + DB PRESS ⅳ 5 ⅳ 5 シ リ ー ズ 第 5 章 で は waifu2x の し く み と 、 そ れ か ら 派 生 し た ソ フ ト ウ ェ ア の 一 部 を 紹 介 し ま し た 。 筆 者 は 、 深 層 学 習 の 応 用 技 術 が 普 通 の 人 に も 使 え る ラ イ フ 。 ラ リ と し て 登 場 す る 時 代 が も う す ぐ 来 る と 考 え て い ま す 。 waifu2x は 、 そ の 流 れ の 先 頭 に 立 つ も の だ と 思 い ま す 。 さ て 、 本 特 集 で は 、 深 層 学 習 へ の 入 門 と し て 、 ュ ー ラ ル ネ ッ ト ワ ー ク の 学 習 の し く み か ら 深 層 学 習 の 応 用 例 ま で を 紹 介 し て き ま し た 。 い か が で し た で し よ う か 。 こ の 特 集 が 、 機 械 学 習 や 深 層 学 習 を よ り 深 く 学 び 、 そ れ ら を 活 用 し た 新 し い 技 術 と サ ー ビ ス が 生 ま れ る き っ か け に な り ま し た ら 幸 い で す 。 本 章 の 参 考 文 献 OChao Dong, et a し "lmage Super-Resolution Using Deep Conv01utional Networks," arXiv:1 501.0009 乙 2014. を 支 え る 技 術 を 支 え る 技 術 第 印 続 い ヨ シ ピ タ と 言 葉 の 世 徳 永 拓 之 〆 膨 大 な 換 候 補 の 中 か ら : = 。 0 、 か に 最 適 解 を 導 く か 変 換 洋 人 み デ タ 構 造 計 画 法 機 械 学 習 二 値 分 類 習 電 語 モ デ ッ 性 能 評 価 、 ~ ー = イ 1 ダ ブ ル 配 可 1. ( ル い ム 「 ? 、 ヤ セ プ ト ロ ン ~ ℃ R ド ー 錦 社 徳 永 拓 之 著 A5 判 / 320 ペ ー ジ 定 価 ( 本 体 2 , 570 円 十 税 ) 旧 BN978-4-7741-4993-6 血 技 術 評 諞 社 を 変 わ り 続 け る コ ン ビ ュ ー タ と 言 葉 の 世 界 コ ン ビ ュ ー タ と 人 を 結 ぶ 窓 口 で あ る 入 力 プ ロ グ ラ ム (IME ) は 一 見 シ ン プ ル で す が 、 そ の 言 語 、 特 に 日 本 語 の 扱 い に は ソ フ ト ウ ェ ア レ ベ ル の 数 多 く の 工 夫 が 詰 ま っ て い ま す 。 本 書 で は 、 い ま ど き の 日 本 語 入 力 シ ス テ ム で 利 用 さ れ て い る 変 換 ア ル ゴ リ ス ム や 機 械 学 習 と い っ た 技 術 を 紐 解 き ま す 。 ま た 、 か な 漢 字 変 換 工 ン ジ ン の 実 装 を 通 じ て 、 い か に し て 変 換 精 度 を 向 上 さ せ る か 、 効 率 よ く 日 本 語 を 入 力 す る か を 丁 寧 に 解 説 。 広 く ソ フ ト ウ ェ ア 開 発 者 、 プ ロ グ ラ マ の 方 々 へ 、 新 た な 技 術 が 続 々 と 取 り 込 ま れ て い る E の い ま 知 っ て お き た い 基 本 を 紹 介 し ま す 。 WEB + DB P ド 55 MOL80 ・ 77