Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ふわっと理解する類似画像検索技術
Search
TajimaTheMemer
April 17, 2019
Programming
0
110
ふわっと理解する類似画像検索技術
TajimaTheMemer
April 17, 2019
Tweet
Share
More Decks by TajimaTheMemer
See All by TajimaTheMemer
事業成長を加速させるGoのコード品質改善の取り組み / Code quality improvement for Go language
tajimathememer
5
1.5k
CronJobがschedule通りにJobを生成しない時
tajimathememer
0
910
入門wasm
tajimathememer
0
41
Machine Learning As Software
tajimathememer
0
44
Other Decks in Programming
See All in Programming
DMMプラットフォームがTiDB Cloudを採用した背景
pospome
8
4k
見た目から始める生産性向上
ikumatadokoro
7
770
コードレビューで学ぶ!Kotlinオブジェクト指向デザインパターン
akkie76
2
190
Git Rebase
bkuhlmann
11
1.6k
⼤規模⾔語モデルの拡張(RAG)が 終わったかも知れない件について
nearme_tech
23
15k
Java 22 Overview
kishida
1
180
二郎系ラーメンのコールで学ぶ AST 解析
memory1994
PRO
7
1.7k
CQRS/ES avec Symfony, c’est (trop) bien !
jeremyfreeagent
1
640
スキーマ駆動開発による品質とスピードの両立 - 私達は何故、スキーマを書くのか
kentaroutakeda
0
160
Compose-View Interop in Practice (mDevCamp 2024)
stewemetal
0
110
Elm 0.19.0 Changes
bkuhlmann
0
490
AWS Application Composerで始める、 サーバーレスなデータ基盤構築 / 20240406-jawsug-hokuriku-shinkansen
kasacchiful
1
260
Featured
See All Featured
How STYLIGHT went responsive
nonsquared
92
4.8k
The Pragmatic Product Professional
lauravandoore
24
5.8k
Infographics Made Easy
chrislema
238
18k
GraphQLの誤解/rethinking-graphql
sonatard
50
9.2k
It's Worth the Effort
3n
180
27k
Building Applications with DynamoDB
mza
88
5.6k
Git: the NoSQL Database
bkeepers
PRO
422
63k
Keith and Marios Guide to Fast Websites
keithpitt
408
22k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
124
32k
The Mythical Team-Month
searls
215
42k
Building an army of robots
kneath
300
41k
How GitHub Uses GitHub to Build GitHub
holman
468
290k
Transcript
ふわっと理解する 類似画像検索技術 社内
今日話すこと 統計・機械学習の専門的知識を有さない一般的なエ ンジニア向けに雰囲気で類似画像検索技術を理解し てもらう。
今日話さないこと ソースコードの中身 数式は一切使いません
類似画像検索技術 画像データをクエリとしてクエリと類似度の高い画像 データを検索する技術
画像の類似尺度は様々 タッチ・テクスチャーが 似てる 対象・構図が似てる ゴッホの「ひまわり」 ひまわりの写真 ゴッホの「夜のカフェテラス」
画像の類似尺度は様々 タッチ・テクスチャーが似てる 対象・構図が似てる ゴッホの「ひまわり」 ひまわりの写真 ゴッホの「夜のカフェテラス」
画像の類似尺度は様々 タッチ・テクスチャーが似てる 対象・構図が似てる ゴッホの「ひまわり」 ひまわりの写真 ゴッホの「夜のカフェテラス」 今日はこっちの話
類似画像検索技術も様々
… 画像A 画像Aの特徴ベクトル 画像Aの特徴ベクトル 画像Bの特徴ベクトル 画像Cの特徴ベクトル 画像 は画像 よりも画像 に似ている
しかし、ほぼ全ての手法で以下の流れは 共通する もにょもにょ...
