畳み込みニューラルネットワーク (CNN: Convolutional Neural Network)

例の書籍「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」を一通り読み終わりました。



ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

「あえてPythonを使わずにUnity C#で実装しながら勉強する」とか言っておきながら、結局途中でコーディングを断念。意外と面倒だったので。。。

書籍のPythonコードをUnity C#で再現しようとしてMNISTデータセットをUnityのテクスチャとして読み込むコードとかも書いたりしたんだけど、lambda式や抽象クラス、インターフェイスあたりで混乱して躓いた。改めてPythonとNumPyの記述の手軽さを理解しましたとさ。抽象度が高い代わりに読みづらくもあるんだけど。

2018年7月 追記:CNNではないけど、mattatzさんがUnity上で動くニューラルネットワークの実装を公開している。

MINISTデータセットをC#で読み込むやり方のサンプルあるのね↓
https://jamesmccaffrey.wordpress.com/2013/11/23/reading-the-mnist-data-set-with-c/

2019年 追記:C#で使えるNumPyライクな数値計算ライブラリを知ったので、今ならコレを使う↓





さて、書籍でCNNの仕組みまでは分かったところで、ちょっとYouTubeで調べてみたら、CNNの動作の様子を可視化してくれてる人がチラホラいる。

畳み込み層 (Convolution Layer)

こちらは畳み込み層の動作を可視化した動画↓






プーリング層 (Pooling Layer)

こちらはプーリング層の動作を可視化した動画。(最大値を取るMax-Poolingの例)



追記:こちらの記事のgifがとても分かりやすい↓
http://pynote.hatenablog.com/entry/dl-convolutional-neural-network

追記:Max Poolingの処理は、要するにモルフォロジー変換であると言われてみれば確かに↓
https://blog.shikoan.com/morphological-transformations-maxpool/

3D Visualization of a Convolutional Neural Network

こちらはWeb上でインタラクティブにCNNの動作を見れるデモ。定番のMNISTデータセットを使った手書き数字認識。
http://scs.ryerson.ca/~aharley/vis/conv/


3D Multilayer Neural Network Simulation



https://tutorials.retopall.com/index.php/2019/02/17/neural-networks/
https://tutorials.retopall.com/index.php/2019/02/24/convolutional-neural-networks/
https://tutorials.retopall.com/index.php/2019/03/01/aieditor-neural-network-editor/

3Blue1Brown

そして、数学をアニメーションで視覚的に解説するYouTubeチャンネルを発見。
https://www.youtube.com/3blue1brown

今月ちょうどニューラルネットワーク(畳み込みではないけど)の動画が公開されたところ。









2022年追記:畳み込みについての解説動画も来た↓



仕組みを理解してからだとネット上の記事も読めるようになるけど、初見だとなかなか。
https://deepage.net/deep_learning/2016/11/07/convolutional_neural_network.html

ところで、探してみると、ニューラルネットワークを可視化している人が結構いることに気づいた↓
http://hhok777.hatenablog.com/entry/2016/11/08/184233



https://www.youtube.com/user/munimunibekkan/



アルゴリズムを物理的な機械構造へ落とし込むスキルがすごい。。。





マインクラフトでの例も↓

Blender_Neural_Network

BlenderのAnimation Nodeでニューラルネットワークを表現したもの。





https://www.youtube.com/channel/UC5bSCGdcE9x9ffqqgJlGp5Q
https://animatedai.github.io/

最近知ったDrawNetというやつ↓
http://people.csail.mit.edu/torralba/research/drawCNN/drawNet.html

2023年 追記:書籍を参考にNNビジュアライザーというのを作った方がいらっしゃいます↓



追記:こういうのもある↓



以前見つけたお勉強ツールのMLDemosは、各機械学習手法による処理結果の違いを可視化するツールだったけど、動作の仕組みそのものを可視化して眺めるともう一段踏み込んで理解ができるね。(MLDemosにDeepLearningは入ってなかったけど)
MLDemos:機械学習について理解するための可視化ツール
たまたま面白いツールを見つけた。機械学習のパラメータをいじるとインタラクティブに学習結果が可視化して見れるお勉強アプリ。MLDemos - A visualization tool for machine learningMLDemosは、...

読書再開

ということで、再びこちらの書籍に戻る。

イラストで学ぶ ディープラーニング (KS情報科学専門書)

階層型ネットワークである畳み込みニューラルネットワークまでは分かったので、グラフィカルモデル系の相互結合型ネットワークから読書再開。
ホップフィールドネットワークの可視化動画も見つけたけど、ちょっと理解できない。。。


関連記事

続・ディープラーニングの資料

Mitsuba 3:オープンソースの研究向けレンダラ

ArUco:OpenCVベースのコンパクトなARライブラリ

PCA (主成分分析)

OpenGV:画像からカメラの3次元位置・姿勢を推定するライブラリ

OpenCVで顔のモーフィングを実装する

3DCG Meetup #4に行ってきた

Googleが画像解析旅行ガイドアプリのJetpac社を買収

DUSt3R:3Dコンピュータービジョンの基盤モデル

Runway ML:クリエイターのための機械学習ツール

Open3D:3Dデータ処理ライブラリ

書籍『イラストで学ぶ ディープラーニング』

Regard3D:オープンソースのStructure from Motionツール

Unityをレンダラとして活用する

konashiのサンプルコードを動かしてみた

SegNet:ディープラーニングによるSemantic Segmentation手法

U-Net:ディープラーニングによるSemantic Segmentation手法

UnityでShaderの入力パラメータとして行列を渡す

3D Gaussian Splatting:リアルタイム描画できるRadiance Fields

写真から3Dメッシュの生成・編集ができる無料ツール『Autodesk Memento』

Unityの各コンポーネント間でのやり取り

Multi-View Environment:複数画像から3次元形状を再構築するライブラリ

pythonの機械学習ライブラリ『scikit-learn』

FacebookがDeep learningツールの一部をオープンソース化

Qlone:スマホのカメラで3Dスキャンできるアプリ

OpenCV 3.3.0-RCでsfmモジュールをビルド

Blendify:コンピュータービジョン向けBlenderラッパー

iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』

CGのためのディープラーニング

書籍『データビジュアライゼーションのデザインパターン20』読了

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

Facebookの顔認証技術『DeepFace』

OpenVDB:3Dボリュームデータ処理ライブラリ

COLMAP:オープンソースのSfM・MVSツール

3D復元技術の情報リンク集

DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...

UnityのAR FoundationでARKit 3

1枚の画像からマテリアルを作成できる無料ツール『Materialize』

機械学習での「回帰」とは?

BGSLibrary:OpenCVベースの背景差分ライブラリ

OpenCVでiPhone6sのカメラをキャリブレーションする

OpenCV 3.1から追加されたSfMモジュール

コメント