[改訂版] ディープラーニング・コンピュータビジョン完全ガイド

こんにちは、

以前のお知らせでは、Googleコラボからtensorflow 2.3以下のバージョンにダウングレード時にkeras（tf.kerasではなく、元のkeras）の問題が発生することをお伝えしました。

該当事項は Bug で登録はされていますが、現在 Google コラボ側では該当 keras バージョンと互換性のある tensorflow version (つまり 2.4 以上) を設定することを推奨するメッセージのみ残して以降の進行はありません。

個人的な経験から判断するには、そのエラーに対する解決が考えより長くかかると予想され、これによりコラボを実習環境として使用する方の実習受講スペースがあると判断されます。

そこで、本講義の改訂版をあらかじめ順次リリースして実習環境の空白を最小化することにしました。

改訂版は既存の講義でほぼ80％程度が新たに作られ、既存の講義よりさらに追加された講義をご紹介します。主に以下の事項に焦点を当てました。

1.これまで受講生の方々の質問が多い部分について、より詳細な理論説明

2. 最新/最高の性能を持つ Object Detection/Segmentation パッケージベースの実習

3. Object Detection/Segmentationの最新トレンドを反映

4.より多様でスケーラブルで柔軟な練習コードの作成とより詳細な説明。

5. その他様々な追加講義

6. GoogleクラウドでGPU割り当てが難しくなるにつれて、Googleコラボ環境ベースの実践を中心に

以前から、Tensorflow 1.xのように実装されたこのレッスンのパッケージを脱皮するために多くの時間を費やしていくつかのパッケージをテストしてみました。テストの結果、OpenMMLabのMMDetectionとUltralyticsのYolo v3パッケージを実習のためのパッケージに選定し、現在実習講義を制作中です。

ご存知の方はご存知でしょうが、現在（2021年5月現在）MMDetectionとUltralyticsのYoloパッケージは、Object Detection分野で最も認められているパッケージです。 MMDetectionはKaggleのwinningソリューションとも呼ばれ、さまざまな最新のアルゴリズムを実装すると同時に優れたパフォーマンスとして認められています。 Ultralytics の Yolo は yolo v5 で昨年、こちらの世界 (?) を騒がせた張本人です。練習はyolov3ですが、yolov5の場合、interfaceはv3とほぼ同じであるため、大きな変更なしでyolo v5を適用することもできます。

残念ながら、これらのパッケージは両方ともpytorchベースです。しかし、現在の講義がtensorflow、kerasを基本的に知っている方を対象としたため、改訂版の講義はpytorchコードはほとんどないかあってもごく一部に存在します。現講義との連携性と講義制作時間を減らすために多くの時間を投資してTensorflow 2.xベースのObject Detection/Segmentationパッケージをテストしてみたが、まだMMDetectionとUltralytics Yoloのメリットに及ばないことを認めるしかないだろう同じ

もともと改訂版計画は7月中旬に一括オープンする予定でした。しかし、県講義のコラボ実習環境に問題があるため、講義作成が完了した実習講義映像から上げる計画であり、おそらく来週月曜日から1日に2～3個ずつ上げるようにします。そして私が可能なすべての時間を動員して、6月末までにすべての講義を改訂版にアップデートできるようにします。言い換えれば県講義よりも優れ、より詳細な実習講義で構成されています。

改訂版講義のupdate日程は来週月曜日以前に再度お知らせいたします。を最小化するために迅速なスケジュールで作業を進めるようにします。

このリビジョン順次リリースについて質問がある場合は、いつでも質問を残してください。

ありがとうございます。