画像処理 (3) 顕著性マップ
人は、目から得られるたくさんの情報を常に処理し、それに対して判断を行っています。目に映るモノ全てに対してそれが何かを一々判断していたのでは、特に瞬時の判断が必要な場合は生死に関わることになる可能性もあります。車の運転中、前の車が急停車したという情報を処理するときは、目の前に近づいてきた車やそのブレーキランプを見て判断すれば充分なのに、周囲の景色や道路標識なども常に処理されていては判断が間に合わなくなります。そのため、本当に注目すべきモノだけに無意識に注意を引くような仕組みが人には備わっています。これは、人に限らず他の動物にもあり、天敵などの危険から逃げたり、逆に獲物を追う時に逃げる対象の動きを瞬時にとらえるなど、常に視覚情報から注意を引く部分を抽出して、それ以外の情報はカットしてしまう機能が必要になる機会は人よりも多いことが想像できます。 今回は、注意を引く対象を見つけるための仕組みとして
今までの常識を覆したアマゾンのアルゴリズム | BrainHacker
Amazonのリコメンドのアルゴリズムを論文に基づき解析しました。従来の計算が多く要する形式をうってかわって、「item to item」という計算量が圧倒的に少なくなった形式を用いている。アマゾンでよく買い物をする人の中で、おすすめ商品から商品を購入したことがある人は多いのではないのだろうか？ アマゾンのヘビーユーザーである筆者もアマゾンの洗練されたアルゴリズムで紹介された書籍をついつい買ってしまうのだが。。。 そんなアマゾンのレコメンデーションシステムは、実は従来のレコメンデーションシステムより圧倒的に計算量が少なく、精度も高いのである。 従来の手法とは違ったアプローチで成功を収めたアマゾンのアルゴリズムの裏側をご紹介しよう。 (Amazon.com Recommendations Item-to-Item Collaborative Filtering) 従来、レコメンデーショ
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
処理を実行中です
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
https://github.com/uupaa/Device.js
