GANとは、本物と見分けがつかないような画像を生成したり、アニメ調の画像へ変換したり、白黒写真をカラーにしたり、画像関連の様々な面白いことができる技術です。2014年にイアン・グッドフェローらにより生み出されました。

U－NetはエンコーダにVGG、ResNetといった代表的なCNNモデルを使ったり、ファインチューニングすることが可能です。segmentation_modelsライブラリでその辺が簡単にできるので紹介していきます。

Pythonを使ってオリジナル画像のセマンティックセグメンテーションを実装していこうと思います。今回はセマンティックセグメンテーションで代表的なモデルであるU-Netを使っていきます。画像枚数が少ないのでData Augmentationを活用していきます。

セグメンテーションをやりたい！と思って一番苦労するのはデータセットの準備でしょう😂ここではアノテーション、画像サイズなど、データセットの作成をやっていきます。 セグメンテーションは入力画像データに対し、ピクセル単位で「背景」「対象」...

画像をディープラーニングすることで、CNNモデルでは画像認識でクラス分類したり、YOLOモデルでは物体検出を実装してきました。ここでは物体の境界線を描くセマンティックセグメンテーションモデルの学習、使い方を説明していきます。

ここでは、これからディープラーニングを学びたいという方、中身の理解が不安という方向けに、CNNまでを最短距離で説明していきます。簡単にCNNの概要を説明し、最低限理解しておくとを記載しております。TensorFlowのPython実装コードも説明しています。

畳み込みニューラルネットワーク（CNN）に代表される画像の分類、物体検出、セグメンテーションなどのモデルは学習する際に、多くのデータ数と時間を要します。そこで、転移学習やファインチューニングが役立ちます、というか必須と言っても過言ではない...

前の記事でつくったスナックエンドウYOLOv5モデルを改良し高精度化しました。改良の方針としてサンプル数増強、過学習ケア、アノテーション見直しをすることでmAP:0.8を達成しています。動画資料で効果確認を実施してます。

ResNet(Deep Residual Learning for Image Recognition)について、コード説明を実施します。いまさら感ありますが派生するモデルが高精度な結果をたたき出していることもあり、簡単に解説していきます。

独自の画像データをつかったCNN学習を実行していこうと思います。独自データ（画像）の学習を設定し2種類の画像を分類するモデルをつくります。「機密情報を外部サーバへ置けない」「社内のアクセス制限で使えない」などの問題に対応するためローカルPCで実装していきます。