カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
4 likes9,339 views
![(C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
内容
2
Convolutional Neural Network[CNN]
CNN](https://image.slidesharecdn.com/20170422shirai-170522012321/85/UX-2-320.jpg)
![(C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
課題
12
高精度を出すために大量の学習データが必要・・・orz
80
1
→
→ [ ]](https://image.slidesharecdn.com/20170422shirai-170522012321/85/UX-12-320.jpg)
![(C) Recruit Marketing Partners Co.,Ltd. All rights reserved.
今後の世界[画像解析]
14
→ VAT
→
CNN
→ AWS tensorflow keras
( )
/
UX](https://image.slidesharecdn.com/20170422shirai-170522012321/85/UX-14-320.jpg)
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
- 2. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 内容 2 Convolutional Neural Network[CNN] CNN
- 3. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 3 Convolutional Neural Network
- 4. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 4 入力画像上でパッチ(局所画像)を滑らせ、パッチからの特徴量抽出（Convolution） と近くのパッチ同士での特徴量のまとめ上げ（Pooling）を繰り返し、最終的に得られた 特徴量をもとに画像のラベルを予測する。 P (野球) P (サッカー) P (カバディ) 繰り返し すべての特徴量 を連結し使用 Convolution層 Pooling層 ベクター Predict 画像に映っているものが何かを特定する =物体認識を実施 Convolutional Neural Network とは
- 5. Convolution: RGB * 3 0 1 3 * 3 0 1 3 = 3*3 + 0*0 + 2*1 + 3*3 =20 * 3 0 1 3 =3 * 3 0 1 3 =12 * 3 0 1 3 =20 22 5 14 22 2 + 残したいエッジや色などの特徴を抽出する処理 Convolution と Pooling 3 0 1 2 3 0 0 2 3 3 0 2 3 2 3 0 2 3 0 2 3 0 1 3 0 Pooling: Conv 8 4 9 5 4 1 1 0 2 2*2 8 4 5 4 Max( ) = 8 Max( ) = 9 4 9 4 1 Max( ) = 5 Max( ) = 4 5 4 1 0 4 1 0 2 8 9 5 4 微小な変化に対してロバストな特徴を与える処理
- 7. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 7 CNN 車種判別内装色
- 11. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 11
- 12. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 課題 12 高精度を出すために大量の学習データが必要・・・orz 80 1 → → [ ]
- 13. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 課題の解は論文にあり 13 ：ラベル１データ ：ラベル２データ ：ラベルなしデータ ：境界面 VAT※1の半教師有り学習を活用 ：予測確率分布がずれやすい 方向へデータをずらす … … … このズレの予測確率 分布の差が最小になる ように、WとBを学習 データの多少のブレにも耐えうる判別モ デルが作成できる 故に、たくさん画像があれば、少しのラ ベル作成で済む。 少量の学習データと大量のラ ベルなしデータで高精度なモ デルを作る技術
- 14. (C) Recruit Marketing Partners Co.,Ltd. All rights reserved. 今後の世界[画像解析] 14 → VAT → CNN → AWS tensorflow keras ( ) / UX