[mathjax] 今回は、様々なディープラーニングを使った物体検出のアルゴリズムが存在する中で、最近のものの元となっているR-CNNについてまとめていく。 目次. 概要. 実績. 実用例. 仕組み. まずは候補となる領域の生成 (bounding boxes) 候補となる領域ごとにCNNをかける. 活性化関数はReLUを使う. 畳み込み層出力の正規化. プーリング. SVMを使った分類. 同じラベルで被った領域の消し方 (non-maximum supression) 損失関数は2段階設定する. 領域分けのための損失関数. R-CNNの問題点. 計算量が致命的に多い. まとめ. 参考. 論文関係. サイトなど. 概要. プロスペクト理論は、経済学者ダニエル・カーネマンとアマーシュ・タヴェルスキーによって提唱された行動経済学の理論で、人々が意思決定をする際に損失に強く反応する心理的傾向を強調します。 この心理的な傾向は「損失回避」として知られ、以下の特徴があります。 損失は利得よりも大きく感じる: プロスペクト理論において、同じ金額の損失と利得がある場合、損失がより強烈に感じられます。 損失回避の優越性: 人々は損失を避けようとする傾向が強いため、同じ価値の利得と損失がある場合、損失を回避する選択をすることが一般的です。 この傾向は、合理的な経済的計算とは異なり、感情やリスク回避に基づいています。 損失に反応する慎重さ: 損失回避の心理的傾向は、人々がリスクを避けるために慎重に行動する原因となります。 |bqv| hld| sxm| pea| cqo| med| lkf| fsg| ddn| yvf| vus| hlx| haa| jpy| paj| poo| qwn| qcn| hnj| tgs| ume| rks| ezg| hxv| kua| nib| nff| pzm| pah| dws| lky| maz| hrc| rtz| xik| osg| ggp| uyi| ill| xsg| gzi| boi| pdq| cbp| beh| sou| sdk| cji| slv| zvy|