アニメのキャラクターの顔をディープラーニングで分類してみた - Qiita
from zipfile import ZipFile import os from sklearn.model_selection import train_test_split zipfile = "animeface-character-dataset.zip" with ZipFile(zipfile) as zip: ziplist = zip.infolist() # 集計 def categorize(file_path): paths = file_path.split('/') if len(paths) != 4: return None if paths[1] != "thumb": return None if not paths[3].endswith(".png"): return None return paths[2] files = {} for f in
蒸留 第1回 | DeepX AI Blog
こんにちは、エンジニアの中村です。 今回から数回にわたって、ディープラーニング技術の実用上の重要な課題を解決する蒸留という手法について紹介したいと思います。 ディープラーニングは非常に魅力的なモデル学習技術ですが、実際に使用する際には計算リソースがボトルネックとなり、利用可能なシーンが限定されてしまうことがあります。せっかくの魅力的な技術も、そうなってしまうと宝の持ち腐れです。蒸留は、精度を損なわずに計算負荷の小さいモデルを訓練することを可能にし、ディープラーニングが実際に利用できるシーンを拡大します。 また、蒸留はこうした計算リソースに起因する ディープラーニングの実用上の課題を解決するだけでなく、モデルの精度向上、訓練の効率化、敵対的攻撃（Adversarial Attack）に対する防御など、その他のさまざまな用途に使用可能な応用領域の広い手法でもあります。 今回の記事では、モデル圧
ディープラーニングの画像認識でトイレの汚れを検知 - 日経トレンディネット
「おしっこセンサー」は小学生の子供のトイレの使い方が悪いため、親の代わりにAIに怒ってもらおう、という作品です（図1）。ディープラーニングの画像認識で床面を監視。床に数滴垂れるとブザーが鳴り、床を拭くと鳴りやみます。ラズパイとカメラのほか、LED、ブザー、明るさセンサーで構成。ソフトウエアは画像認識の「TensorFlow」と深層学習ライブラリの「Keras」を使っています。学習済みモデルの活用を行い、0.2秒おきにラズパイのカメラで自動撮影させて2時間ほどで学習データを収集。モデル学習にはGoogle Compute Engineを使うなどして3日ほどで完成させました。 【PR】ラズパイ＆周辺機器がお得に買える！ 専門誌「ラズパイマガジン」がセレクト Raspberry Pi（ラズパイ）の最新機種Pi 3 B＋、600円からのPi Zero、カメラ、ディスプレイ、オリジナルの拡張基板など
畳込みニューラルネットワークの基本技術を比較する ーResnetを題材にー - Qiita
今更ながら、畳込みニューラルネット（CNN）の基本技術を比較します。 やりたいことは、どの技術が一番効果があるのか数値化します。 以下の流れでやっていきます。 （基本のCNN） → （Resnetの各技術を追加していく） → （+最先端技術） 基本のCNNに、Resnetに出てくる技術を追加しながら、分類精度の上昇幅を比較します。 コードはkerasで書いています。 Resnetとは 2015年に登場したモデルで、層を飛ばす仕組みを作ることで、深い層を作っても 学習可能なモデルとなりました。ディープラーニング業界では、斬新なアイデアで 革命を起こしました。 詳しくは以下の記事をご覧下さい。 https://qiita.com/koshian2/items/343a55d59d8fdc112661 データのダウンロード 使うデータはCIFAR-10です。これは、32×32サイズの画像が入った
動的なDeepLearningによる時系列データの予測 | Amazon Web Services
Amazon Web Services ブログ 動的なDeepLearningによる時系列データの予測 時間の経過とともに展開していくイベントを予測することは、オプション価格決定や、病気の進行、音声認識、サプライチェーン管理などを扱う多くのアプリケーションにとって不可欠な機能です。と同時に、こうした予測は難しいことでも知られています。 全体的な結果を予測するのではなく、特定の時刻に発生するイベントの一連の動き ( シーケンス ) を正確に予測することを目指します。物理学のノーベル賞受賞者である Niels Bohr 氏は、「予測は非常に難しいもので、未来については特にそうです。」と述べています。 このブログ記事では、AWS での深層学習アプローチを使用した時系列予測の高度なテクニックについて見ていきます。この投稿では、任意の時系列値予測に注目します。ですので、時系列を研究している読者にとっ
詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理
詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理 巣籠悠輔 マイナビ出版 3,740円 (3,400円+税) 販売終了 TensorFlowとKerasによるディープラーニング・ニューラルネットワークの実践的入門書。ディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。 関連サイト本書の関連ページが用意されています。 詳解 ディープラーニング｜マイナビブックス内容紹介本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。 実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0) およびKeras (2.0) を用います。 「ディープラーニングについて
【ディープラーニングで物体検出】シカを見つける人工知能をつくってみた - あさの畑
今年の4月頃から人工知能、ディープラーニング（Deep Learning、深層学習）に興味を持ち始めました。そして、樹皮の写真から木の名前を当てる人工知能を作ってみました。 こちらの記事で詳しく書いています。 www.asanohatake.com 次のステップとして物体検出にチャレンジしたいと以前から思っていたものの、難しそうでなんとなく挑戦できないでいました。しかし、大学の授業が終わって夏休みになり、時間ができたので今こそ物体検出に取り組むタイミングだと思って勉強してみました。 シカを検出する人工知能を作るぞ！ さて、何を題材にして物体検出をしてみるかですが、「シカとイノシシを検出する」というテーマにしました。 近年、シカによる樹木の食害被害はかなり問題になっているので、シカを自動で検出できればシカの調査が効率的になるかなと思いました。（イノシシはそのついでです。） 地道な画像データの
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
