本リポジトリではインプレス社より出版予定の田村 雅人・中村 克行 著 機械学習実践シリーズ「Pythonで学ぶ画像認識」（3/22発売予定）で扱うソースコードやデータ、学習済みパラメータを管理しています。ソースコードはJupyterノートブックにまとめられており、Google Colabで実行されることを想定しています。ソースコードの解説は書籍内に記載されており、本リポジトリのソースコードは補助教材となっています。
書籍は以下のような構成になります。Jupyterノートブックの補助教材がある節には のバッジをつけています。バッジをクリックすると該当するノートブックをColabで開けます。ただし、この方法でノートブックを開いて画像やラベルデータの読み込みを行う処理を実行した場合、該当するデータがColab上にないためエラーが発生します。ノートブックの処理を実行したい場合には書籍の第1.4節で解説されている環境構築を行って実行してください。
-
第1章 画像認識とは？
-
第1節 画像認識の概要
-
第2節 コンピュータによる画像認識の仕組みを理解しよう
-
第3節 実社会で使われている画像認識アプリケーション
-
第4節 画像認識のための開発環境構築
-
-
第2章 画像処理の基礎知識
-
第1節 画像データを読み込んで表示してみよう
-
第2節 画像に平滑化フィルタをかけてみよう
-
第3節 畳み込み演算を使った特徴抽出
-
第4節 アテンションを使った特徴抽出
-
-
第3章 深層学習を使う準備
-
第1節 学習と評価の基礎
-
第2節 深層ニューラルネットワーク
-
-
第4章 画像分類
-
第1節 順伝播型ニューラルネットワークによる手法
-
第2節 畳み込みニューラルネットワークによる手法ーResNet18を実装してみよう
-
第3節 Transformerによる手法ーVision Transformerを実装してみよう
-
第4節 精度向上のテクニック
-
-
第5章 物体検出
-
第1節 物体検出の基礎
-
第2節 データセットの準備
-
第3節 CNNによる手法ーRetinaNetを実装してみよう
-
第4節 Transformerによる手法ーDETRを実装してみよう
-
-
第6章 画像キャプショニング
-
第1節 画像キャプショニングの基礎
-
第2節 データセットの準備
-
第3節 CNN-LSTMによる手法ーShow and tellを実装してみよう
-
第4節 アテンション機構による手法ーShow, attend and tellを実装してみよう
-
第5節 Transformerによる画像キャプショニングを実装してみよう
-
書籍でカバーしきれなかった内容について付録を用意しました。付録はJupyterノートブックで作成されています。
- 付録A PyTorchの基礎
- PyTorchを使う上で最低限必要となる知識について解説しています。PyTorchを始めて使う方は第4章に入る前に本ノートブックを読むことをおすすめします。
疑問点や修正点はIssueにて管理しています。不明点などございましたら以下を確認し、解決方法が見つからない場合には新しくIssueを作成してください。
https://github.com/py-img-recog/python_image_recognition/issues