Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ふわっと理解する類似画像検索技術

TajimaTheMemer
April 17, 2019
Programming
0
53

 ふわっと理解する類似画像検索技術

TajimaTheMemer

April 17, 2019
Tweet

More Decks by TajimaTheMemer

See All by TajimaTheMemer
CronJobがschedule通りにJobを生成しない時
tajimathememer
0
570
入門wasm
tajimathememer
0
12
Machine Learning As Software
tajimathememer
0
18

Other Decks in Programming

See All in Programming
設計初心者のための「伝わる」フロー図 / How to draw a communicative flow diagram for beginners
rs_tukki
1
400
PHPからC#のライブラリを呼べるようにしたdotnet_ffiを趣味でつくってみた
pgito
0
190
Swift Concurrency時代のiOSアプリの作り方
koher
13
1.7k
SASユーザー総会2022：Time-varying treatmentsに対するIPTW法による因果効果の推定
norihirosuzuki
0
260
JUnit 5 wird 5
marcphilipp
1
130
フラットなPHPからオブジェクト指向で自動テストのあるPHPへ、そしてフレームワークへ #phpcon2022
77web
1
820
Swift Concurrency Next Step
shiz
7
1.1k
20年ものの巨大レガシープロダクトを PHP 8.0にアップデートした際の対策と得られた知見
akamah
3
2.3k
iOSDC2022 - iPadOSDC Japan 2022
hcrane
2
710
SceneKit AND SwiftUI
akkeylab
0
230
Create my own search engine.
m_seki
0
550
I shall define this only once
freekmurze
0
220

Featured

See All Featured
Reflections from 52 weeks, 52 projects
jeffersonlam
337
18k
Music & Morning Musume
bryan
35
4.4k
Documentation Writing (for coders)
carmenintech
49
2.7k
Facilitating Awesome Meetings
lara
31
4.2k
Designing for humans not robots
tammielis
243
24k
Scaling GitHub
holman
452
140k
Infographics Made Easy
chrislema
234
17k
The Power of CSS Pseudo Elements
geoffreycrofte
48
4k
GraphQLとの向き合い方2022年版
quramy
18
8.9k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
120
28k
Statistics for Hackers
jakevdp
782
210k
No one is an island. Learnings from fostering a developers community.
thoeni
10
1.4k

Transcript

  1. ふわっと理解する 類似画像検索技術 社内

  2. 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。

  3. 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

  4. 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

  5. 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」

  6. 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」

  7. 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

  8. 類似画像検索技術も様々

  9. … 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...

  10. 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。

  11. 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

  12. … 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...

  13. フェーズ 特徴抽出

  14. 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

  15. … 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...

  16. 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

  17. 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

  18. 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

  19. 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

  20. 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

  21. 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

  22. … 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...

  23. 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

  24. 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

  25. 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。

  26. 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

  27. 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

  28. … 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...

  29. 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。

  30. 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

  31. 実験

  32. 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

  33. 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

  34. 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。

  35. 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。

  36. 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。

  37. おしまい