オムロンが2つのAI技術を新たに発表。「欠陥抽出」と「機械学習モデル統合」 | Ledge.ai
オムロンは11月13日記者発表会を開催し、新たなAI技術を2つ発表した。外見検査における欠陥抽出AIと、異なる場所に存在するデータを集約することなく、機械学習モデルの統合によってAIの性能を高める技術だ。 関連記事：「AIは人間と異なる知性と認識すべき」オムロンサイニックエックス設立1年、代表が語る「人と機械の融和」に必要なこと 人の感性・熟練者の経験を再現した欠陥抽出AI外観検査については、熟練の検査員の検査手法を再現した欠陥抽出AIと、これらを既存の画像処理システムに搭載できるシステムを開発した。オムロンが30年以上にわたって外観検査の現場で培った検査内容に対する知見と画像処理技術により、手持ちの画像データから学習すべき画像を自動判断。誰でも数分で最適な学習を実現するという。 AIモデルの軽量化も実現し、通常のPCのような限られた計算リソースの中でも作動できるため、専門知識持ったエンジ
データサイエンスはつまらない（パート1）【後編】 | AI専門ニュースメディア AINOW
著者のIan Xiao氏は、顧客企業に機械学習ソリューションを提供するカナダの企業DESSAにおいて「契約リード（Engagement Lead）」という肩書で機械学習プロジェクトを指揮管理しています。同氏がMediumに投稿した記事「データサイエンスはつまらない（パート1）」では、データサイエンス職におけるつまらない側面が解説されています。 同氏の甥はコンピュータサイエンスの修士課程で勉強しており、卒業後はデータサイエンス職に就きたいと考えていると聞いて、同氏は甥が正しい判断を下せるようにデータサイエンス職における「つまらない」側面をあえて伝えようと決意しました。 データサイエンス職を志望する若者は、仕事に就けば機械学習モデルの構築のような知的にエキサイティングな業務に携われると思い込んでいます。しかし、現実には業務時間のほとんどを退屈でつまらない仕事に関わることになる、と同氏は指摘しま
化学反応におけるDeep learningの適用 - Preferred Networks Research & Development
近年様々な分野に対してDeep learningの応用が研究されてきています。 化学の分野でも物性値の予測モデルや、化合物の生成モデルの研究などが盛んになってきています。最近では、有機化合物の合成を行う際に必要な化学反応の予測をDeep learningで行うという試みが行われてきているのでその先行研究サーベイをしました。 サーベイ資料はこちらのSlideshareにアップロードしています。 問題設定：反応予測および逆合成経路探索 化学反応で、反応物 (reactant) AとBを触媒 (reagent) Cの下で反応させたときに 生成物 (product) D ができたようなプロセスは Reaction SMILES を用いると “A.B.C>>D” というように表すことができます。 ここで、 AとBとC から何ができるか？ （答えはD）を予測する問題を順方向の反応予測問題と呼び、Dを作
深層学習の数理
2. １９４６： ＥＮＩＡＣ，高い計算能力 フォン・ノイマン「俺の次に頭の良い奴ができた」 １９５２： Ａ．Ｓａｍｕｅｌによるチェッカーズプログラム 機械学習と人工知能の歴史 2 １９５７：Ｐｅｒｃｅｐｔｒｏｎ，ニューラルネットワークの先駆け 第一次ニューラルネットワークブーム １９６３：線形サポートベクトルマシン １９８０年代：多層パーセプトロン，誤差逆伝搬， 畳み込みネット 第二次ニューラルネットワークブーム １９９２： 非線形サポートベクトルマシン （カーネル法） 統計的学習 線形モデルの限界 非凸性の問題 １９９６： スパース学習 （Lasso） ２００３： トピックモデル （LDA） ２０１２： Supervision （Alex-net） 第三次ニューラルネットワークブーム データの増加 ＋計算機の強化 １９６０年代前半： ＥＬＩＺＡ（イライザ）， 擬似心理療法士 １９８０年代
1枚の写真と音声データから「人が話す映像」を作れる驚異の技術が登場
by mohamed_hassan 1枚の写真と音声データから「人が話す映像」を作り出す技術をSamsungとインペリアル・カレッジ・ロンドンのAI研究者たちが新たに開発しました。有名女優のポルノや偽のニュースを無尽蔵に作れるようになるとしてその危険性が叫ばれるディープフェイク技術がまた大きく進歩したとして話題となっています。 Realistic Speech-Driven Facial Animation with GANs (PDFファイル)https://arxiv.org/pdf/1906.06337.pdf New deepfake tech turns a single photo and audio file into a singing video portrait - The Verge https://www.theverge.com/2019/6/20/1869267
CPUのみで高速学習、組み込みAIを低コストで実現
左＝グラフの上2段が振動波形で、一番下は、異常度を表す波形。直線の波形は「正常」で、大きく振れた状態は「異常」を示している。歯車の回転を邪魔すると、振動波形が乱れ、「異常」と判断される／右＝乱れた波形が続くと、それを正常だと学習するので、一番下のグラフが直線に戻っている（クリックで拡大） 同技術は、ロボットや産業機器、IoT（モノのインターネット）ゲートウェイなどに搭載することを想定している。久保田氏は、製造現場の装置、つまりエッジデバイスで学習できるようにしたいというニーズは高まっていると話す。「製造現場は、1つ1つの工場や製造ラインによって、環境がかなり異なる場合がある。異常な波形などを事前に学習し、それを現場で実装すると、推論の精度にブレが生じる可能性が高い。1つ1つの現場で、リアルタイムに学習すれば、精度のブレが少ない推論ができるようになると考えている」（久保田氏） KAIBERの
［37選］機械学習ライブラリやフレームワークは？ 国内AI活用サービスのアーキテクチャを大調査！
