- そもそもコンピューターは知能の大体を目的として作られた。人工知能のつくるためのもの
- コンパイラは翻訳機。プログライング言語からマシン語への変換
- 人間の使う言語から言語の変換(翻訳)は難しい
強化学習のメモ
何かに使いたいと思いながら、何にもできていない強化学習。個人的なメモをまとめておいて一回封印します。
まとめ的なリンク
自分が読んだ強化学習の資料達 - 下町データサイエンティストの日常
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learni…
実践例
GitHub - chainer/chainerrl: ChainerRL is a deep reinforcement learning library built on top of Chainer.
Jetson Nanoで動く深層強化学習を使ったラジコン向け自動運転ソフトウェアの紹介 - masato-ka's diary
メモ
誰でも深層強化学習のスキルを身に付けて活用できるための教育リソース「Spinning Up」をOpenAIが発表 - GIGAZINE
まとめ
強化学習むずかしい…というかなかなか活用できそうにない。
読んだ本
読んだけど、何もアウトプットできずに終わってしまった本。もう一冊くらい読んでみようかな…
機械学習スタートアップシリーズ Pythonで学ぶ強化学習 [改訂第2版] 入門から実践まで (KS情報科学専門書)
- 作者:久保隆宏
- 発売日: 2019/12/13
- メディア: Kindle版
参考文献は少年ジャンプ「Deep Bleach」と話題の「MangaGAN」
論文へのリンク
[2004.10634] Unpaired Photo-to-manga Translation Based on The Methodology of Manga Drawing
筆者・所属機関
Hao Su, Jianwei Niu, Xuefeng Liu, Qingfeng Li, Jiahe Cui, Ji Wan
全員 Beihang University(北京大学)
投稿日付
2020/04/22
概要(一言まとめ)
以下の画像がほぼ全て
ペアを不要とするGANで写真から漫画に変換。MangaGAN-BLというデータセットもアカデミックユースで提供予定。
手法の概要
位置的な変換をする(Geometric Transformation Network)と外観を変換する(Appearance Transformation Network)2つのブランチで変化して、合成する。
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
- endow 与える
- exaggeration 過言
Dysonの開発したディープラーニングを活用した革新的なリアルタイムSLAM技術「DeepFactors」
論文へのリンク
[2001.05049] DeepFactors: Real-Time Probabilistic Dense Monocular SLAM
筆者・所属機関
Jan Czarnowski, Tristan Laidlow, Ronald Clark, and Andrew J. Davison
全員所属はDyson Robotics Laboratory, Imperial College London
注:Dyson Robotics LaboratoryはDysonがイギリスのImperial College London内に設立した研究所
投稿日付
2020/01/14
概要(一言まとめ)
SLAM技術の名付け親であるAndrew J. Davisonによる高速・高精度なVisual SLAM技術。
日経Robotics 5月号で特集が組まれている。
手法の概要
DNNのモデルを3つ用いている。
図の一番下が、Auto Encoderのモデルで距離画像を学習させている。そのとき、生じる真ん中の特徴量c(論文内でcodeと呼ばれる)が重要。
真ん中のFeature Networkは、RGB画像を元に解像度ごとに特徴ベクトルを生成して、Auto Encoderに条件付きで結合している。
一番上のネットワークは、codeの初期値を推定するためのネットワーク。
DNNの重みは、事前にオフラインで学習されるがcode自体はオンラインで最適化される。
コメント
オートエンコーダの特徴量をオンラインで最適化して、精度を高めているのが面白い。
Feature Networkが、条件付きでAuto Endoerに結合しているところは、pix2pix(GAN)っぽくて面白い(勘違い?)
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
RGB-D画像から3D画像生成
論文へのリンク
3D Photography using Context-aware Layered Depth Inpainting(Google Drive)
[2004.04727] 3D Photography using Context-aware Layered Depth Inpainting
筆者・所属機関
Meng-Li Shih(Virginia Tech, National Tsing Hua University), Shih-Yang Su(Virginia Tech), Johannes Kopf(Facebook), Jia-Bin Huang(Virginia Tech)
投稿日付
2020/04/09
概要(一言まとめ)
RGB-D画像から高精度な3D画像を生成する。
手法の概要
コメント
関連情報
画像から簡単に精巧な3D写真が作成できる論文が公開される、実際に3D写真を生成することも可能 - GIGAZINE
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
- inpainting 修復する
偽のLiDAR?「Pseudo-LiDAR」
論文へのリンク
[1812.07179] Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving
[1906.06310] Pseudo-LiDAR++: Accurate Depth for 3D Object Detection in Autonomous Driving
筆者・所属機関
投稿日付
概要(一言まとめ)
後で読む
手法の概要
コメント
関連情報
Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving - arutema47's blog
GitHub - mileyan/pseudo_lidar: (CVPR 2019) Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving
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
混ぜたら精度アップ?不思議なData Augmentation手法「Mixup」
論文へのリンク
[1710.09412] mixup: Beyond Empirical Risk Minimization
mixup: Beyond Empirical Risk Minimization
筆者・所属機関
Hongyi Zhang(MIT), Moustapha Cisse(FAIR), Yann N. Dauphin(FAIR), David Lopez-Paz(FAIR)
投稿日付
2017/10/25
概要(一言まとめ)
高い性能を持つData Augmentation手法。adversarial examplesにも強い
手法の概要
画像としては、以下のような画像同士がαブレンドされたような画像になる。
コメント
関連情報
Kerasでのmixup augmentation - statsuのblog
次に読む論文
自分なりのアウトプット
PyTorchでデータ水増し(Data Augmentation)する方法 - Qiita
気になった英単語・英語表現
- empirical 経験的
- alleviate 軽減する