ログイン

4.1.ディープラーニングの研究分野
12問 • 1年前
  • Tsuyoshi Ikeda
  • 通報

    問題一覧

  • 1

    物体検出に関する記述として不適切な選択肢を選べ

    物体の輪郭や異なる物体間の境界を画素単位で精密に切り出すことができる

  • 2

    ニュートラル画像脚注付けに使われるモデルは、一種のエンコーダ・デコーダモデルとして解釈される。この場合、エンコーダには、(ア)を、デコーダには(イ)を使用することができる

    (ア)CNN (イ)LSTM

  • 3

    一般物体認識に用いられるインスタンス・セグメンテーションについて不適切な選択肢を選べ

    同一クラスに属する別々の物体の場合は物体間の境界の識別が困難である

  • 4

    インスタンス・セグメンテーションに用いられるモデルとして、適切な選択肢を選べ

    Mask R-CNN

  • 5

    完全畳み込みネットワーク(Fully Convolutional Network)に関する記述として不適切な選択肢を選べ

    敵対的学習を導入することで従来のCNNより高い識別能力を発揮する

  • 6

    リアルタイムで複数の姿勢解析を可能にする手法として、最も適切な選択肢を選べ

    OpenPose

  • 7

    (ア)は(イ)を取り入れることで計算量を減らすことができるため、スマートフォンなどの小型端末での使用に適している

    (ア)MobileNet (イ)分割した畳み込み

  • 8

    画像検出タスクに用いられるSegNetに関する説明として適切な選択肢を選べ

    畳み込みとプーリング層を用いて画像から特徴を検出する

  • 9

    セマンティック・セグメンテーションの手法に関する記述として不適切な選択肢を選べ

    FCNは任意サイズの画像を入力できる、エンコーダ構造を持つモデルである

  • 10

    エンコーダ・デコーダのラーメン対から成り立つ物体検出モデルとして不適切な選択肢を選べ

    LeNet

  • 11

    PSPNetは(ア)を用いることで、画像の大域的な情報と局所的な情報を抽出することが特徴である

    Selective Search

  • 12

    DeepLabでは(ア)を取り入れることで畳み込み演算の効率化を図っている

    Astrous Convolution

  • 1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    Tsuyoshi Ikeda · 23問 · 1年前

    1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    23問 • 1年前
    Tsuyoshi Ikeda

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 22問 · 1年前

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    22問 • 1年前
    Tsuyoshi Ikeda

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 20問 · 1年前

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    20問 • 1年前
    Tsuyoshi Ikeda

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 16問 · 1年前

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    16問 • 1年前
    Tsuyoshi Ikeda

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 17問 · 1年前

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    17問 • 1年前
    Tsuyoshi Ikeda

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 21問 · 1年前

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    21問 • 1年前
    Tsuyoshi Ikeda

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 12問 · 1年前

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    12問 • 1年前
    Tsuyoshi Ikeda

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 27問 · 1年前

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    27問 • 1年前
    Tsuyoshi Ikeda

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 19問 · 1年前

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    19問 • 1年前
    Tsuyoshi Ikeda

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 3回閲覧 · 26問 · 1年前

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    3回閲覧 • 26問 • 1年前
    Tsuyoshi Ikeda

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    Tsuyoshi Ikeda · 23問 · 1年前

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    23問 • 1年前
    Tsuyoshi Ikeda

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 19問 · 1年前

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    19問 • 1年前
    Tsuyoshi Ikeda

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 21問 · 1年前

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    21問 • 1年前
    Tsuyoshi Ikeda

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 13問 · 1年前

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    13問 • 1年前
    Tsuyoshi Ikeda

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 11問 · 1年前

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    11問 • 1年前
    Tsuyoshi Ikeda

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 13問 · 1年前

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    13問 • 1年前
    Tsuyoshi Ikeda

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 17問 · 1年前

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    17問 • 1年前
    Tsuyoshi Ikeda

    問題1-01

    問題1-01

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-01

    問題1-01

    20問 • 1年前
    Tsuyoshi Ikeda

    問題1-02

    問題1-02

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-02

    問題1-02

    20問 • 1年前
    Tsuyoshi Ikeda

    問題一覧

  • 1

    物体検出に関する記述として不適切な選択肢を選べ

    物体の輪郭や異なる物体間の境界を画素単位で精密に切り出すことができる

  • 2

    ニュートラル画像脚注付けに使われるモデルは、一種のエンコーダ・デコーダモデルとして解釈される。この場合、エンコーダには、(ア)を、デコーダには(イ)を使用することができる

    (ア)CNN (イ)LSTM

  • 3

    一般物体認識に用いられるインスタンス・セグメンテーションについて不適切な選択肢を選べ

    同一クラスに属する別々の物体の場合は物体間の境界の識別が困難である

  • 4

    インスタンス・セグメンテーションに用いられるモデルとして、適切な選択肢を選べ

    Mask R-CNN

  • 5

    完全畳み込みネットワーク(Fully Convolutional Network)に関する記述として不適切な選択肢を選べ

    敵対的学習を導入することで従来のCNNより高い識別能力を発揮する

  • 6

    リアルタイムで複数の姿勢解析を可能にする手法として、最も適切な選択肢を選べ

    OpenPose

  • 7

    (ア)は(イ)を取り入れることで計算量を減らすことができるため、スマートフォンなどの小型端末での使用に適している

    (ア)MobileNet (イ)分割した畳み込み

  • 8

    画像検出タスクに用いられるSegNetに関する説明として適切な選択肢を選べ

    畳み込みとプーリング層を用いて画像から特徴を検出する

  • 9

    セマンティック・セグメンテーションの手法に関する記述として不適切な選択肢を選べ

    FCNは任意サイズの画像を入力できる、エンコーダ構造を持つモデルである

  • 10

    エンコーダ・デコーダのラーメン対から成り立つ物体検出モデルとして不適切な選択肢を選べ

    LeNet

  • 11

    PSPNetは(ア)を用いることで、画像の大域的な情報と局所的な情報を抽出することが特徴である

    Selective Search

  • 12

    DeepLabでは(ア)を取り入れることで畳み込み演算の効率化を図っている

    Astrous Convolution