［37選］機械学習ライブラリやフレームワークは？ 国内AI活用サービスのアーキテクチャを大調査！ Webのアーキテクチャ大調査の第二弾は「AI活用サービス」編。プログラミング言語や機械学習のライブラリをはじめ、フレームワークやツールの選定・設計もサービスによって異なります。ぜひ参考にしてください。 2017年4月に掲載したアーキテクチャ大調査の第二弾！ 今回は、人工知能（機械学習、深層学習、画像処理など）を活用したWebサービス・アプリを提供しているベンチャーを中心に、36のサービスで使用されているプログラム言語やフレームワーク、その他さまざまな開発ツールなどをヒアリングのうえまとめました。選定理由を記述いただいた12のサービスでは、それもあわせて紹介しています。 前回との違いは、当然ですがTensorFlowやKerasといった機械学習のライブラリが挙げられていること。また、技術領域もH
技術者のための基礎解析学 機械学習に必要な数学を本気で学ぶ | 翔泳社
昨今の機械学習ブームの中、IT業界を中心とするエンジニアの方々から、「機械学習に必要な数学をもう一度しっかりと勉強したい」、そんな声を耳にすることが増えました。本書は、そのような読者を念頭におき、理工系の大学1、2年生が学ぶレベルの解析学（微積分）を基礎から解説した書籍です。大学生向けの教科書であれば、すでに多数の書籍がありますが、本書の特徴は、「定義と定理をもとに、厳密に展開される議論をとにかく丁寧に説明する」という点にあります。数式の変形についても、途中の計算をできるだけ省略せずに記載して、議論の展開を見失うことがないようにと配慮しました。大学生のころに勉強した、あの「厳密な数学」の世界をもう一度、がっつりと堪能していただけることでしょう。 「機械学習に必要な数学」というと、数学をただの道具と割り切って、公式の使い方、あるいは、数式が表わす意味だけを直感的に理解できれば十分と考える方も
「日本は機械学習パラダイス」 その理由は著作権法にあり
「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに
スマホで撮影するだけで農作物の異常が診断できるスマホアプリ「Plantix」 | Techable(テッカブル)
独ハノーファーで2015年に創設されたスタートアップ企業「PEAT」は、画像認識により、植物の害虫や疫病、養分欠乏などを瞬時に診断するスマホアプリ「Plantix」を開発。 農作物をスマートフォンで撮影し、画像をアップロードするだけで、農作物の異常を自動診断し、対処法などを表示する仕組みとなっている。 ・スマホで撮影した農作物をアップロードするだけで、異常を検知 「Plantix」は、人工知能とクラウドソーシングを効果的に組み合わせているのが特徴だ。 「PEAT」が独自に開発した機械学習のアルゴリズムは、ユーザーが「Plantix」にアップロードする植物の画像をもとに、害虫や疫病などのパターンを学習。 現時点で、斑点病や黒星病をはじめとする疾病や、アブラムシ、アザミウマといった植物害虫など、180種類以上の害虫や疫病を自動で診断することができる。 また、「Plantix」は、家庭菜園を趣味
TensorFlowで顔検出器を自作する - すぎゃーんメモ
19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする
Raspberry Pi上でTensorFlowで簡単にディープラーニングを試せるツール「tensorflow-pi」でロボホンの幻の顔認識機能に挑戦してみた - karaage. [からあげ]
Raspberry PiとTensorFlowを使ったディープラーニング開発環境 以下の記事でRaspberry PiとTensorFlowを使ったディープラーニングの開発環境の構築方法を紹介しました。 記事の最後の方に、自前データの学習から、学習したニューラルネットワークで判別まで実施できる自前のパッケージ「tensorflow-pi」を紹介させていただきました。 ただ、READMEだけ見ても、意味不明な英語で良くわからないと思いますので、今回は実例を交えながらこのソフトの使い方を紹介しようと思います。 例題ですが、以前ネットで話題になった「ロボホン」の幻の顔認識機能があります。詳しくは以下参照下さい。 開発決定！というニュースは話題になったものの、その後続報がとんと聞かれません。そもそも技術的に不可能なんじゃという噂も聞こえてきたりしました。 奇しくもロボホンとRaspberry Pi
![Raspberry Pi上でTensorFlowで簡単にディープラーニングを試せるツール「tensorflow-pi」でロボホンの幻の顔認識機能に挑戦してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/10adf88ff1495f3fbce26be21cda9215a10d1a47/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20170726%2F20170726015040.jpg)
Raspberry PiとTensorFlowを使ったディープラーニングの開発環境構築 - karaage. [からあげ]
Raspberry Pi4へのディープラーニング環境セットアップに関して 最新のラズパイ4でのディープラーニングの開発環境構築に関して、以下記事でまとめています。今から、ラズパイ4で最速で環境構築したい方は、以下記事参照下さい。ラズパイ3にも対応しています（同じ要領でセットアップ可能です）。 これ以降は、古い情報が含まれていることご了承ください。 Raspberry PiとTensorFlowでディープラーニング 最近、人工知能とかディープラーニングに関して興味を持っていて、以下のような記事でまとめたりしました。 ただ、本やネットの記事を見ただけだと、あまり頭の良くない自分には全然ピンとこないというのが正直なところです。そこで、今までChainerという日本製のディープラーニングのフレームワークを使って色々実験してみたのですが、サンプルを動かすことはできても、それ以上のことが何もできなくて
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
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
python_stat.pdf
リダイレクト中...
人間参加型（human-in-the-loop）機械学習とは？