「画像関連」カテゴリーアーカイブ

画像・CG関連

張先生, 画像関連, 研究進捗

B4ゼミ

コメントする

欠席：財前（熱）

白石：Pythonでopencv を使って、画像処理の練習をしている。　Sysって、なぁーニー？

水戸、二石、五十君、北原：電磁気を復習中。今の段階は大丈夫そうです。

大学院推薦のことを張が聞く

全員：

gitbashインストール、

>git init

>git add .

>git commit -m "コミットメーセッジ"

①git reset --hard HEAD 直前のコミットに戻る

張先生, 画像関連, 研究進捗

M1ゼミ

コメントする

参加者：全員

研究計画書の提出。

庄司：Laravelを使ったウェブアプリの作成の勉強をしている。Homesteadとvagrantによるヴァチャル開発環境の構築を現在している。

梶岡：MacBookAirを入手、これからiPhoneアプリの開発に入る。

井上：深層学習を使った指先や関節の識別のためのTensorFlowの実行環境の構築を行った。

金當：とまれ以外の他の標識の識別方法の検討を行った。

全員：６月前に、台湾学会投稿論文を初版を完成すること！

張先生, 画像関連, 研究相談, 研究進捗

研究相談と研究進捗(zhu)

コメントする

先週の進捗

論文を読むと同時に、学習ニューラルネットワーク（Neural Networks）、深層学習（Deep Learning）と強化学習（Reinforcement Learning）の関係を要約する、本課題の切り口を見つける。

今週の予定

具体的なアルゴリズムの認識と理解がまだ足りないため、ことが張先生から指摘があった、次の段階では、ネットワーク上のいくつかのオープンソースの例を通して理解を深めるでしょう、いくつかの簡単な学習フレームワークを構築する、実験環境を完備する，例えば、TensorFlowフレームワーク。

