結構昔に読んだきりになっていたので、軽くメモです。
気になったきっかけは以下あたりです。
感想は、面白かったのですが、自分はSFはそこまで得意じゃないかもというしょうもないものでした（笑）
ブラックボックスなディープラーニングを説明する試みは無駄？
論文へのリンク
筆者・所属機関
Cynthia Rudin(Duke University)
投稿日付
2018/11/26
概要（一言まとめ）
手法の概要
コメント
関連情報
次に読む論文
自分なりのアウトプット
気になった英単語・英語表現
CNNの不思議「Deep Image Prior」
論文へのリンク
筆者・所属機関
Dmitry Ulyanov(Skoltech), Andrea Vedaldi(University of Oxford), Victor Lempitsky(Skoltech)
投稿日付
2018/04/05
概要（一言まとめ）
CNNモデルに対して、入力をノイズ、出力の教師画像をノイズ画像、欠損画像、ボケた画像にして学習を進めたとき、学習途中で、教師画像より高品質（ノイズレス、欠損無し、超解像）画像が得られるという驚くべき内容。
手法の概要
コメント
関連情報
次に読む論文
自分なりのアウトプット
気になった英単語・英語表現
データオーギュメンテーションの決定版？「AUGMIX」
論文へのリンク
筆者・所属機関
Anonymous authors (匿名でのレビュー中)
投稿日付
2019/11/09
概要（一言まとめ）
Data Augmentationの1手法。論文より引用した以下の画像が分かりやすい。ほぼこれが全て。
手法の概要
以下が詳しいので、ここでは省略。
コメント
データオーギュメンテーション、どんどん新しい手法が出てくるなというのが印象。
なんとなく、この辺りの前処理はドメインによって最適な手法が異なる気がするので、今のデータセットに特化した手法が出ているような気がしなくもない（それを言ったら、ネットワーク構造もそうなのだけど）。
そのうち更に決定版的なものが出てくるのだろうか？
関連情報
次に読む論文
自分なりのアウトプット
気になった英単語・英語表現
絵みたいなQRコードを作る
上の図は以下から引用
今はこんなことまでできちゃうのね。誤り訂正機能を活用しているのかな？
参考サイト
高解像度動画のエッジデバイス用物体検出手法「EdgeNet」
論文へのリンク
筆者・所属機関
George Plastiras(University of Cyprus), Christos Kyrkou(University of Cyprus), Theocharis Theocharides(University of Cyprus)
投稿日付
2019/11/14
概要（一言まとめ）
高解像度の動画を性能を下げずに、高速度・低電力でディープラーニングによる物体検出をする手法
エッジデバイス向けで、UAVなどを想定しているよう。
手法の概要
論文より引用
上図のように、3ステージに分けているのがポイント。
1ステージは通常のCNNによる物体検出で、3ステージはLucas-Kanade法による昔からある手法でのトラッキングなので、ポイントは2ステージ。
1ステージで検出した対象が、コーナーの4隅に来るような5種類のサイズのタイルを生成する。これにより1ステージで検出した物体1つに対して20個のタイルが生成される。
これらのタイルから、Effective Processing Time(EPT)と呼ばれる、物体を効率よく検出できる指標を元に1番良いものを選ぶ。最終的には、すべての検出した対象をカバーするようなタイルの組み合わせを選ぶ。
それらのタイルに対して、更にCNNによる検出をかけることで、性能と速度の向上の両立を狙う。
コメント
タイルの工夫は、3回くらい読み直して理解できた（と思う）。なかなか面白いなと思った。考え方、何かに応用できそう。
関連情報
次に読む論文
自分なりのアウトプット
気になった英単語・英語表現
- hierarchical 階層的
- outperform より性能が良い
