学生版 社会人版
JA EN
体系 › AI

CNN・画像認識

畳み込みの発明からResNet・軽量化・物体検出まで

01 ·CNN・画像認識·無料·10分で読めます 画像分類を1から理解する — 畳み込みという発明 写真をそのまま全結合層に流すと、パラメータが1億個を超え、しかも猫が数画素ずれただけで別物になります。畳み込みはこの2つを「小さな窓を滑らせる」という1つのアイデアで同時に解きました。カーネル・ストライド・パディング・プーリングを式と手触りで押さえ、最後はsoftmaxで確率にするところまで。 02 ·CNN・画像認識·★ 会員·論文·12分で読めます 物体検出を1から解説（YOLO・DETRまで） End-to-End Object Detection with Transformers 画像の「どこに何があるか」を当てる物体検出を、2段階検出器・アンカー・NMSという古典の道具立てから、それらを丸ごと不要にしたDETRの発想転換まで、前提知識ゼロで解説。一次資料はDETR論文。 03 ·CNN・画像認識·★ 会員·論文·10分で読めます CNNアーキテクチャの系譜 — AlexNetからResNet・EfficientNetまで Very Deep Convolutional Networks for Large-Scale Image Recognition 画像認識を塗り替えたCNNの10年を「深さの戦い」と「軽量化の戦い」の2幕で辿る。ReLU・残差接続・複合スケーリングという各時代の決定打を、比喩と動く図とコードで1から解説する。 04 ·CNN・画像認識·無料·11分で読めます 自動運転の認識スタックを1から — カメラとLiDARは何を分担しているのか 自動運転車が「周りに何があるか」を知る仕組みを、センサの物理特性から解説。カメラとLiDARの得意・不得意、全センサを1枚の地図にまとめるBEV表現、ベイズ更新で育てる占有格子、そして安全要件と計算資源のせめぎ合いまで、前提知識ゼロで追う。 05 ·CNN・画像認識·★ 会員·12分で読めます 異常検知を1から — 正常だけから学ぶという発想 不良品がほとんど手に入らない製造現場で、なぜ「正常だけ」からAIが学べるのか。再構成誤差と密度推定という2つの物差しを比喩から式まで積み上げ、実務の核心である閾値の決め方まで解説する。 06 ·CNN・画像認識·★ 会員·10分で読めます 医用画像とAI — 精度より先に問われる検証設計 自施設のデータで高精度だったAIが、隣の病院では使いものにならない——医用画像AIで繰り返し報告されてきた典型的な失敗です。感度と特異度、有病率が的中率を裏返す仕組み、内部検証と外部検証の違い、施設間差の正体、そして規制が何を審査しているのかまで、「精度の数字より先に検証設計を疑う」考え方を1から組み立てます。 07 ·CNN・画像認識·無料·論文·12分で読めます ImageNetの瞬間 — 深層学習が勝った日 ImageNet Large Scale Visual Recognition Challenge 2012年、画像認識のコンテストで誤り26%の壁が15%まで一気に落ちた。ニューラルネットは30年前からあったのに、なぜその年だったのか。データ・計算・手法という3条件が揃った瞬間を、技術の中身まで下りて解き直します。 08 ·CNN・画像認識·★ 会員·論文·10分で読めます 論文解説: TurboVLA — LLMを追い出したロボット方策が、RTX 4090・VRAM 1GB未満で32Hzを叩き出す TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM 「画像→LLM→行動」が常識だったVLAから大規模言語モデルを外し、視覚と指示文を軽量クロスアテンションで直結。0.2Bパラメータ・31.2ms・0.9GB VRAMでLIBERO 97.7%を達成した設計を、論文本文に沿って1から解説する。 09 ·CNN・画像認識·★ 会員·論文·13分で読めます 論文解説: PhiZero — 映像を描く前に「物理の言葉」で考える世界モデル PhiZero: A World Model Built Around Physical Language ピクセルを直接予測する代わりに、動画から自己教師で学んだ離散的な「物理言語」で世界の変化を先に推論し、それから映像を描く PhiZero を論文本文から解説。トークナイザとリーズナーの二段構え、Physics-IQ Verified 首位の結果、ゼロショット動作転移、論文が認める限界まで。