GO DEEPER

カメラや写真やディープラーニングや人工知能のお話(2017年9月)

scikit-learn 読めないところが理解できてない所なので全部読めるまで繰り返し勉強すべし!!!!!!

Google Research Blog

MatConvNet

HELLO CYBERNETICS

IoTニュース

・NVIDIA関連
-[0]さくら、TITAN X搭載GPUサーバサービスの新規提供を一時停止 NVIDIAのライセンス条件変更で - ITmedia NEWS
-[1]NVIDIA GeForceソフトウェアお客様使用ライセンス
-[2]NVIDIA、過去に国立研究機関へのGeForce導入妨害の疑い -WirelessWire News
-[3]NVIDIAが規約変更によりGeForceのデータセンター利用を制限。大学などの研究活動にも大ブレーキ - WirelessWire News
-[4]みんな、これからは深層学習にはGeForceではなくRadeonを使おう - shi3zの長文日記

========== Data Sets ==========

THE MNIST DATABASE of handwritten digits

CIFAR

Caltech101

ImageNet

The PASCAL Visual Object Classes Homepage

COCO - Common Objects in Context

========== Machine Learning ==========

機械学習をゼロから1ヶ月間勉強し続けた結果

ディープラーニングに入門するためのリソース集と学習法(2018年版)

Coursera - Machine Learning

機械学習を納品するのは、そんなに簡単な話じゃないから気をつけて

パターン認識と機械学習の学習

The Elements of Statistical Learning : Data Mining, Inference, and Prediction Second Edition

Statistical Learning with Sparsity : The Lasso and Generalizations

【Capsule Network】

Dynamic Routing Between Capsules
References
-[1]
-[2]

 

【Neural Network】

ニューラルネットワークの動物園:ニューラルネットワーク・アーキテクチャのチートシート(前編)

ニューラルネットワークの動物園:ニューラルネットワーク・アーキテクチャのチートシート(後編)

Deep Learning Monitor

2016年のディープラーニング論文100選
2017年のディープラーニング論文100選

DeepLearning研究 2016年のまとめ

【最適化】

勾配降下法の最適化アルゴリズム

Batch Normalizationの理解

【CNN】

Res netと派生研究の紹介

Convolutional Neural Networksのトレンド

Explaining and Harnessing Adversarial Examples
References
-[1]
-[2]

DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition

2016年の深層学習を用いた画像認識モデル

 

■Image Recognition

●GoogLeNet
Going Deeper with Convolutions
References
-[1]Know your meme: We need to go deeper.
-[2]Provable Bounds for Learning Some Deep Representations
-[3]On Two-Dimensional Sparse Matrix Partitioning: Models, Methods, and a Recipe.
-[4]Large Scale Distributed Deep Networks
-[5]Scalable Object Detection using Deep Neural Networks
-[6]Rich feature hierarchies for accurate object detection and semantic segmentation(R-CNN)
-[7]Improving neural networks by preventing co-adaptation of feature detectors
-[8]Some Improvements on Deep Convolutional Neural Network Based Image Classification
-[9]ImageNet Classification with Deep Convolutional Neural Networks (AlexNet)
-[10]Backpropagation Applied to Handwritten Zip Code Recognition
-[11]Gradient-Based Learning Applied to Document Recognition
-[12]Network in Network
-[13]Acceleration of Stochastic Approximation by Averaging
-[14]OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks
-[15]Robust Object Recognition with Cortex-Like Mechanisms
-[16]Scaling Up Matrix Computations on Shared-Memory Manycore Systems with 1000 CPU Cores
-[17]On the importance of initialization and momentum in deep Learning
-[18]Deep Neural Networks for Object Detection
-[19]DeepPose: Human Pose Estimation via Deep Neural Networks
-[20]Segmentation as Selective Search for Object Recognition
-[21]Visualizing and Understanding Convolutional Networks

Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

[Survey]Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

●Residual Network (ResNet)
Deep Residual Learning for Image Recognition
References
-[1]
-[2]

Residual Network(ResNet)の理解とチューニングのベストプラクティス

●Xception
Xception: Deep Learning with Depthwise Separable Convolutions
References
-[1]
-[2]

[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions

●VGG-16, 19
Very Deep Convolutional Networks for Large-Scalse Image Recognition
References
-[1]
-[2]

●VGG-S,M,F
Return of the Devil in the Details: Delving Deep into Convolutional Nets
References
-[1]
-[2]

●AlexNet
ImageNet Classification with Deep Convolutional Neural Networks
References
-[1]
-[2]

●SENet
Squeeze-and-Excitation Networks
References
-[1]
-[2]

●NASNet
Leaning Transferable Architectures for Scalable Image Recognition
References
-[1]
-[2]
-[70]Neural Architecture Search with Reinforcement Learning

●AutoML
Neural Architecture Search with Reinforcement Learning
Large-Scale Evolution of Image Classifier

 

■Object Detection

●R-CNN
Rich feature hierarchies for accurate object detection and semantic segmentation
References
-[1]
-[2]

EdgeBoxes: Locating Object Proposals from Edges

●Fast R-CNN
Fast R-CNN
References
-[1]
-[2]

●Faster R-CNN
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
References
-[1]
-[2]

●Single Shot Multibox Detector
SSD: Single Shot MultiBox Detector
References
-[1]
-[2]

YOLO & YOLOv2

 

 

■Semantic Segmentation

 

 

【RNN】

わかるLSTM 〜 最近の動向と共に

LSTMネットワークの概要

【GAN】

はじめてのGAN

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

 

【VAE】

 

【SAE】

 

【Deep Q-Network】

最近のDQN

【Deep Boltzmann Machines】

Deep Boltzmann Machines

 

【正則化】

【SVM】

サポートベクターマシン - 産総研 赤穂先生

SVM、ニューラルネットなどに共通する分類問題における考え方 - Hello Cybernetics

サポートベクターマシンの概要

【カーネル法】

カーネル法入門 1.カーネル法へのイントロダクション - 統数研 福水先生

 

【グラフィカルモデル】

 

【アンサンブル学習】

アンサンブル学習(Ensemble learning)とバスケット分析(basket analysis)

【強化学習】

ゼロからDeepまで学ぶ強化学習

【転移学習】

Improving predictive inference under covariate shift by weighting the log-likelifood function

【フレームワーク系】

TensorFlow

keras

Preferred Networks

 

【その他】

移送と集合

 

========== Computational Fluid Dynamics ==========

【界面追跡】

【界面捕獲】

【MPS】

【SPH】

【Lattice Boltzmann】

【Non-Newtonian Fluid】

公開日:
最終更新日:2018/04/21