読者です 読者をやめる 読者になる 読者になる

覚えたら書く

IT関係のデベロッパとして日々覚えたことを書き残したいです。 twitter: @yyoshikaw

「Deep Learning×画像解析」ライトニングトークイベント

カンファレンス・勉強会

「Deep Learning×画像解析」ライトニングトークイベント by LP-tech に参加してきました。

以下自分用のメモです。


概要

画像解析技術に特化した情報を発信している専門サイトLP-techが主催する、Deep Learning×画像解析に関するLTイベント。

  • 日時: 2017/02/28 19:30~
  • 場所: 東京大学伊藤国際学術研究センターギャラリー1
  • 参加者: エンジニア8割


オープニングトーク「LP-techについて」

島原 佑基 氏 (エルピクセル株式会社)

  • LP-tech
    • 画像処理に関する分かりやすいメディアを作りたかったので作った
    • 現在の記事数は約150
  • ライフサイエンス×画像解析 を盛り上げたい


画像のクラスタリング問題におけるDeepLearningの活用

三好 裕之 氏 (LP-tech編集長, 東京大学計数工学科4年)

  • クラスタリング
    • 特徴量から項目ごとに分類する分類器を作成する手法
    • Traning ⇒ Test
  • クラスタリング応用
    • 音声認識
      • 入力音声特徴量からクラスへのクラス分類ととらえる
    • 顔認識
    • 医用画像判別
    • 細胞認識
  • DeepLearning×クラスタリング
    • 古典的なクラスタリング手法:SVM, K-means ・・・ 一種の特徴量の設定を行わなければならない
    • DeepLeaningによる手法 ・・・ 特徴量の設定必要なし
  • Kaggle competition
    • 多種多様なデータセットが用意されている
    • DICOM画像からどれが危険かを判別するような問題のデータセットも用意されている
  • LP-academy
    • 機械学習の基本について勉強会をやっている


DeepLearningの画像定量への応用 ヒトの目を介さずに画像を分類する

望月 優輝 氏 (LP-techライター, 九州大学理学部生物学科)
 「OpenCV画像解析入門」を運営してます

  • 細胞の種類をChainerで判別してみました
    • EpH4 と HEK293 を対象に判別
  • 薬剤を細胞にかけたら形状が変わったが、客観的な数値で示したい
  • 元画像を5×5=25の格子で分割して学習用データを水増しした(対象が細胞だからできる話)
  • Chainer
    • 層の定義と層の結合
  • もっとロバストな推定を行う場合はより多くの学習データは必須


実際の研究で使えるDeepLearning×画像解析技術の紹介

柏崎 広美 氏 (LP-techライター)

  • ライフサイエンスの研究でもDeppLearningが注目されている
    • 従来手法では、、、
      • データ解析に多大な時間がかかる
      • 解析者により解析結果が変わる
  • ライフサイエンス
    • 動物実験 (in vivo) と 免疫組織化学 (in vitro)
    • 画像データを解析することによって結果が得られる
  • 例1: DeepLearning×動物の行動実験
    • わずか1分間のマウスの行動を人が解析するのにかかる時間が行動実験の障害となっている
    • 行動試験で得られた画像データをDeepLearningにより分類⇒各行動が全体の何%観察されたかが分かる
  • 例2: DeepLearning×神経活動測定
    • 14種類の薬剤を添加後の脳の神経活動を測定
    • 副作用を起こす可能性をDeepLearningを用いて予測する
  • 例3: DeepLearning×免疫組織化学
    • 免疫染色した組織画像⇒組織における免疫細胞の画像からがんの診断を行う
    • DeepLearningで解析した結果と人が主導で解析した結果を比較⇒DeepLearningでの解析結果が人の手動解析の結果が一致した


最新R-CNNの動向について

@Deep Zeon 氏 (ナレッジワークス)

  • YOKOv2
    • 検出速度 64FPS
  • 最近のR-CNN
    • YOLO,SSD, ResNet, R-FCN
    • 動向
      • より高速に、より難しい識別へ、時系列解析との融合
    • 応用
      • リアルタイム検出
      • 軽量化、高速化


DeepLearning×画像生成について

鈴木 雅大 氏 (東京大学工学系研究科 松尾研究室博士2年)
 東大でDeepLearningの講義を担当している

  • 画像を「生成」するには?
    • 新しい「ネコ」の画像を生成したい
      • データの生成源をモデル化
      • 生成モデル
  • 生成モデルでできること
    • 欠損値補完
    • ノイズ除去
    • 異常値検出
  • DeepLearning+生成モデルの代表的アプローチ
    • VAE(変分AE)系
      • 推論分布(エンコーダ)と生成分布(デコーダ)を学習する
      • 画像がぼやける
    • GAN系
      • 生成器と識別器を敵対的に学習させる
      • はっきりした画像を生成できるが、学習のパラメータ調整が難しい
  • 画像から画像の生成
    • GANを使って、ある画像から同じピクセル数の別の画像を生成
    • image-to-image Demoが流行中
  • マルチモーダルな画像生成
    • 文章から画像の生成
    • 画像と属性の双方向の生成
      • 顔から属性、属性から顔が一つのモデルで生成できる
      • 属性を変化させることで、対応する様々な顔を生成できる


DeepMedicによる医療画像解析について

@argon 氏

  • DeepMedicとは何か
    • MRIデータのセグメンテーション用CNNモデル
    • 脳の病変を検出することが目的
  • DeepMedicの特徴
    • ボクセル単位の密なセグメンテーション
    • カーネルサイズを小さく
    • 畳み込み層のみで構成されるCNN
    • 多重解像度CNN
      • 低解像度入力に対するパスを追加
    • 多様なデータに対応
      • MICCAIの2つのコンペで良好な成績をおさめる
  • 実際に動かしてみる
    • 対象データ
      • 病変のサイズは大小様々
    • Residual Network構造



関連エントリ