S級 ―― AI Implement Examination
ディープラーニング 20題
ディープラーニングの主要なモデルや自然言語処理などの応用的な実装力を問います。
- 「ディープラーニング∞Cheat」よりNLPと主要なMODELについて下記範囲を出題(2020#1) ※Pytorch
seq2seq |
Transformer |
HRED |
Word2Vec (Skip-gram) |
Model
VGG16 |
VGG19 |
GoogLeNet-v1 |
ResNet-50, 101, 152, 18, 34 |
ResNeXt-50,101 |
Xception |
DenseNet121, 169, 201, 264 |
MobileNet-v1 |
MobileNet-v2 |
EfficientNet |
画像処理 30題
S級では初歩的な画像処理の実装力を問います。ディープラーニングが実際に実用に足るのは画像認識の領域だからです。
- 「画像処理100本ノック」1-100問よりPythonによる実装を出題
問題1 – 10
番号 | サンプル問題 | Python | 番号 | サンプル問題 | Python |
---|---|---|---|---|---|
1 | チャネル入れ替え | ✓ | 6 | 減色処理 | ✓ |
2 | グレースケール化 | ✓ | 7 | 平均プーリング | ✓ |
3 | 二値化 | ✓ | 8 | Maxプーリング | ✓ |
4 | 大津の二値化 | ✓ | 9 | ガウシアンフィルタ | ✓ |
5 | HSV変換 | ✓ | 10 | メディアンフィルタ | ✓ |
中略
問題91 – 100
番号 | サンプル問題 | Python | 番号 | サンプル問題 | Python |
---|---|---|---|---|---|
91 | K-meansによる減色処理 (Step.1) 色の距離によるクラス分類 | ✓ | 96 | ニューラルネットワーク (Step.2) 学習 | ✓ |
92 | K-meansによる減色処理 (Step.2) 減色処理 | ✓ | 97 | 簡単な物体検出 (Step.1) スライディングウィンドウ + HOG | ✓ |
93 | 機械学習の学習データの用意 (Step.1) IoUの計算 | ✓ | 98 | 簡単な物体検出 (Step.2) スライディングウィンドウ + NN | ✓ |
94 | 機械学習の学習データの用意 (Step.2) ランダムクラッピング | ✓ | 99 | 簡単な物体検出 (Step.3) Non-Maximum Suppression | ✓ |
95 | ニューラルネットワーク (Step.1) ディープラーニングにする | ✓ | 100 | 簡単な物体検出 (Step.4) 評価 Precision, Recall, F-score, mAP | ✓ |