カテゴリー: G検定

FCN (Fully Convolution Network)

[黒386]
セマンティックセグメンテーション※に用いられる。全結合層を持たない。(プーリング層、畳み込み層、出力層は持つ)

セングメンテーションタスク
[テ263]
画像の画素ごとに識別するタスク
・(※)セマンティックセグメンテーション: 画像全体を対象。一人一人の分離は不可。{PSPNet、U-Net、SegNet [黒378]、DeepLabV3 (Google開発。Atrous convolutionを採用) [テ318]}
・インスタンスセグメンテーション: 物体検出した領域を対象。一人一人の分離が可。{Mask R-CNN [黒378]}
・パノプティックセグメンテーション: 個々の物体は分離。建物・道路などはひとまとめ。

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

確率分布

[黒373]
・ベルヌーイ分布: 1回のベルヌーイ試行(2つのいずれかの事象{成功か失敗}が一定確率で起こる)の結果が従う確率分布。
・二項分布: 複数のベルヌーイ試行を繰り返した際の、成功回数が従う確率分布。

参考文献: ***は、ページ番号。
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

V**

[黒369]
・VAE (Variational AutoEncoder, 変分オートエンコーダ): 画像生成などを行う生成ネットワーク (β-VAE、VAE/GAN、infoVAE、VQ-VAE [黒144])

・VAR (Vector AutoRegressive model, ベクトル自己回帰モデル): 複数の時系列データに関する回帰タスクを扱う手法

・VGG (Visual Geometry Group): 画像認識の協議会「ILSVRC」で2014年に高い評価を受けた畳み込みニューラルネットワーク。画像分類(物体認識 [テ318])を行うCNNであって、単体で物体検出はできない(単体で物体検出はできるのは、FPN、SSD、YOLO) [黒351]。

参考文献: ***は、ページ番号。
[テ***] 『深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト』第3版
[黒***] 『徹底攻略ディープラーニングG検定ジェネラリスト問題集』第3版

テストデータ・検証データ

2区分なら、訓練データとテストデータ。

[ 訓練・検証・テストデータの違い #DeepLearning – Qiita ]
・テストデータ
>汎化性能をチェックするために、最後に（理想的には一度だけ）利用する。

・検証データ
>ハイパーパラメータの性能を評価するために利用する。