つくりながら学ぶ！ＰｙＴｏｒｃｈによる発展ディープラーニング

マイナビ出版
小川雄太郎　

• 価格: 3,828円（本体3,480円＋税）
• 発行年月: 2019年07月
• 判型: Ｂ５
• ISBN: 9784839970253

内容情報

[BOOKデータベースより]

本書は第１章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。本書で解説する手法を実装できるようになればその後の研究・開発に役立つことでしょう。

第１章　画像分類と転移学習（ＶＧＧ）
第２章　物体検出（ＳＳＤ）
第３章　セマンティックセグメンテーション（ＰＳＰＮｅｔ）
第４章　姿勢推定（ＯｐｅｎＰｏｓｅ）
第５章　ＧＡＮによる画像生成（ＤＣＧＡＮ、Ｓｅｌｆ‐Ａｔｔｅｎｔｉｏｎ　ＧＡＮ）
第６章　ＧＡＮによる異常検知（ＡｎｏＧＡＮ、Ｅｆｆｉｃｉｅｎｔ　ＧＡＮ）
第７章　自然言語処理による感情分析（Ｔｒａｎｓｆｏｒｍｅｒ）
第８章　自然言語処理による感情分析（ＢＥＲＴ）
第９章　動画分類（３ＤＣＮＮ、ＥＣＯ）

[日販商品データベースより]

本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。

［本書で学習できるタスク］
転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築
物体検出（SSD）：画像のどこに何が映っているのかを検出
セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出
姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク
GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成
異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出
自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施
動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類

本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。
ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。


実装環境
・読者のPC（GPU環境不要）、AnacondaとJupyter Notebook、AWSを使用したGPUサーバー
・AWSの環境：p2.xlargeインスタンス、Deep Learning AMI（Ubuntu）マシンイメージ（OS Ubuntu 16.04|64ビット、NVIDIA K80 GPU、Python 3.6.5、conda 4.5.2、PyTorch 1.0.1）