2019-05-01から1ヶ月間の記事一覧
* CT画像からの肺結節検出 * アリババの2017年TianChi AI Competition for Healthcareで1位となったネットワーク * 2887チームが参加 * 検出モデル 1. U-Net風の3D Faster R-CNN(Fig1)で候補領域を検出 1. 検出領域中心周りの64x64x64領域を入力をFig2の3D D…
* Google Brainが強化学習で生成した活性化関数Swishを提案 * [tex:Swish(x) = x \cdot sigmoid(\beta x)] * [tex:\beta \rightarrow \infty]の極限ではReLUと一致する * [tex:\beta]は学習可能だが、[tex:\beta = 1]としても汎化性能に有意差無し。 * [tex:…
* 画像の特徴量マップを算出するAttention Augmentation(AA)ブロックをGoogle Brainが提案 * 機械翻訳等のシーケンスデータを扱う[Transfomer](https://arxiv.org/pdf/1706.03762.pdf)に、空間並進普遍性を考慮する項を追加 * Transformerでは注意を向けるべ…
* 畳み込み層用正規化手法DropBlockをGoogle Brainが提案 * dropoutを拡張した正規化手法で、ランダムな画素をマスクする(Fig1(b))のではなく、ランダムな領域をマスクする(Fig1(c)) * dropoutは全結合層に対し適用すると効果が高いが、畳み込み層の特徴量マ…
* Google Brainが進化アルゴリズムにより画像分類モデルAmoebaNet-Aを作成 * NAS-NetやPNASNetは強化学習でモデルが作成されている * モデルの探索空間はNAS-Netと同じ * 強化学習よりも短時間で高精度のモデルを作成できている
* 医療データのsegmentation * 網膜の血管検出 * 皮膚癌の病変部検出 * 肺の検出 * U-Netの畳み込み層に再帰構造とresidual構造を加え、F1スコアが1～2%程度改善 * 再帰構造のみ加えたモデルをRU-Net、residual構造も加えたモデルをR2U-Netと呼んでいる
