YOLOv2のリアルタイム物体検出をTensorFlowとPythonで実装する方法
YOLO v2をどうしてもPythonで使ってみたかったので作ってみた こんにちは。 AI coordinatorの清水秀樹です。 数多くあるオブジェクト物体検出の中で、処理速度が最も早い？と言われているYOLO v2を試してみました。 公式サイトの通りやって、環境のセットアップと静止画のオブジェクト物体検出を描画できるところまでは簡単にできましたが、なぜか動画になるとエラーになってしまいました。 そんなわけで、公式サイトのやり方ではイマイチ不良消化のまま先に進めなくなってしまったので、少し思考を変え、静止画でオブジェクト物体検出ができるなら、Pythonでソースコードを組み直せば、リアルタイム映像でもYOLOを試せると考え、実際にPythonで動かせるように作成してみました。 中々苦労しましたが、なんとか実装できたので、その内容を紹介したいと思います。 参考にさせて頂いたサイトの紹介 ち
Faster Deep Learning with Theano & GPUs
Domino recently added support for GPU instances. To celebrate this release, I will show you how to: Build and train neural networks in Python.Using the GPU, I'll show that we can train deep belief networks up to 15x faster than using just the CPU, cutting training time down from hours to minutes. Why are GPUs useful?When you think of high-performance graphics cards, data science may not be the fir
ディープラーニングを使ったイメージの切り抜き | カメリオ開発者ブログ
こんにちは、シバタアキラです。この度PyDataの本家であるアメリカのコミュニティーで半年に一度開催されているPyDataカンファレンスに出席するため、NYCに行って来ました。11/22-11/23の二日間の日程で行われ、延べ250人ほどが参加したイベントです。その時の模様は、先日のPyData Tokyo第二回ミートアップでもご説明させていただき、また後日記事化されると思いますので、そちらをぜひご覧いただければと思います。 今回はそのPyData NYCカンファレンスで私が発表してきたミニプロジェクトについてお話します。最近各所で話題に上がるディープラーニングですが、これを使った応用を「カメリオ」のサービス向上のために使えないか、というのがそもそものプロジェクトの着想でした。今回PyData Tokyoオーガナイザーとして、またディープラーニングで色々と面白い実験をしている田中さん（@a
実装ディープラーニング
第2回3D勉強会の研究紹介スライドです。 [論文概要] ニューラルネットワークに組み込むことができる3Dメッシュのレンダラーである Neural Renderer を開発しました。『逆伝播』と呼ばれる処理をニューラルネットワークに適した形に定義し直したことがポイントです。そしてこのレンダラーを (a) 単一画像からの3Dメッシュの再構成 (b) 画像から3Dへのスタイル転移と3D版ディープドリームへと応用しました。
1
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
GitHub - thoughtworksarts/EmoPy: A deep neural net toolkit for emotion analysis via Facial Expression Recognition (FER)
Chainer: A flexible framework for neural networks
Deep Learning for Image Recognition in Python