今日は機械学習の手法を3つ組み合わせ たやり方を説明します。
具体的な流れ 特徴抽出 次元削減 近傍探索 フェーズ1 フェーズ2 フェーズ3
… 画像A 画像Aの特徴ベクトル 画像Aの特徴ベクトル 画像Bの特徴ベクトル 画像Cの特徴ベクトル 画像 は画像 よりも画像 に似ている
特徴抽出&次元削減 近傍探索 もにょもにょ...
フェーズ 特徴抽出
フェーズ1:特徴抽出 特徴抽出 次元削減 近傍探索 フェーズ1 フェーズ2 フェーズ3
… 画像A 画像Aの特徴ベクトル 画像Aの特徴ベクトル 画像Bの特徴ベクトル 画像Cの特徴ベクトル 画像 は画像 よりも画像 に似ている
特徴抽出&次元削減 近傍探索 もにょもにょ...
特徴抽出とは 推定や分析に有用と思われる情報を,生データから 抽出し,特徴として使えるようにすること 田島 特徴ベクトル ㎝ 特徴抽出
今回は 画像データからの特徴抽出 を使います。 ディープラーニングの手法の一種 空間的相関性のあるデータに強い 画像 音声
による画像分類 猫 入力された画像に写っている一般物体を分類する学習器を にデータを学習させて作成 犬 兎 犬 猫 兎 入力(RGB画像)
入力層 出力層 中間層
による特徴抽出 猫 犬 兎 犬 猫 兎 入力(RGB画像) 入力層 出力層
中間層 学習済み学習器の中間層の出力は一般物体の 視覚認識に基づいた特徴表現 特徴ベクトル
今回は という のアーキテクチャの 一種を クラスの一般物体画像を分類するタ スクで学習させたモデル 学習済みモデル に画 像を入力した時の中間層の出力 次元
を特 徴ベクトルとする
フェーズ :次元削減 特徴抽出 次元削減 近傍探索 フェーズ1 フェーズ2 フェーズ3
… 画像A 画像Aの特徴ベクトル 画像Aの特徴ベクトル 画像Bの特徴ベクトル 画像Cの特徴ベクトル 画像 は画像 よりも画像 に似ている
特徴抽出&次元削減 近傍探索 もにょもにょ...
次元削減 データの意味をできるだけ保ちつつ データの次元を減らすこと
直感的なイメージ 身長[cm] 体重[kg] α 2次元 1次元 データの意味をできるだけ保ちつ つ次元を減らす Aさん Bさん
Cさん Aさん Bさん Cさん
今回は 主成分分析 という手法を使います。 次元→ 次元に圧縮。
なぜ次元削減が必要か フェーズ3 近似最近傍探索をうまく機能させるために は、データの次元数を 次元以下にする必要があ る
フェーズ 近傍探索 特徴抽出 次元削減 近傍探索 フェーズ1 フェーズ2 フェーズ3
… 画像A 画像Aの特徴ベクトル 画像Aの特徴ベクトル 画像Bの特徴ベクトル 画像Cの特徴ベクトル 画像 は画像 よりも画像 に似ている
特徴抽出&次元削減 近傍探索 もにょもにょ...
近傍探索とは 距離空間における最も近い点を探索すること。 今回でいえば、最も近い画像の特徴ベクトルを探索すること。
今回は 高速近似最近傍探索ライブラリ 製 を使用。 ヒューリスティックではあるが、高速
実験
データセット で見つけた映画ポスターのデータセット約4万枚 そのうち約 万枚を使用
クエリ画像と類似度が高い の 映画ポスターの画像を出力してみる
クエリ1 クエリ画像 TOP 1 TOP 2 TOP 3 ※画像の著作権・肖像権を考慮。
クエリ クエリ画像 TOP 1 TOP 2 TOP 3 ※画像の著作権・肖像権を考慮。
クエリ クエリ画像 TOP 1 TOP 2 TOP 3 ※画像の著作権・肖像権を考慮。
おしまい