DeepLearningを実用する際のテクニック2

いきなりまとめ

DeepLearningではデータの事前処理が必要。
Computer Visionには特有の事前処理、

• ピクセル値の標準化
• サイズの標準化
• データの増幅

などが存在。

Today I Learned

Chapter 12 Application
を参考に。

Computer Vision

ANNでは通常データの事前処理が必要。
画像データの場合は

• スケーリングは必須 （[0,1] or [-1, 1]）
• サイズの標準化も必要（可変サイズの場合はpoolingでサイズ調整が必要）

その他にも必要に応じて、

• dataset augmentation（トレーニングデータの増幅）
• データの正準型への変換（データの変動の削減）

など。


・Contrast Normalization

データの変動の大きな要因がコントラスト。
deep learningにおいてはコントラストはピクセルの標準偏差。

Global contrast normalization(GCN)では画像全域のデータによってピクセルの値を標準化。

これによりデータは球状に分布（DeepLearningは方向と距離を同時に扱うのは困難）。

GCNではエッジがボケてしまう場合がある（暗い部分と明るい部分のエリアが大きい画像、街の画像など）。

local contrast normalizationでは小領域ごとに標準化。

これによってGCNでボケてしまうエッジを検出可能。

・Dataset Augmentation

Dataset Augmentatioではトレーニングデータのコピーによってデータを増幅。
これによってモデルの一般性が向上可能。
特に画像認識において有効。