物体検出やセマンティックセグメンテーションを行う際に、torchvision,models.~~のようにAPIで複雑なモデルを呼び起こせるのがとても便利なのですが、torchvisionでは使えるモデルが少ないのが悲しい…

ただレポジトリで○○.pyを実行するのでなく、もうちょっと（モデル構造以外の部分で）中身の理解を深めようとPyTorch の物体検出チュートリアル等を参考にお勉強をしています。チュートリアルを参考に、torchvisio…

物体検出を改めてお勉強し直しています。 自前のデータセットで再学習をさせる場合には、レポジトリの案内に従って所定の位置にファイル配置したりすれば学習は回ってしまったりしますが、一からカスタムデータセット作成まで隠れた部分…

教師なし学習は、2~3次元に圧縮して可視化できるようにするとか、（どう解釈すればよいのかよくわからない）クラスターをつくる、とかくらいしか頭に入っておらず、もっときちんと使いこなせるようにしたいと思って「Pythonでは…

モデルごとに前処理が必要だったり必要でなかったり、さらに前処理段階でパラメータ調整しないといけないようなシーンがあったりすると、たくさんデータフレームを分けて作って、、、とやるのは非常に面倒です。 scikit lear…

分類問題の評価指標で出てくる ROC曲線や PR 曲線、初めて見た時からなかなか理解しづらく、これってなんなの？と思ったまま避けていました。 sklearn で用意されているメソッドを用いるとかんたんに描けたりはするので…

決定木はとっても解釈性の高い機械学習アルゴリズムで、使い勝手がよいのですが容易に過学習してしまう欠点があります。 バギングなりブースティングなり、決定木のアンサンブルを行うことで過学習を抑え精度を高くすることができるので…

torchvision にある Faster RCNN を使わせてもらおうと思って、こちらのチュートリアルを眺めていました。 https://pytorch.org/tutorials/intermediate/torc…

セグメンテーションモデルの評価指標には、mIOU や Dice係数 を使うのですが、なぜ普通に正解率（Accuracy）ではだめなの？という疑問がありました。 ピクセル単位で分類しているんだから、ピクセル単位で正解したか…

YOLOv3 論文の性能比較で目立っていた RetinaNet に興味がわきました。 深層学習による物体検出は、物体候補領域提案と、回帰分類を分けて行う two-stage 型と、候補領域提案を行わない one-stat…