Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
ディープラーニング素人がPyTorchで マスクつけている人を学習させてみた KMiura(@k_miura_io)
Slide 2
Slide 2 text
お前だれよ • 三浦 耕生(こうき) • 自動運転のスタート アップのエンジニア @k_miura_io koki.miura05
Slide 3
Slide 3 text
ハンズオンお疲れ様 でした!!
Slide 4
Slide 4 text
この話は機械学習名古屋の勉強会が 休止していた間、まだ世間にChatGPT が知られてない頃の話です (訳:結構過去のリバイバル)
Slide 5
Slide 5 text
ディープラーニング • ディープラーニングはチュートリアル 止まり • せっかくGPU乗ったSurface買ったの に…(3年前) • Pythonやってるならディープラーニ ングやらないと
Slide 6
Slide 6 text
ディープラーニングを社会の役に立てたい (建前) • 外出するのにマスクを付けるのは当 たり前 • 百貨店行くとマスクつけても認識する サーモカメラを見かけるようになった • ワイも実装してドヤりたい(本音)
Slide 7
Slide 7 text
実行環境(検証当時) • Python 3.9 • PyTorch(Tensorflowはベタすぎる) • NVIDIA GeForce GTX 965M(Surface Book内蔵GPU)
Slide 8
Slide 8 text
とりあえず動かしてみた • Mobile Net V2を転移学習 • データ数600枚ほど • 思ってたのと違う…
Slide 9
Slide 9 text
Why? • 逆伝搬の計算するとトレーニングをするたびに以前の勾配を加算する • トレーニングの度に勾配をゼロにする処理をいれてみた • ついでにデータも増やしたれ(各クラス600枚→900枚)
Slide 10
Slide 10 text
学習結果 • 悪くはないがノイズ結構のってる • Accuracyが1に到達してるものもある(収束しているのが理想)
Slide 11
Slide 11 text
さらに改善 • もっとデータ量を増やしてみた(各クラス900枚→1600枚) • ついでにエポック数増やしてみる(100エポック→150エポック)
Slide 12
Slide 12 text
学習結果 • 目立ったノイズも無くきれいな曲線(ディープラーニングでよくあるやつ) • Accuracyが1に到達せず収束している • やはりデータがものをいう
Slide 13
Slide 13 text
実験成果 https://youtu.be/VbBSG1Is3hY
Slide 14
Slide 14 text
まとめ • ディープラーニングはデータ量、アルゴリズムは二の次 • ようやくGPUを生かすことができた(Jetson Nanoも買える) • ディープラーニング完全に理解した
Slide 15
Slide 15 text
今回のソースコード&ブログ https://github.com/Miura55/deeplearning- face-mask-detection https://supernove.hatenadiary.jp/entry/ 2021/01/19/041445
Slide 16
Slide 16 text
END