リアルタイム物体検出向けニューラルネット、SSD(Single Shot Multi Detector)及びその派生モデルの解説

さて、昨年行ったGTC Japan 2017では物体検出のデモを行っているブースが多く、盛り上がりを見せている分野と感じています。
たしかに、物体検出のデモってすごくAI感(?)があります。

今回の記事はリアルタイム(~0.1sec)物体検出に使われるSSD及びその派生モデルのお話。

 [1]SSD検出結果

FastRGFはじめました@rgf_python2.3.0

rgf_pythonですが、ありがたいことにPorto Seguro’s Safe Driver Prediction Competitionを中心にkaggleで使ったよ、という報告が増えてきました。

Safety in Numbers - My 18th Place Solution to Porto Seguro's Kaggle Competition – Joseph Eddy – Data scientist, teacher, debate coach

https://www.kaggle.com/scirpus/regularized-greedy-forest/code

RGF単体でXGBやLightGBMを越えない場合でも、アンサンブルのお供には有力な選択肢です。

さて、rgf_pythonは現在も継続的に更新を続けており、デプロイ方法の変更や、docker imageの配布、内部的な変更も大きい物がいくつか入っていますが、なんといっても最近ではFastRGFの導入が大きいでしょう。

今日はFastRGFについて書きます。

chainer GUI designerを使ってchainerのコードを生成してみる

皆さんこんばんは。Chainer Advent Calender 2017の9日目の記事です。

(Advent Calendarに不慣れで、空の記事を公開していました、すいません、)

今回の記事は拙作のGUIクライアント(非公式)でネットを構築してchainerのコードを生成してみようというのが趣旨です。

GitHub - fukatani/ChainerWing: GUI deep learning IDE based on chainer.

ChainerWing自体はデータのハンドリングから、ネット構築、学習、予測まで(限られたタスクではありますが)、サポートされています。
今回はネット構築機能を使ってChainerのコードを生成してみます。
フル機能に興味がある方は、以前の記事を参考にしてください。

CupyとNumpyのパフォーマンスを比較してみた

GPUで、Numpy互換のAPIで行列計算ができるCupyは活発に更新されています。

sortやinv、最近はsparseまで、numpy(とscipy)の機能の多くをカバーするようになってきて、numpyの代用になりえるものになってきたと思います。

そこでどれだけの機能がサポートされているのか、そして、GPUで計算することにより、どれだけ、速くなるのか？調べてみました。

ChainerWing、インストールから画像分類まで

自作したchainerGUIクライアントの日本語のマニュアルが作れてなかったので、ようやくこの記事で公開です。

サンプルプロジェクトを叩くのもいいと思います。

動かないとかあったら、コメントでも投げてください。

自作しているChainer GUIクライアントを、画像分類に対応させました

以前ブログで発表した、chainerの自作GUIクライアント、ほそぼそと開発進めています。

画像分類対応に意外とかかってしまった。

GitHub - fukatani/ChainerWing: GUI deep learning IDE based on chainer.

今までどおり、GUI上で、ドラッグアンドドロップでネットを構築します。

【Python】jsonで自作クラスを含んだデータをシリアライズ/デシリアライズする

 オブジェクトをファイルに保存したい時、JSON便利ですよね。

パフォーマンスが欲しい時はprotobufやpickleを使いますが、そうでもない時はJSONやxml。

私的にはJSONが一番見やすいので、断然JSONを使います。

今日はJSONで自作クラスを保存したい時の話です。