Caffeをはじめよう
――深層学習による画像解析の実践

[cover photo]
  • 2015年08月 発行
  • 144ページ
  • ISBN978-4-87311-745-4
  • フォーマット Print PDF ePub mobi

オライリー・ジャパンで書籍を購入:
定価1,620円

Ebook Storeで電子版を購入:
価格1,620円

Caffeは深層学習(Deep Learning)のオープンソースフレームワークで、主に画像処理分野において利用されています。本書はCaffeを使って画像処理をしてみたいという初心者を対象に、Caffeの使い方、Caffeを使う上で最低限必要な知識について解説する書籍です。 まずビルド方法や利用するためのインターフェースの解説から、実際に画像認識を行う一連の流れを説明します。続いてCaffeで利用している畳み込みニューラルネットワーク(CNN)とその構成要素、さらにAlexNetやGoogLeNetといった代表的なCNNのアーキテクチャについても解説します。 さらにblobやlayerといったCaffe独自のクラス、また設定できるパラメータについて解説し、検出のような実際のタスクやモデルを学習する上で用いられている技術についても説明しています。
これまでCaffeを使ったことのない読者が、実際に画像処理をしてみるよい手引きとなるでしょう。
なお本書はEbook版およびWeb直販でのみ販売しており、一般の書店では購入できません。

関連書籍

word2vecによる自然言語処理
詳解 OpenCV
実践 機械学習システム
実践 コンピュータビジョン
入門 機械学習
入門 自然言語処理

まえがき

第1章 深層学習
    1.1 深層学習とは
    1.2 画像処理分野における深層学習
        Park or Bird
        DeepFace
        DeepPose

第2章 Caffeの紹介
    2.1 ソースコード構成
    2.2 依存ライブラリ
        CUDA
        BLAS
        OpenCV (> version 2.4)
        Boost
        glog
        gflags
        protobuf
        LevelDB
        snappy
        LMDB
        HDF5
    2.3 Caffeのビルド
        GPU対応準備
        必須準備
    2.4 インターフェース
        コマンドライン
        Python
    2.5 Caffeが扱う主なファイル
        ネットワーク定義ファイル
        solver定義ファイル
        caffemodel

第3章 Caffeを使ってみよう
    3.1 データ取得
    3.2 データベース作成
    3.3 モデル学習
        ネットワーク定義ファイル(prototxt)の用意
        solverの用意
        モデルの学習
        学習率を小さくする
    3.4 画像分類

第4章 畳み込みニューラルネットワーク(Convolutional Neural Network、CNN)
    4.1 畳み込み層
    4.2 プーリング層
    4.3 全結合層
    4.4 活性化関数
        シグモイド関数
        ReLU
        ソフトマックス関数
    4.5 重みの学習
        最急降下法
        誤差逆伝播法
    4.6 代表的なネットワークアーキテクチャ
        LeNet-5
        AlexNet
        GoogLeNet

第5章 Caffeの独自要素
    5.1 Blob
        データ構造
        CPUとGPU間のデータ転送
    5.2 Layer
        データ層
        畳み込み層
        プーリング層
        全結合層
        損失
        正規化
        活性化
        実装
    5.3 Net

第6章 もっとCaffeを使ってみよう
    6.1 Fine-tuning
        Caffe Model Zoo
    6.2 学習済みモデルにおける隠れ層の重みを可視化
    6.3 Feature extraction
    6.4 R-CNN
    6.5 モデルパラメータの編集
    6.6 Fully Convolutional Network

第7章 モデルの学習における技術
    7.1 ミニバッチ学習
    7.2 Data Augmentation
    7.3 Dropout
        Dropout Layer

付録A Caffeの開発に貢献する
    A.1 Issue
    A.2 Pull request

付録B Datasets
    B.1 MNIST
    B.2 The Street View House Numbers (SVHN) Dataset
    B.3 The CIFAR-10/100 dataset
    B.4 Caltech101/256
    B.5 ImageNet
    B.6 MIRFLICKR

参考文献
著者紹介
奥付

Feedback

皆さんのご意見をお聞かせください。ご購入いただいた書籍やオライリー・ジャパンへのご感想やご意見、ご提案などをお聞かせください。より良い書籍づくりやサービス改良のための参考にさせていただきます。
[feedbackページへ]