はてなブックマーク

Pythonでインストール出来るというので、遊んでみました。 ほぼ、以下の参考のとおりです。 参考②を真似してpytorch-lightningでグー・チョキ・パーをMLPしてみたのが、特に苦労しました。 つまり、画像とかでなく、普通？の自前データデビュー出来ました。 【参考】 ①ML solutions in MediaPipe ②Pythonパッケージ版のMediaPipeが超お手軽 + 簡易なMLPで指ジェスチャー推定 インストールは以下で非常に簡単に入りました。 なお、Raspi4ではversionが未対応とエラーが出て入りませんでした。 やったこと 全部動かしてみる？？ handsの詳細 データ蓄積 データ分析する（散布図、cos類似度） matplotlibでプロットしてみる 自前データのdataset, Dataloader networkと学習 predictionしつつ描

import os import pickle import numpy as np import PIL.Image import dnnlib import dnnlib.tflib as tflib import config import sys from PIL import Image, ImageDraw from encoder.generator_model import Generator import matplotlib.pyplot as plt tflib.init_tf() fpath = './weight_files/tensorflow/karras2019stylegan-ffhq-1024x1024.pkl' with open(fpath, mode='rb') as f: generator_network, discriminator_netw

はっきり言ってExampleを利用するだけで、よく流れている動画（男性⇒女性とかの変換）はすぐ再現出来、やってみるとほんとに凄い。 今回は、その一番の入り口だけやってみての紹介記事です。 参考は以下のとおりです。 【参考】 ①StyleGANを使ってみた ②StyleGanで福沢諭吉を混ぜてみる ③Puzer/stylegan-encoder ④NVlabs/stylegan 現在、styleGAN2も出ているようですが、まずはStyleGANの最初の一歩をやってみて、実感を持ちたいと思います。 その結果、ほぼ1日で以下の動画が作成できたので、気になったところを記事にしておきます。 ※老人～幼児～老人に変化するものも作成しましたが、$512^2$でも10MB超えてしまいました ###やったこと ・環境 ・pretrained_example.pyを動かす ・潜在空間を動かす ・Gifアニメ

前回の記事でグラフは相関が見えていることを示したが、今回は全てのデータを使って、本格的にクラスタ分類し、どの騎手がという分析をする。 ただし、重要な知見として、以下の事項は教訓として意識する必要がありそうです。 「最も重要な点は，クラスタリングは探索的 (exploratory) なデータ解析手法であって，分割は必ず何らかの主観や視点に基づいているということです．よって，クラスタリングした結果は，データの要約などの知見を得るために用い，客観的な証拠として用いてはなりません．」参考②から引用 また、今回の記事は、ほぼ参考①のコードと技術を使っています。 【参考】 ・①k-meansの最適なクラスター数を調べる方法 ・②クラスタリング (クラスター分析) ・③クラスタ数を自動推定するX-means法を調べてみた やったこと ・データの事前処理をする ・競馬騎手データの全データを使う⇒相関が見え

新たなSSDモデルを作成して検出精度（val_lossとval_acc）と性能（fps）について知見を得たいと思います。 今回は、そもそもVGG16とかVGG19ってどんな性能なのか調査・検証しました。 VGGの名前の由来が気になって、ちょっとググってみました。 ※今回これが一番価値ある知識かも ・SONY Neural Network Console でミニ VGGnet を作るによれば、 「名前の由来は、VGGチームが作った、畳み込み13層＋全結合層３層＝16層のニューラルネットワークということで、VGG-16となっているそうです。」 だそうです（笑） そして、オリジナルは以下のようです。 ・Visual Geometry Group Department of Engineering Science, University of Oxford 因みに、VGG16は、Caffe-zoo