「『よし、こうすれば俺も頑張れるんだ』。そういう気持ちを持つことが大事です」と語る谷垣禎一さん＝東京都内で2021年7月13日、宮武祐希撮影 不慮の事故から5年がたった。電動車いすが欠かせない生活を送っている。 「政治家として、障害者という存在について一定の理解をしていたつもりでした。でも、頭で考えていたのと、自分が現実に障害者になるというのは全然違うことでした。『ああ、こういうのが障害者なんだ』と」 第24代自民党総裁で元衆院議員の谷垣禎一さん（76）。弁護士から政界に転じ、財務相、国土交通相などを歴任した。滑舌の良い話しぶりは健在だが、発音しづらい時もあるのか言葉に詰まることがある。さらに手や首が意思に反して不規則に動いてしまう。 通い詰めた永田町を離れ、一日の大半を東京都内の自宅で過ごす。朝起きると、サイクリングウエアを身にまとう。「体が自由に動かないものですから伸縮性のあるものでな

ちゃんと洗濯をしているのに衣類やタオルが臭うことはありませんか。これは菌によるものです。なので定期的にお湯で除菌すると嫌な臭いを防ぐことができます。 はじめに 清潔な生活を送るため、洗濯は欠かせない家事のひとつです。しかし、衣類やタオルはしっかり洗っていても生乾きの悪臭がしてきたりします。着た後に洗っているのになぜ？自分の体臭？と思われている方もいるくらいで、詳細は不明のままでした。 2011年に花王が洗濯物やタオルの悪臭の原因の一つを明らかにしました。それは、生乾きの悪臭の原因がモラクセラ属細菌の増殖というものです。また、2016には汗臭さの原因がマイクロコッカス属細菌が分解した皮脂成分によるものと発表しました。 これらに共通しているのは菌によるものです。ちゃんと洗っているのにと思われますが、洗剤のような界面活性剤には除菌はなく、繊維からすべて除去することもできません。そして細菌は紫外線

この2週間はアメリカの民主主義を揺るがす大変な2週間でした。。。 ・大統領選の投票結果が決まる議会を行っている連邦議会にトランプ大統領の支持者達が乱入し、5名が死亡という前代未聞の事件が発生。しかも現職大統領が煽った結果である。 ・事件を受け、トランプ大統領の弾劾裁判が開始、下院は可決。今後上院でどうなるかが注目される。トランプ氏はアメリカ史上初、2回の弾劾訴追を受けた大統領となった。 ・この事件の結果、トランプ大統領はTwitter、Facebook、Instagramなどから永久アカウント停止。トランプ支持者たちが使っているSNSサイトParlerはGoogle Play/Apple App Storeからバンされてアプリストアでダウンロードできなくなり、更にはAmazon Web Serviceからも締め出されてサービス停止に。 ・議会は選挙結果を認定、1月20日（明日。。。）バイデ

Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ

ディープラーニングにはいくつかの手法が存在するが、そのなかで最も成功しているのが、畳み込みネットワークである。畳み込みネットワークは主に画像認識で用いられ、その圧倒的な精度ゆえにディープラーニングが注目される1つの要因を作り出した手法でもある。 畳み込みネットワークによる画像認識は応用範囲が広く、自動運転、監視カメラ、オンラインショッピングの商品検索など、さまざまな分野で活用が進んでいる。また少し変わったところでは、アルファ碁の碁盤の局面認識にも利用されており、その認識精度の高さがアルファ碁の強さの一因にもなっている。 連載第2回では、この畳み込みネットワークを取り上げる。 ImageNet 2012で注目を 集めた畳み込みネットワーク 世界中のコンピュータビジョン関連の研究者たちが集まる「ImageNet Large Scale Visual Recognition Challenge」

In this tutorial you will learn how to build a “people counter” with OpenCV and Python. Using OpenCV, we’ll count the number of people who are heading “in” or “out” of a department store in real-time. Building a person counter with OpenCV has been one of the most-requested topics here on the PyImageSearch and I’ve been meaning to do a blog post on people counting for a year now — I’m incredibly th

動機 TensorFlowの登場をきっかけに 機械学習によるアイドル顔識別 という取り組みをしていて、3年以上かけてコツコツとアイドルの自撮りを収集してラベルをつけてデータセットを作ってきたけど、 アイドルヲタクはもう辞めてしまって 現場にも全然行かなくなり、卒業・脱退の情報を追いながらラベルを更新していく作業を続ける情熱はすっかり薄れてしまった。 もうアイドル顔識別プロジェクトは終了にしよう、と思った。 しかし折角今まで集めたデータを捨ててしまうのは勿体無い。せめて最後に何か活用できないものか。 と考えて、「画像生成」に再び取り組んでみることにした。 過去に試したことはあったけど、それほど上手くはいっていない。 TensorFlowによるDCGANでアイドルの顔画像生成 TensorFlowによるDCGANでアイドルの顔画像生成 その後の実験など この記事を書いたのが2016年。 この後

字幕ファイルを動画に焼き付ける（ハードサブ）subtitlesフィルタの使い方。字幕ファイルのスタイルを書き換えて字幕ファイルを出力するフィルタではない。似たフィルタにassフィルタがあるが、subtitlesフィルタはassフィルタよりも複雑な設定ができる。このフィルタを使うには–enable-libassとlibavcodec、libavformatが必要。 ass の字幕ファイルを動画に焼き付ける ass 基本コマンド input.ass ファイルを表示する。 ffmpeg -i input -vf subtitles=sub.ass output ffplay -i input -vf subtitles=sub.ass 映像の最初をカット（開始25分から26分時点まで）して同時に字幕時間の最初もカットする。参照元。 ffmpeg -ss 25:00 -to 26:00 -copy

