見出し画像

【初心者向け】 画像認識(Deep Learning)エンジニアを目指したい方のオススメの書籍

本noteは画像認識系エンジニアになりたい初心者の方を対象に、自分が直近物体検出等の業務で参考にした書籍の中から特によかった籍を優先順位を付けてご紹介致します。
流れはSTEP01~STEP04で紹介します。


STEP01 Kerasを用いて画像認識モデルを実装する

最初のステップとして選ぶと良い書籍は下記の2冊のどちらかです。
1冊目はKerasの開発者が書いた書籍を翻訳した「PythonとKerasによるディープラーニング」で、大変よくKerasに関してまとまってありおすすめです。
コンピュータービジョン以外にも、テキスト処理や画像生成なども書かれています。

画像1

もう1冊は、Kerasに特化しているわけではありませんが、「画像認識プログラミングレシピ」もオススメです。
手書き数字認識から花認識Webアプリの開発、YOLOでの物体検出などが学べる画像認識に特化した書籍です。レシピ的に自分がやりたいところから読めるので画像認識を入門したい初心者の方は参考になります。


画像2

どちらかの書籍を1ヶ月くらいの期間で、まずは最低1週、7割程度の理解で問題ないので、読み進めてみてください。

STEP02 Kerasで医療画像データを用いてディープラーニングを学ぶ

OpenCVやKerasを利用し、Google ColabratoryでKerasを用いた画像認識やセグメンテーションなどが学べる良書です。
STEP 01では扱いきれていない細い画像の前処理やResNetやセグメンテーションなどの範囲もカバーされており大変おすすめです。
この書籍でより実践的なスキルを身につけてください。
こちらの書籍も最低1週、7割程度の理解で問題ないので、読み進めてみてください。


画像5

より実践的なテーマを扱いたい方は下記の「実践編」もオススメです。


STEP03 PyTorchで様々な画像認識の手法を学ぶ

次のオススメなのが、「PyTorchによる発展ディープラーニング」です。
VGGによる転移学習や、SSDによる物体検出、PSPNetによるセマンティックセグメンテーション、OpenPoseによる姿勢推定、他にもGANや感情分析、動画分類なども学べます。ここまでである程度有名な画像認識系の手法を触ったことになります。
1〜2ヶ月くらいの期間で、第4章までを1、2週、7割程度の理解で読み進めてみてください。
より気になる箇所はネットにてブログなどを参考に深掘りすることをオススメ致します。


画像6


STEP04 理論を学ぶ

次にニューラルネットワークの理論や畳み込みニューラルネットワークの理論を実装を通して学びます。
オススメは「ゼロから作るDeep Learning」です。
1ヶ月ほどで7割程度の理解で問題ないので、読み進めてみてください。

画像3

下記の書籍で第二部の1、2章を読んでおくと画像データの基礎やデータ前処理方法などPythonの実装を通して手を動かしながら学べます。

下記の書籍もオススメです。


数学に苦手意識がない方は一読してみてください。

画像4



最後に

今回は主に書籍をベースにオススメの書籍と読み進める手順を紹介しました。
ですが注意があり、AI技術の発展スピードは日進月歩で今回学んだ技術は最新のものではなくなっている可能性があります。書籍で基礎を身につけたら、最新の論文を読んだり、実際に最新の技術を常に学ぶ姿勢が大事です。
ただ何よりも大事なのは身につけた技術や知識よりも、それらのAI技術を実際のビジネス課題を解決することです。
ビジネスでAIを活用したい方やデータサイエンティスト、機械学習エンジニアに必要なスキルを短期間で身につけたい方は自分が講師を担当するAI Academy Bootcampでお会いできますと幸いです。


この記事が気に入ったらサポートをしてみませんか?