Deep Learning を用いた画像識別モデルの導入 | GREE Engineering
背景 僕の開発担当しているチームでは、プロダクト（ SNS、Web ゲーム等 ）におけるユーザの任意投稿をオペレータによって目視で監査し、サービス運営上、不適切な投稿の検知と削除を行っています。 しかし、ユーザ投稿すべてを目視で監査するのはオペレータの負荷が高いため、不適切と思われる投稿をシステムで選別した上で、オペレータの目視監査に回しています。 ここで、具体的に不適切な投稿とは 異性との出会いを希望・誘導する投稿（青少年の健全な育成） 個人情報を掲載する行為（個人情報保護） わいせつ、およびグロテスクな内容（サービスクオリティ維持） 等 グリーが禁止している行為を指します。 上記、システムの精度向上が僕らチームの目標となっています。中でも画像付きの投稿はシステムによる選別が難しく、大量に目視監査に回すことでサービスのクオリティを維持しているという課題がありました。 そこで今回、ユーザの
Deep Learningの恩恵を手軽に活用できるコグニティブサービスとは
コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。初回は、コグニティブサービスとは何かの概要とAPIを使うための準備の仕方を説明します。 ※本稿は2017年1月19日の情報を基に作成しています。記事内で使用している画面は変更になっている場合がありますがあらかじめご了承ください。 本連載の目的 本連載「認識系API活用入門」では、マイクロソフトのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していきます。 なお、本連載ではVisual Studio 2015とC#で開発しますが、マイクロソフトのコグニティブサービスはREST APIなので、C#に限らずさまざまな
ロボットにDeep Learningを導入して画像認識の精度が向上すると、どう便利になるのか
書籍の中から有用な技術情報をピックアップして紹介する本シリーズ。今回は、秀和システム発行の書籍『図解入門 最新 人工知能がよーくわかる本（2016年7月4日発行）』からの抜粋です。 ご注意：本稿は、著者及び出版社の許可を得て、そのまま転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 ※編集部注：前回記事「FinTechにおけるロボット／人工知能の活用事例――集客、接客、資産運用アドバイス、ファンドマネージャ」はこちら ロボットのディープラーニング活用法 現時点で、ディープラーニングが最も効果を発揮できるのは、画像認識や音声認識だと言われています。従来のパターン認識やパターンマッチングに代わって、ディープラーニングが大きな効果を上げることがわかってきたのです。 従来の画像認識とディープラーニング 従来、画像認識で最も一般的に利用され
2015年に話題になるキーワード「Deep Learning（ディープラーニング）」をざっくり理解する : まだ東京で消耗してるの？
スポンサードリンク ちらほら聞くキーワードなのでまとめておきます。 「Deep Learning（ディープラーニング）」って何？多分2015年かなり話題になりそうなキーワード。Deep Learning。なんでしょうこれは。 ざっくり言うと、人間の脳をコンピューターで模倣し、コンピューターが自ら「これが何であるか」を認識できるようになるというお話。 トロント大学が開発したのは、ニューラルネットワークの分野の中のDeep Learningと呼ばれる手法。ニューラルネットワークとは、脳のニューロン（神経細胞）とシナプス（神経細胞結合）の回路を、コンピューター上で再現したもの。人間の脳と同様に、正しい答えを出した回路が強化されるように設計されているので、コンピューターが自分自身で物事を学習していくことのできる仕組みだ。 そのニューラルネットワークを何層にも重ねるのが、Deep Learningと
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
