「研究相談」カテゴリーアーカイブ

研究に関する相談事項

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。

学会発表情報, 張先生, 画像関連

先週仕事のまとめ

2件のコメント

先週の主な業務はICIAE2019学会での発表だった ,参加プロセス記録は以下の通り:

  • 25日:学会発表の最后のPPT改订と発表准备を行う.
  • 26日:揚州大学(中国)一行6人の教師と14人の学生が登校し、午前9時から4組に分かれて課題報告と交流を行い、ROOM C-2 dの全行程の報告を受けた.
  • 27日:午前9时30分北九州国際会議場が伝えた、10:00-12:10Keynote Speech(2试合)、14:00 - 17:00の3グループ2场(3组2试合)によると、今回の个人発表はA组2组目で3度目。
  • 28日:午前9:30に学会に参加していた常熟理工学院の同僚(二人の先生の一人の学生)が会场に到着して报道され、10:00 - 11:20報告を聞く、12:00 - 19:00Technical tour (安川ロボット工场と北九州歴史博物馆)。
  • 29日:10:00 - 11:30:常熟理工学院の学生たちが、フォスターSessionを行います。

国際会議に参加するのは初めてですので，初めて英文で報告します，多くのことを感じた：

  • 今回の発表の効果があまり理想的ではなく、その主な原因は英语のレベルが深刻に不足していることであり、次に科学研究のレベルが高くならなければ、このような国际会议に何度も参加することができません。
  • 今回の国際会議を通じていくつかの新しい友人と知り合い、交流を通じて自分の視野と認識を広げた。
  • 揚州大学交流の現状を見て、今後常熟理工学院と本学の交流協力に自分の力を貢献したいと望んでいる。

個別ゼミ, 張先生, 画像関連, 研究進捗

研究相談と研究進捗

コメントする

先週の進捗

  • 指導者との話し合いを経て、ICIAE2019学会の発表用のPPTを修正し、最終稿を決定した。
  • ICIAE2019学会発表准备、英语の练习。
  • 課題研究関連：論文をさらに読む「Person Transfer GAN to Bridge Domain Gap for Person Re-Identification』、その関連コードを知る（https://github.com/joinwei-pku/ptgan）, SMT17 Datasetデータ集（http://www.pkuvmc.com/publications/msmt17.html）,现在最大の歩行者再认识のデータセットが公开されている。
  • 3月20日に国际会馆から国际研修馆に搬入され、すべての手配が整った。

今週の予定

  • 26 -30日の北九州国际会议センターで开かれたICIAE2019（The 7th IIAE International Conference on Industrial Application Engineering 2019）国际学术会议に出席，27日午后15:40-17:00に报告し、28日12:00-20:00にTechnical tourに参加します。
  • 課題研究関連：関连学术论文を研究して、できるだけコード再现する。

張先生, 画像関連, 研究進捗

研究相談と研究進捗

コメントする

先週の進捗

  • ICIAE2019学会発表用スライドの作成:どうやって自分の論文のキーとなる内容を効果的な15分以内に明確に表現できるか、パワーポイントの作成も軽視できない課題だ。
  • ICIAE2019学会は報告準備を発表する:英語でプレゼンテーションをしなければならないため、強化練習が必要だ。特に、専門語の発音、プレゼンテーション場の言語組織、起こりうる問題点なども自分自身に対する挑戦だ。
  • 指導者との話し合いを経て、来学期の工学融合科目に受講する科目を確定した。
  • 課題研究関連：読みした論文「Person Transfer GAN to Bridge Domain Gap for Person Re-Identification』、その関連コードを知る（https://github.com/joinwei-pku/ptgan）, SMT17 Datasetデータ集（http://www.pkuvmc.com/publications/msmt17.html）,现在最大の歩行者再认识のデータセットが公开されている。

今週の予定

  • 2019 ICIAE2019学会は练习と准备を発表し、英会话のレベルを高めます。
  • 関連課題研究：上記の論文をさらに理解するために，重要な技術を知ることです，たとえばCycle-GAN，《Camera Style Adaptation for Person Re-identification》（cycleGANでレンズ間ピクチャ変換を完了し,損失関数にはcycleGAN lossとidentify mapping lossを利用する）。
  • 日本语の勉强を强める、特に日常生活用语。
  • 3月20日には国际交流会馆から国际研修馆に搬入され、一日も早く新しい环境に适応したいと思っています。

張先生, 画像関連, 研究相談, 研究進捗

ゼミ：研究相談と研究進捗

コメントする

先週の進捗

  • Gitlab関連 :git bashのダウンロード及びインストール、新projectの作成と追加, 関連研究内容はGitlabにも公開される。
  • Szlab関連:https://szlab.org/szlab/,投稿の操作方法を把握しました, 毎週の研究内容をまとめて投稿したいと考えています。
  • LaTex関連:https://texwiki.texjp.org/?TeXstudio ,学習と理解, 基本的な论文の编集フォーマットと方法をマスターした。例えば、分列、挿入公式、図表、设けページピッチなどの操作。
  • 課題研究関連：
  • 1.CVPR（Computer Vision and Pattern Recognition）2018の論文を読みました: Person Transfer GAN to Bridge Domain Gap for Person Re-Identification.
    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) より大きなデータセット(MSMT17)が提案され、このデータは、視角、光などのより細かい要素を集中的に考慮している。
    (2) PTGAN (Person Transfer GAN)アプローチは、複数のデータセット間のギャップ、すなわちdomain-gapを効果的に縮小するために、シーンにわたる遷移を実現することを提案する。PTGANの実現は、主に2つの損失関数、すなわちスタイル移動と歩行者保持に基づく。
  • 2.関連資料を見て、Person re-identificationの基本概念と技術についてさらに理解する：
    (1) データを参照して、GAN (Generative Adversarial Networks)の生成式対抗ネットワークに関する知識をさらに理解する。これは一種の深さ学習モデルで、近年、複雑な分布における監督なしの学習の最も将来性のある方法の一つである。
    (2) https://blog.csdn.net/u010042747/article/details/82970586
    （Person re-identificationの挑戦と最新の進捗）
    (3)http://html.rhhz.net/zdhxbzwb/html/2018-9-1554.htm
    （Person re-identification技術総論）
    今週の予定
  • ICIAE2019学会発表用スライドの作成。
  • 課題研究関連：论文をさらにまじめに研究して（Person Transfer GAN to Bridge … Continue Reading ››