物体認識論 其の一 20171003

概要

• MATLABを用いて学習していく。（自宅でいじりたいときは、包括ライセンスを利用してダウロードせよ）
• 深層学習も講義の中で少し扱っていく
• 画像処理がメインの内容になっていく

イントロダクション

　イントロは、現在の画像処理における深層学習についてでした。

　2015年に深層学習による画像認識が人間の能力を上回った。
　画像認識の従来の方法は

1. 局所パターンを認識
2. パターンと対照画像を照らし合わせる

　だったのに対し、深層学習では

1. 目標パラメータを決め、画像に対して乱数でパラメータを割り振る
2. 再急降下法を用いて目標との誤差を最小値に収束させる

　という方法を用いている。ただし、1枚の画像に対して10億回の計算をしなければならなく、十分な結果を得るには100万枚の画像に対して同じことを行わなければならない。
　　→このため、GPUの買い占めなどが起こっている。大手企業は10億単位での投資を行っている。

学習データの構築のために

　一人で、学習用のデータベースを作ることは時間がかかりすぎるので不可能に近い。そこで、クラウドソーシングなどのサービスを使い、有償でデータ構築を進めている。このクラウドソーシングではインド人の協力が多いらしいです。

　データの学習方法に関しては勾配法で十分。それ以外のところを数行書き換えるだけで画期的な学習方法になるかもしれない。

　講義では、従来の方法について前半で扱い、深層学習については後半で少し取り扱っていくらしいです。