個別ゼミ, 張先生, 画像関連, 研究相談, 研究進捗

B4ゼミ

コメントする

出席：全員

白石：Anaconda をインストール済み、Python3を学習中。画像で植物の健康状態をチェックする　の可能性の検討をテーマにしたいので、下調べを行う。

財前：研究テーマにしたい課題を深く調べ、現状、目的、達成度を評価し、テーマにするかどうかを検討。

五十君、二石、北原、水戸：研究記録しアステムに登録し、週一の進捗報告を行う。５月中荀までに、院試の準備をしながら、研究テーマや方向性について考える。

全員：LaTeXをインストールする。TeXStudioでインストール。

張先生, 画像関連, 研究相談, 研究進捗

 4月8日-15日学习记录（一周）

1件のコメント

  • 1.学习过程中，会发现一篇论文很难很快看完，因为经常因为其中涉及到的一些专有名词和技术需要了解和掌握而中断，从而转去进行其他知识的学习，例如上周，在看《Camera Style Adaptation for Person Re-identification》（ICCV2018）过程中，因为涉及到CNN卷积神经网络(Convolutional neural network)，由此转到了Neural Networks and DeepLearning（http://neuralnetworksanddeeplearning.com/chap1.html-英文）（https://tigerneil.gitbooks.io/neural-networks-and-deep-learning-zh/content/chapter1.html-中文），上周主要看了本书第一章节（利用神经网络识别手写数字）部分内容（http://www.tensorfly.cn/home/?p=80）
  • （1）手写体识别：这是一个很好的学习神经网络的原型问题神经网络，主要思想就是利用大量的手写数字(训练样本)，然后开发出一套从训练样本中进行学习的系统。那也就是说，神经网络使用样本来自动推理出识别手写数字的规则。
  • 此外，通过学习可以知道在手写体识别过程中，增加训练样本规模，神经网络便能学到手写体的更多规则从而提升它的识别精度。这也应了最近所看的几篇论文，例如之前读的论文《Person Transfer GAN to Bridge Domain Gap for Person Re-Identification》（CVPR2018）便是提出了一个更大的数据集MSMT17（考虑到了视角，光照等更为细致的因素），同时提出了 PTGAN（Person Transfer GAN）方法，实现跨场景的迁移，以此来有效的缩小多个数据集之间的差异，即Domain-gap，最终增加样本数量。而PTGAN 的实现主要基于两个损失函数：风格迁移和行人保持。
  • 还有正在读的论文《Camera Style Adaptation for Person Re-identification》（ICCV2018）所解决的同样是通过在训练集中增加更多样本，来了解摄像机之间的风格差异，以此来解决个人身份识别中的数据稀缺问题，并学习不同摄像机之间的不变特征。 由此可以看出，行人再识别研究面临的第一大挑战便是对大量训练数据的需求。
    （2）人工神经网络(Artificial Neural Networks)的两大类别：（正在看）
  • 感知器(Perceptrons)：卷积神经网络（Convoluted Neural Networks）,支持向量机(Support Vector Machine)
  • 神经元(sigmoid)：人工神经网络试图模仿大脑的神经元,每个神经元通过某种特定的输出函数（也叫激励函数）计算处理来自其它相邻神经元的加权输入值，而且神经元之间的信息传递的强度，用所谓加权值来定义，算法会不断自我学习，调整这个加权值。
    （3）神经网络标准学习算法：随机梯度下降（正在看）
  • 算法的核心：计算、连接、评估、纠错、疯狂训练
  • 精髓：非线性、分布式、并行计算、自适应、自组织
  • 2. 由于研究课题研究的是基于深度强化学习的行人再识别，学习深度学习和强化学习相关理论知识（http://www.zhuanzhi.ai/document/91c1e8b92a540e71ab8fc40dd6a96304）
  • 由于行人再识别与图像检索的思路相同, 可以看作是图像检索的子问题，包括两个核心部分: （1) 特征提取与表达. 从行人外观出发, 提取鲁棒性强且具有较强区分性的特征表示向量, 有效表达行人图像的特性; （2) … Continue Reading ››
個別ゼミ, 張先生, 画像関連, 研究相談

研究相談と研究進捗

1件のコメント

  • 先週行った学会発表について（ICIAE2019），自分を反省した上で、先ずは英語力が深刻に不足していること、次に研究レベルが足りないと思う、張先生は意見と提案を出しました、今後は英語力の補強と研究レベルの向上を図り、もっと有益な国際会議を参加することができる。
  • 以前にアップロードされたレポートで日本語の表現が不適切な場所については、張先生はそれを詳しく説明し、修正しました。
  • 課題研究関連：研究した課題について（Person Re-Identification）、関連技術をさらに知る、例えばCycle-GAN、《Camera Style Adaptation for Person Re-identification》（ICCV2018）、この論文には2つの主要なイノベーションがあります:
  • 1. レーニングセットでより多くのサンプルを追加できます、カメラ間のスタイルの違いを理解する、これにより、個人識別におけるデータ不足を解決することができます、そして、異なるカメラ間の不変の特徴を学びまましょう。
    2. CycleGANによるレンズ間画像変換、損失関数はCycleGAN lossとidentify mapping lossを使います、過剰適合を防ぐためにデータの多様性を高める、しかしそれはまたかなりの量のノイズを生成します、この問題を解決するために、改良されたバージョンで、さらに、スタイル転送サンプルにlabel smooth regularization (LSR)を適用します、このように、彼らのラベルは訓練中に柔らかく分布します。
  • その他に関連：今週は病気のせいで、研究の進捗は大きく影響を受けていますが、しかし、病気になるのはその理由の一部にすぎません、主な理由は、心理的持久力が十分に強くなく、意志が十分に強くないことです。
  • 特別略記：私日本に来て半年になりました、はじめて病院に行く、言わなければならない、日本の医療システムは完璧です、登録なし、並ぶ必要がない、往復は一時間足らず、本当に便利。そして国民保険の精算に基づいて、価格も比較的安い、外国人留学生の心配を解決しました。