![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
#author("2023-12-12T12:23:14+09:00","default:ait-survey","ait-survey") #author("2025-05-03T11:30:52+09:00","default:ait-survey","ait-survey") 一般に人工知能というと機械学習も含めるが，ここでは深層学習(Deep Learning)に関してのよもやまを述べます．もう少し限定するとComputer Visionで画像関連です。~ *画像認識（Image Recognition） [#n4abc777] 画像の内容は何か？を答えさせるもの。いわゆる、この画像に写っているのは犬ですか？猫ですか？を答える。手法としてCNNとTransformer に分けられるか？ 画像の内容は何か？を答えさせるもの。いわゆる、この画像に写っているのは犬ですか？猫ですか？を答える。手法としてCNNとTransformer に分けられるのだろう． -CNN:認識対象物と認識しやすい特徴を局所的に抽出しながら（重みとバイアスとして残しながら）次元を削減していき，最終的に認識対象の確信度を出力する（画像内の相対的位置関係は不変）．例えば，[[EfficientNet:https://arxiv.org/abs/1905.11946#:~:text=,can%20lead%20to%20better%20performance]]. -Transformer:画像をパズル化し，データベース検索のような仕組み（クエリ，キュー，バリュー）を利用した自己注意機構(Self-Attention)を基軸に，画像の内容を読み解く．応用にStable Diffusionがある． *物体検出 [#ead94902] 物体の位置と内容を答えさせる。「領域提案」と「クラス分類」が肝。それを1段階で行うか2段階で行うかで手法が分けられる。~ -1段階:YOLO,SSD -2段階:R-CNN系（例えば，[[FasterR-CNN:https://arxiv.org/abs/1506.01497#:~:text=%23%20%E3%80%900%E2%80%A0%5B1506.01497%5D%20Faster%20R,algorithms%20to%20hypothesize%20object%20locations]]（バウンディングボックス）と[[Mask R-CNN:https://arxiv.org/abs/1703.06870#:~:text=%23%20%E3%80%900%E2%80%A0%5B1703.06870%5D%20Mask%20R,for%20predicting%20an%20object]]（セグメンテーション））~ 上記のような方法もあるが，画像を分割し，それに対して画像認識を適用する方法も類似する？ので，それらの具体的差異に関してもやっとするところです． *GAN [#m0e356f1] [[原著:https://arxiv.org/abs/1406.2661]]~ 複数の人工知能モデル（ネットワーク）、競いあわせて性能を高める。具体的には，生成器（Generator）と識別器（Discriminator）．~ 画像生成では，拡散モデルもある． **pix2pix [#c8d44b04] [[原著:https://arxiv.org/abs/1611.07004#:~:text=%23%20%E3%80%900%E2%80%A0%5B1611.07004%5D%20Image,image%20translation%20problems]]~ [[損失関数について:https://chat.openai.com/share/a15cca16-0d95-4d9a-bfba-d3a510551264]] **CycleGAN [#d600cdb9] [[原著:https://arxiv.org/abs/1703.10593#:~:text=%23%20%E3%80%900%E2%80%A0%5B1703.10593%5D%20Unpaired%20Image,set%20of%20aligned%20image%20pairs]]~ ウマとシマウマの色彩変換で有名．それぞれ1000枚程度の学習データ． *拡散モデル [#i3c2881a] [[原著:https://arxiv.org/abs/2112.10752]]~ text2image **Stable Diffusion [#cf2802b3] [[github:https://github.com/Stability-AI/stablediffusion]] **DALL-E2 [#b607aa0d] [[github:https://github.com/lucidrains/DALLE2-pytorch?tab=readme-ov-file]]
