mirror of
https://github.com/MartinThoma/LaTeX-examples.git
synced 2025-04-19 11:38:05 +02:00
114 lines
4.2 KiB
TeX
114 lines
4.2 KiB
TeX
\documentclass{beamer}
|
|
\usetheme{Frankfurt}
|
|
\usecolortheme{default}
|
|
\usepackage{hyperref}
|
|
\usepackage[utf8]{inputenc} % this is needed for german umlauts
|
|
\usepackage[english]{babel} % this is needed for german umlauts
|
|
\usepackage[T1]{fontenc} % this is needed for correct output of umlauts in pdf
|
|
\usepackage{booktabs}
|
|
\usepackage{csquotes}
|
|
\usepackage{siunitx}
|
|
|
|
\begin{document}
|
|
|
|
\title{Semantische Segmentierung von medizinischen Instrumenten mit Deep Learning Techniken}
|
|
\author{Martin Thoma}
|
|
\date{August 2016}
|
|
\subject{Computer Science}
|
|
\setbeamertemplate{navigation symbols}{}
|
|
|
|
|
|
\section{Deep Learning ist der Goldstandard für Bilderkennung}
|
|
\begin{frame}[plain]{Wissenschaftliche Aussage}
|
|
\begin{center}
|
|
\only<1-2>{\textbf{Deep Learning ist der Goldstandard für Bilderkennung}}
|
|
|
|
\uncover<2>{Was ist \enquote{Deep Learning}?}
|
|
|
|
\only<3-4>{\textbf{Neuronale Netze sind der Goldstandard für Bilderkennung}}
|
|
|
|
\uncover<4>{Klassifikation? Semantische Segmentierung? Detektion? Lokalisierung?}
|
|
|
|
\only<5>{
|
|
(1) Egyptian cat (2) Madagascar cat (3) soap dispenser
|
|
\includegraphics*[width=0.6\linewidth, keepaspectratio]{2875184020_9944005d0d.jpg}
|
|
|
|
Source: \href{http://farm4.static.flickr.com/3276/2875184020_9944005d0d.jpg}{http://farm4.static.flickr.com/3276/2875184020\_9944005d0d.jpg}}
|
|
|
|
\only<6-7>{\textbf{Neuronale Netze sind der Goldstandard für Bildklassifikation}}
|
|
|
|
\uncover<7>{Fotos, medizinische Bilder, Luftbilder, Dokumente, \dots?}
|
|
|
|
\only<8-9>{\textbf{Neuronale Netze sind der Goldstandard für die Klassifikation von Fotos}\\}
|
|
\only<9>{Goldstandard ist ein Schlagwort. Es wird [...] zur Bezeichnung von Verfahren verwendet, die bislang unübertroffen sind.\\
|
|
{\tiny Quelle: \href{https://de.wikipedia.org/w/index.php?title=Goldstandard_(Verfahren)&oldid=151270928}{de.wikipedia.org/w/index.php?title=Goldstandard\_(Verfahren)\&oldid=151270928}}}
|
|
\end{center}
|
|
\end{frame}
|
|
|
|
|
|
\begin{frame}[plain]{Was wollen wir?}
|
|
\begin{itemize}[<+->]
|
|
\item Zufriedener Anwender
|
|
\item Möglichst wenig / möglichst \enquote{unkritische} Fehler
|
|
\item In der Bildklassifikation bei etwa gleichwahrscheinlichen Klassen:
|
|
Geringer realer Fehler
|
|
\item Geringer Testfehler auf sinnvollem, möglichst großem Datensatz
|
|
\end{itemize}
|
|
\end{frame}
|
|
|
|
|
|
\begin{frame}[plain]{ImageNet / ILSVRC 2014}
|
|
|
|
ImageNet ist ein Datensatz mit
|
|
\begin{itemize}
|
|
\item \num{14197122} Bildern und
|
|
\item \num{21841} Klassen (non-empty synsets)
|
|
\end{itemize}
|
|
|
|
|
|
|
|
ILSVRC (Large Scale Visual Recognition Challenge) hatte 2014
|
|
|
|
\begin{itemize}
|
|
\item \textbf{1000 Klassen}: abacus, abaya, academic gown, accordion,
|
|
acorn, acorn squash, acoustic guitar, admiral, affenpinscher, Afghan hound,
|
|
\dots
|
|
\end{itemize}
|
|
|
|
Quellen: \href{http://image-net.org/about-stats}{image-net.org/about-stats},
|
|
O. Russakovsky, J. Deng et al.ImageNet Large Scale Visual Recognition Challenge. IJCV, 2015
|
|
\end{frame}
|
|
|
|
|
|
\begin{frame}[plain]{ILSVRC 2010 - 2014}
|
|
\begin{itemize}
|
|
\item ILSVRC2010: stochastic SVM (\SI{28.2}{\percent})
|
|
\item ILSVRC2011: one-vs-all linear SVMs (\SI{25.8}{\percent})
|
|
\item ILSVRC2012: \textbf{AlexNet} (\SI{16.4}{\percent})
|
|
\item ILSVRC2013: NN (\SI{11.7}{\percent}, Clarifai, dropout)
|
|
\item ILSVRC2014: \textbf{GoogLeNet} (\SI{6.7}{\percent})\\
|
|
\enquote{As in 2013 almost all teams used convolutional neural networks as the basis for their submission}
|
|
\end{itemize}
|
|
\end{frame}
|
|
|
|
\begin{frame}[plain]{Erklärungsversuche}
|
|
\begin{itemize}
|
|
\item NNe lernen automatisch Feature-Hierarchien (insbesondere CNNs)
|
|
\item NNe kann man beliebig genaue Trennebenen machen lassen
|
|
\item NNe können gut mit vielen Klassen umgehen (Softmax-Layer)
|
|
\end{itemize}
|
|
\end{frame}
|
|
|
|
\begin{frame}[plain]{Mögliche Fehler}
|
|
\begin{itemize}
|
|
\item Bessere Verfahren werden nicht eingereicht
|
|
\begin{itemize}
|
|
\item Firmengeheimnisse (oder NSA)
|
|
\item Wettbewerb zu unbekannt (unwahrscheinlich)
|
|
\end{itemize}
|
|
\item Bessere Verfahren existieren, wurden aber nicht untersucht
|
|
\item Metrik nicht sinnvoll gewählt
|
|
\end{itemize}
|
|
\end{frame}
|
|
|
|
\end{document}
|