CNNってなんやねん。
プーリングってなんやねん。畳み込みってなんやねん。
よし、勉強しよ。
今回やること
CNNの際の処理に、画像の特徴量を抜きとる処理に「畳み込み」と「プーリング」がある。
今回はim2colアルゴリズムを使ってプーリングについて学習したので、備忘録として残しておく
CNNとは
簡単にいうと画像認識タスクに用いられる、深層学習アルゴリズム。
写真から特徴量を抜き取って、画像のものがなんなのか判別するタスク。
主に「畳み込み層」「プーリング層」「全結合層」「出力層」からなる。
プーリングとは
画像のピクセルにフィルターをかけていき、そのフィルターの範囲の最大値を取得して、特徴量を生成する。(元画像から特徴を抜き出して、画像を圧縮するイメージ)
4✖️4の画像に2✖️2のフィルターを右端から1マスずつずらしながらローラー作戦のように、対象4マスの中の最大値を取得していく。
(今回は最大値を取得するが、平均値とか、いろんな取得方法があるらしい)
[[ 1, 2, 3, 4
5, 6, 7, 8
9,10,11,12
13,14,15,16]]
↓
[[ 6, 7, 8
10, 11, 12
14, 15, 16]]
コードで実装
必要なライブラリとデータをインポート
python
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
データを読み込み
データを読み込んで、今回試しに写真一枚だけプーリングを行ってみる。
python
digits = datasets.load_digits() # データをロード
print(digits.data.shape) # 読み込んだデータの形を表示
image = digits.data[2].reshape(8, 8) # 2枚目の写真を整形して、表示
plt.imshow(image, cmap="gray")
plt.show()
im2colアルゴリズムを定義
python
def im2col(img, filter_h, filter_w, output_h, output_w, stride): # 入力画像、プーリングの高さ、幅、出力画像の高さ、幅、ストライド
cols = np.zeros((filter_h*filter_w, output_h*output_w)) # outputの配列のサイズ
for h in range(output_h):
h_limit = stride*h + filter_h # h:プーリングの上端、h_limit:プーリングの下端
for w in range(output_w):
w_limit = stride*w + filter_w # w:プーリングの左端、w_limit:プーリングの右端
cols[:, h*output_w+w] = img[stride*h:h_lim, stride*w:w_lim].reshape(-1)
return cols
maxプーリング
定義したim2colを使って画像を行列計算をしやすいように変形した後、maxプーリング行います。
その後画像を表示する。
python
img_h, img_w = image.shape # 入力画像の高さ、幅
pool = 2 # プーリング領域のサイズ
output_h = img_h//pool # 出力画像の高さ
output_w = img_w//pool # 出力画像の幅
cols = im2col(image, pool, pool, output_h, output_w, pool)
image_output = np.max(cols, axis=0) # Maxプーリング
image_output = image_output.reshape(output_h, output_w) # プーリングした後、画像の形に変形
plt.imshow(image_output, cmap="gray") # 画像を表示
plt.show()
終わりに
今回はCNNのプーリングをコートで実装してみました。
ライブラリを用いれば、簡単に実装できることをコードで書くと、深く理解できた気がします。
今後も学習楽しみます。
ps.
今日からカーソルキーを使わずに、Ctrl+f,b,p,nの練習しながら記事書いてみました。
慣れなくて苦労してます。。。ww