DeepLearningとWord2Vecを用いた画像レコメンドの考察
-
Upload
tadaichiro-nakano -
Category
Technology
-
view
1.650 -
download
0
Transcript of DeepLearningとWord2Vecを用いた画像レコメンドの考察
2
• produce(農産物)• strawberry• fruit• food• plant
画像 判定結果
⇒精度もかなり高く判定できるように※Google Cloud Vision API使用
DeepLearningを使った画像のカテゴリ分析
13
類似画像検索ロジック
画像αにおける物体Aのスコア
Deep Learningが物体Aとして返したScore
Max(= ☓物体候補のPixel数
画像全体のPixel数)
⇒画像内における物体の重要度
画像ベクトル = 各物体の
単語ベクトル ☓ 物体のスコアSum( )
⇒単語ベクトルと重要度を用いて画像をベクトル化
画像内物体数
1☓
15
類似画像検索ロジック
画像αにおける物体Aのスコア
Deep Learningが物体Aとして返したScore
Max(= ☓物体候補のPixel数
画像全体のPixel数)
⇒画像内における物体の重要度
画像ベクトル = 各物体の
単語ベクトル ☓ 物体のスコアSum( )
⇒単語ベクトルと重要度を用いて画像をベクトル化
画像内物体数
1☓
16Girshick, R., Donahue, J., Darrell, T., & Malik, J. “Rich feature hierarchies for accurate object detection and semantic segmentation”. CVPR2014.
R-CNN: 複数カテゴリへの対応
�物体候補を抜き出しそれぞれをCNNにかける�CNNの結果(Score)を元にオブジェクトを判別(元はSVMで判定. 今回は前述のロジックで判別)
17Jasper R. R. Uijlings, Koen E. A. van de Sande, Theo Gevers, Arnold W. M. Smeulders “Selective Search for Object Recognition”
Selective Search:物体候補の抜き出し
�類似した領域をグルーピングして物体候補を抽出するアルゴリズム
�DeepLearningと違って学習の必要がない
19
R-CNN: 複数カテゴリの抜き出しロジック
物体候補候補Pixel/全体Pixel
0.1
0.05
0.07
DLによる物体検知
Person: 95.0
Person: 70.0
Person: 80.0
☓
☓
☓
0.095
0.035
0.056
=
=
=
⇒最も値の大きい0.095をPersonのスコアとする
20
類似画像検索ロジック
画像αにおける物体Aのスコア
Deep Learningが物体Aとして返したScore
Max(= ☓物体候補のPixel数
画像全体のPixel数)
⇒画像内における物体の重要度
画像ベクトル = 各物体の
単語ベクトル ☓ 物体のスコアSum( )
⇒単語ベクトルと重要度を用いて画像をベクトル化
画像内物体数
1☓
21
単語ベクトルとは?
King + Woman = QUEEN
• 単語をベクトル(数値配列)にする技術• 距離が近い単語は意味が似ており、遠いと似ていない
=>なんとなく類似というニュアンスが表現できる• ベクトルになっているので単語の演算が可能になる
22
単語ベクトル(Word2Vec): ニュアンスを表現
• ベクトル化しているので重要度を乗じることが可能• また平均をとることも可能⇒画像内の物体ベクトル*スコアの平均を取れば画
像のベクトルとして扱える(はず)
factory
steel
sea
画像ベクトル
23
単語ベクトル(Word2Vec): ニュアンスを表現
物体 単語ベクトル
(0.1,0.2)
(0.8,0.7)
(0.01,0.01)
物体スコア
0.8
0.95
0.5
☓
☓
☓
=
=
=
⇒平均である(0.281,0.276)を画像ベクトルとする
実際は40次元
(0.08,0.16)
(0.76,0.665)
(0.005,0.005)
(0.281,0.276)
24
類似画像検索ロジック
類似画像 = 画像αの画像ベクトル - 画像≠αの
画像ベクトルMin(Sqrt(Sum(( )**2)))
⇒ユークリッド距離が最も⼩さいものを類似とする
⇒画像毎に算出ベクトル間の距離を測れば推薦可能
25
効果検証 検索画像 結果
• helicopter• vehicle• boeing ch 47• aircraft• rotorcraft
• tank• military• weapon• vehicle• combat vehicle
⇒⽂字列で一致したのはvehicleだけ
30
先⾏研究: Illustartion2vec
http://demo.illustration2vec.net/
• 個別の固有名詞がわかるような識別器を作れば解決できる• ただし難易度は若⼲高め
削除