PytorchによるGAN（１）：全体像の把握

GAN

GAN(generative adversarial networks)[1]とは、2014年に登場したNeural Networkの学習スキームです。
一般的なNeural Networkは入力ベクトルとそれに対応する正解ベクトルの写像（対応）関係を回帰する学習を行うのですが、GANでは敵対的学習という画期的な学習方法を提案しています。
敵対的学習では、学習させたいNetwork（便宜上Generatorと呼びます）とDiscriminatorというGeneratorを学習させる為のNetworkの２つのNetworkを用います。

通常の学習	GAN

PytorchによるImage Segmentation（３）

はじめに

nsr-9.hatenablog.jp

PytorchによるU-NetのImage Segmentationの続きです。
前回はDataLoader部分を実装したので、今回はLoss Functionを実装して実際に学習、推論をやっていきます。

PytorchによるImage Segmentation（２）

はじめに

nsr-9.hatenablog.jp この記事の続きです。
Pytorchを用いてU-NetのImage Segmentationをやっていきます。

前回はU-Netのモデルを定義したので、今回はDataLoader部分を作っていきます。

index画像からone-hotベクトル画像を作る方法

やりたいこと

Image Segmentationはpixel単位でカテゴリIDを予測するタスクです。
教師画像の形式はLoss関数の関係上、カテゴリIDをそのまま扱うのではなく、One-Hot-Vectorで扱います。

One-Hot-VectorはカテゴリIDを2進数の様に扱うデータ表現であり、Neural Networkで扱いやすい（学習しやすい）表現方法となります。

普通のデータ表現	One-hot Vector

この例では、スカラー値のラベル表現ですが、One-hot-Vectorを画像で行うと次のようになります。

普通のデータ表現	One-Hot-Vector Image

この様な感じで、pixel単位でカテゴリIDが記録されているグレースケール画像から、One-Hot-Vector画像(Category数, H, W）をPytorchで作成するコードを紹介します。

PytorchによるImage Segmentation（１）

はじめに

Image Segmentationは画像を領域ごとに分割する技術であり、Conputre Vision技術の中でも特に汎用性の高い技術です。
応用範囲は非常に広く、医療画像解析や自動運転技術、工場の自動化、ロボティクス等々の様々な分野に応用されています。

以下に、Cityscapesと呼ばれる、Image Segmentationの代表的なデータセットの画像を示します。

pytorchのお勉強（６）：GPUの利用

はじめに

Pytorchのお勉強の続きです。
前回までに学んだ内容でDeepNeural Networkでやりたい一通りの事はできるようになりましたが、肝心のGPUを用いた高速化を学んでいませんでした。

GPUはGraphic Processing Unitと呼ばれる並列計算が得意な演算装置です。
ゲームやグラフィック・ツールを高速に動作させる為に作られた外部演算装置であり、CPUで構成されたホスト計算機にくっつけて動作させます。
現在では並列演算の性能の高さを活かし、Deep Learningや物理シミュレーションなどの科学計算や、仮想通貨のマイニングなどにも応用されています。

今回は、pytorchの学習、推論にGPUを用いる方法を学んでいきます。
この公式ドキュメントを参考に進めていきます。

pytorchのお勉強（５）：モデルの保存と推論

はじめに

pytorchのお勉強の続きです。
今回は学習したモデルの保存と、そのモデルを読み込み実際に推論を行います。