MacのTimeMachineによるバックアップをWindowsマシンに行う方法です。 下記の条件で行いました。 Windows 10 macOS 10.12 Sierra Windowsマシンのファイル共有を設定します。 バックアップ用の適当なフォルダを作成する。 フォルダを右クリックしてファイル共有を設定する。 Mac側で共有ドライブとしてログインして接続する。 Macのでからのイメージファイルを作成する。 Finderから[アプリケーション]-[ユーティリティ]-[ディスクユーティリティ]を選択 画面上部のメニューから、[ファイル]-[新規イメージ]-[空のイメージを作成…]を選択 下記のように設定して[保存]ボタンをクリック 名前 TimeMachine (ここはお好きな名前を) タグ とりあえず空欄のまま 場所 デスクトップ – iCloud 名前 TimeMachine (ここ

本資料はセキュリティ・キャンプ全国大会 2021 B1 の講義で利用したものです。お問合せは Twitter アカウント 宛によろしくお願いします。

周りを見ていると何の苦もなく英語社会に適応しているわけですが、日々苦しんでいる人の奮闘記があっても良いのではないかと思って書きました。残念なエピソードを晒すことで実は自分もこうやって乗り切ってましたという人が現れお互いに助け合えることを期待しています。 概要 前提 バッドノウハウ 質問編 聞き取れなかった時にSorry?と聞き直さない 聞こえたところまで繰り返す 可能性のある質問全てに答える Do you mean ~ ? で可能性を潰していく うかつにYES/NOで答えない 他人に振ってみる 良い質問ですねぇを使う 何か言いそうな雰囲気を出して時間を稼ぐ 発言編 How are you?を速攻でキメる Can you hear me? Can you see my screen? に率先して答える How are you?にHow are you?で返す 発表編 話し続ける 質問が出ない

はじめまして、ティアフォー技術本部 Planning / Controlチームで開発を行っている堀部と申します。 今回は状態推定の王道技術「カルマンフィルター」が実際に自動運転で用いられるまでの道のりやノウハウなどを書いていこうと思います。 みなさんはカルマンフィルターという言葉を聞いたことがありますでしょうか。 カルマンフィルターとは「状態推定」と呼ばれる技術の一種であり、自動運転においては現在の走行状態、例えば車速や自分の位置を知るために用いられます。 非常に有名な手法で、簡単に使えて性能も高く、状態推定と言えばまずカルマンフィルターと言われるほど不動の地位を確立しており、幅広いアプリケーションで利用されています。 使い勝手に定評のあるカルマンフィルターですが、実際に自動運転のシステムとして実用レベルで動かすためには多くの地道な作業が必要になります。 この記事では、カルマンフィルターが

WiFiのアクセスポイント構築手順を紹介しつつ，各手順の背景にある理論的な説明を行い，Linuxやネットワークについての知識を深められる本です． - ハード | Raspberry Piの構築 - OS | Kali Linux - ドライバ | wireless network adapterのモード種別 - ネットワーク基礎 | IP addressとNAT - ネットワーク層 | Linuxカーネルでのパケット処理 - アプリケーション層 | DNSの設定

「タイムゾーン呪いの書」は、もともと 2018年に Qiita に投稿した記事でしたが、大幅な改訂を 2021年におこない、同時にこちらの Zenn に引っ越すことにしました。 この改訂では Software Design 誌の 2018年 12月号に特集の一章として寄稿した内容も取り込みつつ、夏時間をめぐって各地で起きつつある変化について 2021年 6月現在の状況なども追加しました。そんな追記もしていたら記事全体が長大になってしまったため、この「知識編」と、「実装編」・「Java 編」に記事を分けました。「知識編」は、導入にあたる第一部です。 Qiita のほうは、引っ越した旨とこの引っ越し先へのリンクだけ追記して、しばらくそのまま残すつもりです。 はじめに タイムゾーンという概念のことは、ほとんどの人が聞いたことがあると思います。ソフトウェア・エンジニアでも多くの方が、時刻やタイムゾ

こんにちは。ミクシィ AI ロボット事業部でしゃべるロボットを作っているインコです。 この記事は ミクシィグループ Advent Calendar 2018 の5日目の記事です。 この記事の目的 この記事では2018年現在 DeepLearning における自然言語処理のデファクトスタンダードとなりつつある Transformer を作ることで、 Attention ベースのネットワークを理解することを目的とします。 機械翻訳などの Transformer, 自然言語理解の BERT やその他多くの現在 SoTA となっている自然言語処理のモデルは Attention ベースのモデルです。 Attention を理解することが今後の自然言語処理 x Deep Learning の必須になってくるのではないでしょうか。 この記事にかかれているコード (Github) 歴史 - RNN から

取材・制作加藤晶也、三木理恵子、竹内悠介、四方雅之、佐堀万梨映、丸山寛朝、岩村高信、久永純也、櫻田優樹、尾崎実、川崎航、松尾洋平、鎌田健一郎、清水明、佐藤健、清水正行、加藤皓也、伊藤岳 日経電子版に登録していない方へ　　登録すると、有料会員限定の記事が毎月決められた本数まで無料で読めます。 ※「同意して次へ」ボタンを押下することで日経ID利用規約および日経IDプライバシーポリシーに同意したものとみなしますので、お読みの上でお進みください。

","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"

","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"