GitHub - ageron/tf2_course: Notebooks for my "Deep Learning with TensorFlow 2 and Keras" courseYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Pinscreenなど、1枚の顔画像からモバイル端末に写実的な3Dアバターを作成し、自身の顔を介して動かせるdeep learningモデル「paGAN」を発表 | Seamless
Pinscreenなど、1枚の顔画像からモバイル端末に写実的な3Dアバターを作成し、自身の顔を介して動かせるdeep learningモデル「paGAN」を発表 2018-11-26 Pinscreen、南カリフォルニア大学、USC Institute for Creative Technologiesの研究者らは、1枚の入力顔画像から、モバイル端末に3Dアバターを作成し、自身の表情を介して制御できるdeep learningモデル「paGAN（photoreal avatar GAN）」を発表しました。 論文：paGAN: Real-time Avatars Using Dynamic Textures 著者：Koki Nagano, Jaewoo Seo, Jun Xing, Lingyu Wei, Zimo Li, Shunsuke Saito, Aviral Agarwal, Je
Keras vs. TensorFlow - Which one is better and which one should I learn? - PyImageSearch
Deep Learning Keras and TensorFlow by Adrian Rosebrock on October 8, 2018 Should I be using Keras vs. TensorFlow for my project? Is TensorFlow or Keras better? Should I invest my time studying TensorFlow? Or Keras? The above are all examples of questions I hear echoed throughout my inbox, social media, and even in-person conversations with deep learning researchers, practitioners, and engineers. I
Neural Style Transfer: Creating Art with Deep Learning using tf.keras and eager execution
Posted by Raymond Yuan, Software Engineering Intern In this tutorial, we will learn how to use deep learning to compose images in the style of another image (ever wish you could paint like Picasso or Van Gogh?). This is known as neural style transfer! This is a technique outlined in Leon A. Gatys’ paper, A Neural Algorithm of Artistic Style, which is a great read, and you should definitely check i
Seedbank — discover machine learning examples
Posted by Michael Tyka, Artists + Machine Intelligence Discovering and getting started with Machine Learning can be daunting. Perhaps you have a vague project idea and are looking for a place to start and adapt from. Or you’re looking for inspiration and want to get a sense of what’s possible. Today we’re launching Seedbank, a place to discover interactive machine learning examples which you can r
スタイル変換系論文サーベイ(1) - 午睡二時四十分
画像変換、特にStyle変換の論文を読んでまとめていく。随時追記。 A Neural Algorithm of Artistic Style URL https://arxiv.org/abs/1508.06576 発表月 2015/8 どんなもの？ ・NNをスタイル転写に用いることができることを初めて示した論文。 先行研究に比べて良い点 類似の専攻研究への参照なし 技術・手法のキモ ・学習済みVGG19のパラメータを固定、スタイル画像とコンテンツ入力画像を入力とし、下記の損失関数を最小化するようにホワイトノイズを入力Backpropにより修正していく モデルと損失 ・NNの構成 VGG19をコンテンツ画像、スタイル画像、生成画像に対して利用 ・損失の構成 コンテンツ損失: コンテンツ画像と生成画像のあるl層での特徴量の二乗和 スタイル損失: 2つの行列の相関関係を表すグラム行列 を考え、
Backpropagation demo
Backpropagation algorithm The backpropagation algorithm is essential for training large neural networks quickly. This article explains how the algorithm works. Please scroll down... Simple neural network On the right, you see a neural network with one input, one output node and two hidden layers of two nodes each. Nodes in neighboring layers are connected with weights \(w_{ij}\), which are the net
RにTensorFlow + Kerasを実装した{keras}パッケージがやって来たので試してみた（追記2件あり） - 渋谷駅前で働くデータサイエンティストのブログ
Python側でのTensorFlowの隆盛を他所に、R側では{tensorflow}も使いにくいし*1これはPythonistaに転生しなければならんのかなぁ。。。ということを思っていたら、出ました。あのKerasのRパッケージです。 インストール手順は普通にhttps://rstudio.github.io/keras/に書いてある通り、以下の通りRコンソールから打てばおしまいです。 devtools::install_github("rstudio/keras") library(keras) install_tensorflow() ということで、早速色々試してみようと思います。 3層NNをサクッと試してみる データセットはこちらのXORデータセット（10万サンプル）を使います。 > d <- read.csv('xor_complex_large.txt', header=T,
