新型コロナウイルスに関する情報は、厚生労働省の情報発信サイトを参考にしてください。情報を見る
エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
3D-CNNを用いたAutoencoderによる動画像の再構成 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
3D-CNNを用いたAutoencoderによる動画像の再構成 - Qiita
概要 皆様,いかがお過ごしでしょうか. 新型コロナウイルス感染症の流行も少し落ち着き,徐々に職場・... 概要 皆様,いかがお過ごしでしょうか. 新型コロナウイルス感染症の流行も少し落ち着き,徐々に職場・学校に復帰されている方も多いのではと存じます. さて,今回は,再び生成モデルを活用した再構成タスクに着目してみたいと思います. 特に,「動画」の再構成にトライします. (当記事でご理解いただけるのは,動画の異常検知に拡張可能な,encoder-decoderベースの3d-convolutionを使用した,再構成手法の実験結果と考察であり,数式などの理論的背景までは追いません.) なお,今回の実装はすべてこちらで公開しております.PyTorchによる実装です. 前々回の記事,GRUとAutoencoderを用いた,動画の再構成手法の検証と実装では,以下のようなモデルを考えました. なぜこのモデルを考えたかというと,潜在変数を系列データとして表現できる点にあります.つまり,3d-convでは動画を