RNN Recurrent NN p 自然言語処理系でよく用いられるNN u LSTM Long-Short Term Memory p 上記,RNNの拡張版 u GAN Generative Adversarial Networks p DNNの種類ではなく,学習のさせ方だがこれも重要 28 ※ 正確にはDNNの使い方,組み合わせ方の種類
p 色の情報を加えると, 4000 x 3000 x 3 = 3,600万 !! • つまり 入力のサイズが 3,600万行 なので,学習に超時間がかかる… u 画像の特徴をうまく抽出し,もっと少ない情報で 表現できるようにしてあげないと,実用に耐えない u CNN は その辺の工夫を行った NN の手法 47
何種類かのフィルタを用意して処理する u フィルタのサイズ p 小さすぎる(たとえば1x1)だと特徴が引っかかりすぎ, 大きすぎると引っかからなすぎ,ちょうど良いサイズにする必要 u フィルタの移動幅 p 1セルずつずらしても良いが大きいと処理に時間も… p フィルタのサイズ以下なら3セルなど一気に動かしても良い 51 CNN CNN (まれ)
みたいなことを実現 n ポイント u 大きな画像をそのまま扱うのは大変なので圧縮する p 畳み込み と プーリング で,特徴を捉えつつダウンサイジング p 良い感じにダイエットしたところで,普通に学習させる u NN が 活躍するのは 畳み込み と 全結合 の2カ所 p 畳み込み 部分では,良い感じに特徴抽出できるよう学習 p 全結合 部分では,特徴とラベルの対応を学習 54 CNN CNN