AI推進準備室 > AIGlossary
AI 用語集†
※ 最終更新:2021/09/01
用語の解説と参考サイト†
Faster R-CNN†
- 2015年にMicrosoftが発明した物体検出アルゴリズム。Deep LearningによるEnd-to-Endな実装に初めて成功している。
- STEP1: ある矩形の中身が物体なのか背景( = 何も写っていない)なのかを学習する
Resion Proposal Network(RPN)と呼ばれるCNN構造を用い Deep Learningによって実装
- STEP2: STEP1で検出した場所に、具体的に何が写っているのかを学習する。
HDF5†
- Hierarchical Data Format（階層的データ形式、略称：HDF）は、大量のデータを格納および構造化するために設計された一連のファイル形式（HDF4、HDF5）。
- 米国立スーパーコンピュータ応用研究所で開発され、非営利法人である HDF グループによってサポートされている。
- HDFグループは、HDF5 テクノロジーの継続的な開発と HDF で保存されたデータの継続的なアクセスを確保することを使命としている。
Inception Resnet V2†
- Inception-ResNet-v2 は、ImageNet データベース [1] の 100 万枚を超えるイメージで学習済みの畳み込みニューラル ネットワーク。
- このネットワークは、深さが 164 層であり、イメージを 1000 個のオブジェクト カテゴリ (キーボード、マウス、鉛筆、多くの動物など) に分類できる。
- 結果として、このネットワークは広範囲のイメージに対する豊富な特徴表現を学習している。
- ネットワークのイメージ入力サイズは 299 x 299。
LabelImg†
- LabelImgは、グラフィカル画像アノテーションツール。
- Pythonで書かれており、GUIとして Qtを使用している。
- アノテーションは、ImageNetで使用される形式であるPASCAL VOC形式で XMLファイルとして保存される。
pytesseract「Python Tesseract」†
- Python-tesseractは、Python用の光学式文字認識（OCR）ツール。画像に埋め込まれたテキストを認識する。
- Python-tesseractは、 GoogleのTesseract-OCR Engineのラッパー。 jesseg、png、gif、bmp、tiffなどの Python Imaging Libraryでサポートされているすべてのイメージタイプを読み取ることができる。
VGG16†
- VGG16というのは，「ImageNet」と呼ばれる大規模画像データセットで学習された16層からなる CNNモデル。Oxford 大学の研究グループが提案し2014年のILSVRで好成績を収めた。16層からなる CNNモデルには、（224×224）の入力サイズのカラーチャネルの入力層と1000クラス分類の出力層を含み様々な研究に使用されている。
- 名前の由来は、VGGチームが作った、畳み込み13層＋全結合層３層＝16層のニューラルネットワークということで、VGG-16となっているそうな。
更新履歴†
参考資料†
