![](https://cdn-ak-scissors.b.st-hatena.com/image/square/4d340821e77b0be502e8743ba3644055f121e4f7/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU3JUFDJUFDNiVFNSU5QiU5RSVFNSVBRiU4QyVFNSVBMyVBQiVFMyU4MyU5NSVFMyU4MiVBMyVFMyU4MyVBQiVFMyU4MyVBMEJyYWluJTI4cyUyOSVFMyU4MiVCMyVFMyU4MyVCMyVFMyU4MyU4NiVFMyU4MiVCOSVFMyU4MyU4OCVFNSU4RiU4MiVFNSU4QSVBMCVFOCVBOCU5OCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NDNhMTdjZjdjYWNhNTgyNDAzZjA2MzFjMGYzNDYwYTk%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0YWNoeW9uNzc3JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1lM2NmZTlmMmU1YzFmNGMyYWQyNmY5MzZiNTZkM2RkMQ%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Da1cd227ca71c8d14c9cd33268446b132)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
第6回富士フィルムBrain(s)コンテスト参加記 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
第6回富士フィルムBrain(s)コンテスト参加記 - Qiita
twitterでコンテストの広告が流れてきて、医療分野で富士フィルムちょっと興味あったので取り組んでみま... twitterでコンテストの広告が流れてきて、医療分野で富士フィルムちょっと興味あったので取り組んでみました。 コンペ概要 コンペは3つの課題から成っており、Q1は初心者向けの簡単な画像処理、Q2はclassification,Q3はsegmentationの課題でした。 データはSDNET2018という、デジタルカメラで撮影した壁・舗道・橋の画像です。 画像の元のサイズは(3584x4608)ですが、これではCNNで学習するには重いということで(256x256)に分割されていました。結合して元のサイズに戻して処理したほうが色々と都合が良いので二度手間です。 また、各画像は画像内にひび割れが存在する/しないのラベルが割り振られており、コンペではこの情報はメタデータとして利用する事ができました。 更に、このコンペではtrainingデータに対する手動でのアノテーション(Hand-Labeli