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↓




スポンサーリンク


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/


スポンサーリンク

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 learning MLDemos...

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。。。



スポンサーリンク

関連記事

AfterEffectsプラグイン開発
読みやすくて高速なディープラーニングのフレームワーク『Caffe』
UnityでShaderの入力パラメータとして行列を渡す
OpenGVの用語
Regard3D:オープンソースのStructure from Motionツール
CNN Explainer:畳み込みニューラルネットワーク可視化ツール
MLDemos:機械学習について理解するための可視化ツール
OpenCVの超解像(SuperResolution)モジュールを試す
OpenCVの三角測量関数『cv::triangulatepoints』
Structure from Motion (多視点画像からの3次元形状復元)
Unityで強化学習できる『Unity ML-Agents』
TeleSculptor:空撮動画からPhotogrammetryするツール
OpenCV バージョン4がリリースされた!
Digital Emily Project:人間の顔をそっくりそのままCGで復元する
Faceshiftで表情をキャプチャしてBlender上でMakeHumanのメッシュを動かすデモ
iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』
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』
2020年 観に行った映画振り返り
ポイントクラウドコンソーシアム
Pix2Pix:CGANによる画像変換
2D→3D復元技術で使われる用語まとめ
NeRF (Neural Radiance Fields):機械学習による未知視点合成
SONY製のニューラルネットワークライブラリ『NNabla』
写真に3Dオブジェクトを違和感無く合成する『3DPhotoMagic』
オープンソースの顔認識フレームワーク『OpenBR』
顔追跡による擬似3D表示『Dynamic Perspective』
.NETで使えるTensorFlowライクなニューラルネットワークライブラリ『NeuralNetwo...
Accord.NET Framework:C#で使える機械学習ライブラリ
DensePose:画像中の人物表面のUV座標を推定する
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
機械学習のオープンソースソフトウェアフォーラム『mloss(machine learning ope...
統計的な顔モデル
ニューラルネットワークと深層学習
データサイエンティストって何だ?
PGGAN:段階的に解像度を上げて学習を進めるGAN
D3.js:JavaScriptのデータビジュアライゼーションライブラリ
SDカードサイズのコンピューター『Intel Edison』
PCA (主成分分析)
Live CV:インタラクティブにComputer Visionコーディングができるツール
Unityの各コンポーネント間でのやり取り
書籍『OpenCV 3 プログラミングブック』を購入
LLM Visualization:大規模言語モデルの可視化

コメント