Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
En vedette
En vedette (20)
Similaire à 第1回NIPS読み会・関西発表資料
Similaire à 第1回NIPS読み会・関西発表資料 (20)
第1回NIPS読み会・関西発表資料
- 1. Synthesizing the preferred inputs for neurons in neural networks via deep generator networks Takashi Shinozaki CiNet, NICT Nov 12, 2016 tshino@nict.go.jp
- 2. 紹介論文 • A. Nguyen, A. Dosovitskiy, J. Yosinski, T. Brox, J. Clune • “Synthesizing the preferred inputs for neurons in neural networks via deep generator networks” • メインはワイオミング大学 • フライブルク大学の可視化技術がベース • Dosovitskiy & Brox 2016 arXiv • “Generating images with perceptual similarity metrics based on deep networks”
- 3. ワイオミング？ • アメリカの真ん中あたり • イエローストーン国立公園があるところ • ソルトレイクシティやデンバーが近い
- 5. はじめに • Deep Neural Network (DNN)の可視化は重要 • 基礎科学として • DNNの改良のため • 可視化の基本 • Activation Maximization (AM) [Erhan+2009] • 反応を最大化する入力を探す • 可視化する先を制限するpriorが必要 • 自然画像なら自然画像のprior
- 6. 様々なprior • Hand-designed priors • Gaussian blur [Yosinski+2015] • α-norm [Simonyan+2014] • Total variation [Mahendran+2016] • Jitter [Mordvintsev+2015] • Data-driven patch [Wei+2015] • Center-bias regularization [Nguyen+2016] • Mean images [Nguyen+2016] • 本研究ではImageNetを学習したCNNをpriorに!!
- 7. 可視化の為の生成モデル • これまでの生成モデル • Probabilistic model [Lee+2009] • Auto-encoder [Alain+2014] • Stochastic model [Kingma+2014] • Recurrent networks [Theis+2015] • Generative Adversarial Network (GAN) • [Goodefellow+2014] • 最近の流行、特にDCGAN • Deep Convolutional GAN [Radford+2015]
- 8. Ex. Arithmetics over semantic space • Radford et al., 2016 • “Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks”
- 9. Ex. mini-Video generation • Vondrick et al., 2016 • “Generating Videos with Scene Dynamics”
- 11. 本研究の目的 • ImageNetで学習したCNNをpriorとして • GANのような生成モデルである Deep Generative Network (DGN)を使って • Activation Maximization (AM)な画像を生成する • DGN-AMを開発して、その性能を検証
- 13. Fig.2: ネットワーク構造 • 基本的なDCGANの構造 • ネットワークは学習しない? • 赤い部分の分布を学習する? G Φ h
- 14. ネットワーク詳細 (1/2) • 前段階でGenerator Gを学習 • VAEGAN的学習？ Real or Fake 圧縮表現 yi=E(xi) 生成画像 G(yi) 元画像 xi Discriminator D Comparator C Encoder E Generator G 生成画像 C(G(yi)) C(xi) 判別結果 D(G(yi)) D(xi) 比較 比較 比較
- 15. ネットワーク詳細 (2/2) • ネットワークは固定して最適な圧縮表現を探索 • yiは [0,3σ]でクリッピング • あらかじめEncoder Eの出力分布を取っておく 圧縮表現 yi=E(xi) 生成画像 G(yi) target DNN Φ =可視化する CNN Generator G feature h ここを最適化
- 16. Fig.3: Priorの汎用性 (1/3) • MIT Places datasetで学習したDNN[Zhou+2014] • Priorは普通のCaffeNet • いずれもいい感じに可視化できた • ネットの基本構造が同じなため？
- 17. Fig.4: Priorの汎用性 (2/3) • 全く異なるDNN [Donahue+2015] • 動画像(UCF101)で学習 • 先のものと比べると性能が悪い？ • ネットのせい？データのせい？
- 18. Fig.5: Priorの汎用性 (3/3) • もっと根本から異なるネットワークでも検証 • 学習データは同一(ImageNet) • GoogLeNet [Szegedy+2015], ResNet [Zhang+2016] • 構造が違うほど性能は低下
- 20. その他の応用の可能性 • ネットワークの学習過程の可視化 • 動画の可視化 • 意味レベルでの合成
- 22. Fig.S12: 画像の合成 (2/2) • 様々なものに「火」を灯す • 意味的な合成が適切に行われている • 新規画像を生成するための新しい手法？
- 23. まとめ • DGN-AMを提案 • Priorを使って可視化 • 解釈しやすいリアルな画像を生成 • DNNの研究に有効 • テキストからの可視化も促進？ • ネットワークを超えた一般性も持つ？
- 25. Fig.S7: canonical imagesについて • よくわからないです
- 30. 動画の生成 • LRCN DNN[Donahue+2015]で生成モデル • LSTMでUCF-101を判定するDNN • 動画 • https://goo.gl/pCPIHA
- 32. Fig.S11: 画像の合成 (2/2) • 特徴ベクトルのL2の差を損失に追加 • 様々なレベル(画像、意味)での合成 • 科学的にも芸術的にも面白い？
- 34. Fig.S12: 画像の合成 (2/2) • 様々なものに「火」を灯す • 意味的な合成が適切に行われている • 新規画像を生成するための新しい手法？
- 35. Fig.S13: 様々な層での表現 (1/2) • 上段：conv3、下段：conv5
- 36. Fig.S13: 様々な層での表現 (2/2) • 上段：fc6、下段：fc7
- 38. Fig.S14: 各層での表現の詳細 (2/2) • 上段は従来のhand-designed priorによるもの • 下段が提案手法 • よりリアルな色とテクスチャを実現
- 40. Fig.S15: 場所CNNでの各層 (2/2) • 場所判定CNN[Zhou+2015]の学習表現 • 3-5層は物体検出に対応？ • fc6,fc7層では複数の表現が混ざり合う？
- 45. 変形への対応 • (1) ベースライン (2) cut-upの影響 • (3) 色変換の影響 (4) blurの影響
- 46. Fig.S19: cut-upの影響 (1/2) • 上段：元画像、下段：cut-up画像
- 47. Fig.S19: cut-upの影響 (2/2) • 上段：元画像での生成、下段：cut-upでの生成
- 48. Fig.S20: 色変換の影響 (1/2) • 上段：元画像、下段：色変換画像
- 49. Fig.S20: 色変換の影響 (2/2) • 上段：元画像での生成、下段：色変換での生成
- 50. Fig.S21: blurの影響 (1/2) • 上段：元画像、下段：blur画像
- 51. Fig.S21: blurの影響 (2/2) • 上段：元画像での生成、下段：blurでの生成