AutoEncoderの有名どころのまとめ

AutoEncoderには派生している有名なネットワークがいろいろある.今回は有名な4つだけ紹介.VAEはここでは紹介しない.

そもそもAutoEncoderとは、入力画像を一旦少ない情報で表現したのちに、少ない情報から再度画像を構築するネットワーク.なので入力画像と出力画像が理想的には同一になることが期待されている.

簡単なイメージは→AutoEncoderとは

★AutoEncoderの派生

では各AutoEncoderの紹介です.各項目に簡単なリンクを押す.

○DeepAutoEncoder

    Deep AutoEncoderはAutoEncoderの層を深くして作ったもの.

○DenoisingAutoEncoder

    DenoisingAutoEncoderはAutoEncoderの入力にあえてノイズを載せることで、より汎用的なAutoEncoderにすることができて、ノイズ耐性があがる.

○Convolutional AutoEncoder

    ConvolutionalAutoEncoderは通常は全結合層(Fully-Connected)で行っているAutoEncoderにおいて全てをConvolution層に変えて画像に対して性能をあげることができるネットワーク.

○Sparse AutoEncoder

    SparseAutoEncoderは中間層の出力において0が多くなるように学習させるAutoEncoder. この中間層が0が多くなることによって、中間層ではより適切な特徴を学習できる.

以上ですかね. Variational AutoEncoderは詳しくわかっていないですが、有名なAutoEncoderの一つのはずです.

PointCloudLibraryにより点群の基本処理まとめ

以下のサイトThothChildrenでまとまっている点群処理についてまとめた.

外れ値除去をする

 ノイズだらけの点群の状態で何の処理もできない.でもKinectの点群とか結構ノイジーだったりする.センサーから遠い点群はノイズの乗り方も激しい.

ここではそれらのノイズを取り除くための外れ値除去についてまとめているサイト

http://www.thothchildren.com/chapter/5ae0b6fd9fbbda3c347132e0

http://www.thothchildren.com/chapter/5ae09c5f9fbbda3c3471323e

間引きをする

点群を生データの状態では点群数が多すぎて、処理時間がとんでもなくなることもしばしば。

そこで点群をなるべく軽くすることはしょっちゅう行われる.

点群の間引きをDownsamplingという.

http://www.thothchildren.com/chapter/5ae091ef9fbbda3c347131ec

http://www.thothchildren.com/chapter/5adf567f9fbbda3c34712c07


上ではもっともベースの間引きと外れ値除去を行っている.
他のもっと単純な処理は別の機会にまとめる.