2017年のディープラーニング論文100選 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要
畳み込みニューラルネットワークの研究動向
2017年12月に開催されたパターン認識・メディア理解研究会（PRMU）にて発表した畳み込みニューラルネットワークのサーベイ 「2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降，画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった．ILSVRCでは毎年のように新たなCNNのモデルが提案され，一貫して認識精度の向上に寄与してきた．CNNは画像分類だけではなく，セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている． 本稿では，AlexNet以降の代表的なCNNの変遷を振り返るとともに，近年提案されている様々なCNNの改良手法についてサーベイを行い，それらを幾つかのアプローチに分類し，解説する．更に，代表的なモデルについて複数のデータセットを用いて学習および網
機械学習で乃木坂46を顏分類してみた - Aidemy Blog
この記事は移転しました。約2秒後に新記事へ移動します。移動しない場合はココをクリックしてください。 こんなことをしてみたい ↑これがしたい pythonによる機械学習の勉強をしたので、実践ということで、人気アイドル「乃木坂46」の個人的に好きな5人のメンバーを区別して見ました。大きな流れはこんな感じです。 web上から五人の画像を100枚ずつ取ってくる 画像から顔部分を取り出して保存、テストデータの取り出し 画像の水増し モデルを定義して、学習 テスト(顔を四角く囲って、その人の名前を出力) 説明はこんなもんにして、彼女らの可愛さについて語りたいところですが、そういうブログではないので、少し技術的なことを書きます。 今回はjupyterを使って作業を進めました。notebook形式なので結果が見やすく初心者にはいい環境でした。環境は以下。 macOS:10.13.1 python:3.6.
動画像を用いた経路予測手法の分類
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜 6/9 (木) 14:45～15:15 メイン会場 講師：石井 雅人 氏（ソニーグループ株式会社） 概要： 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の１つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか？」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
ディープラーニングの判断根拠を理解する手法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在してお
Deep Learning Practice and Theory
This document discusses self-supervised learning techniques for images and video. It provides an outline of a lecture on self-supervised learning, comparing it to supervised and unsupervised learning. It then describes several common self-supervised learning approaches for images, including predicting image rotation, relative patch position, solving jigsaw puzzles, context encoders that fill in mi
Neural Style Transfer: Prismaの背景技術を解説する
写真をピカソやゴッホのようなスタイルに変換できるアプリPrismaが話題になりました。多くの人は、ディープラーニングが使われているかどうかとは関係なく、純粋にアプリを楽しんでいるのだと思います。 このようにディープラーニングを使った人気アプリが出てくるということは非常に良いことではないかと思います。今回は、Prismaの背景技術（と思われるもの）を解説していきます。 目次 基礎理論 実装 改善 高速化 まとめ 基礎理論 ディープラーニングを使ったアート系の論文は色々と出ていますが、一番基礎となる論文はGatys et al. 2016ではないかと思います。プレプリント版は2015年8月に出ています。 この論文は記事として取り上げられて話題になっていたりもしたので、知っている人も多いのではないかと思います。この章では、スタイル変換の基礎となるこの論文を解説していきます。 Gatys et a
Udacity自動運転エンジニアコースのTerm1を終えた感想 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? オンライン講座のUdacityが提供する自動運転エンジニアコースのTerm1を修了したので，その感想を書こうと思います． Udacityとは UdacityとはCourseraやedX等のオンライン講座MOOCの一つであり，自動運転エンジニアコース，AIコース，フルスタックエンジニアコースなど様々なコースがあります．他のMOOCとの違いは，Coursera等はどちらかといえば知識ベースであるのに対し，Udacityはプロジェクトベースであるという点です．また自動運転コースの講義はMercedes-Benz等からも提供されており，最先端の
DeepMind は どこに向かっているのか ？ 〜 2017年の公開論文 を トピック別 に 並べて 俯瞰してみた - Qiita
DeepMind は どこに向かっているのか ？ 〜 2017年の公開論文 を トピック別 に 並べて 俯瞰してみたDeepMindDeepLearningMachineLearning強化学習人工知能 DeepMind社 が 公開した論文 の 技術的達成ポイント を 俯瞰 してみました。 同社 が 汎用人工知能の実現 に 向けて どこまで 歩みを進めているのか を 考える際 の 一助 となれば、幸い です。 それぞれの論文は、互いに異なるアルゴリズム（アーキテクチャ）で動くモデルであり、これらを統合して１つのモデルを作る事は容易ではないと思われます が、 全体として、DeepMind社 は、以下の要求を満たす自律的 な エージェント を 実現させるため の 要素技術 を 実現しつつあることを見て取ること が できます。 （ ただしあくまでも、個々のアルゴリズムを１つのエージェントのうちに
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
人間参加型（human-in-the-loop）機械学習とは？
Deep Learning
SuperDataScience