メガ銀行が手数料の引き上げに動き出す。みずほ銀行は2018年1月から、三菱東京UFJ銀行は同4月から、それぞれ両替の手数料を上げる。銀行はマイナス金利政策に伴う収益環境の悪化で、店舗の統廃合や人員・業務量の削減を進めている。人手不足による合理化も急務で、無料のイメージが強いサービスに一定の対価を求める。銀行での両替には個人が新札を求めたり、法人が釣り銭として紙幣を硬貨に替えたりといった需要があ
3メガ銀が手数料引き上げ まず両替、窓口業務減らす - 日本経済新聞
メガ銀行が手数料の引き上げに動き出す。みずほ銀行は2018年1月から、三菱東京UFJ銀行は同4月から、それぞれ両替の手数料を上げる。銀行はマイナス金利政策に伴う収益環境の悪化で、店舗の統廃合や人員・業務量の削減を進めている。人手不足による合理化も急務で、無料のイメージが強いサービスに一定の対価を求める。銀行での両替には個人が新札を求めたり、法人が釣り銭として紙幣を硬貨に替えたりといった需要があ
データサイエンスプロジェクトのディレクトリ構成どうするか問題
あるいは、論文 "Best Practices for Scientific Computing" および "Good Enough Practices in Scientific Computing" について。 TL;DR 標題の件について、未だに答えは見えていないのだけど、自分の現状と他の人の例を文字で残しておく。 こういう話で「あーその手があったかー！」と知ったときの興奮はすごいので、みなさんもっとオープンにいきましょう。 大切なのは、ソフトウェア開発と同じ要領でデータサイエンスのプロジェクトを捉えて、分析と言う名の“開発”を行うつもりでディレクトリを掘ること。 必要なものリスト ナウいデータサイエンス/機械学習プロジェクトの中には（経験上、ぱっと思い浮かぶだけでも）次のようなファイル群があって、僕たちはそれらを良い感じに管理したい。 ソースコード 役割がいろいろある： 前処理（こ
ディープラーニングを使ってドット絵を画像に変換してみた - karaage. [からあげ]
ディープラーニングで新しい画像変換 数ヶ月前ですがディープラーニングの分野で「pix2pix」という技術が話題になりました。これは簡単に言うと画像フィルタを入力画像と出力画像のペア（教師データ）だけから自動で生成してくれる技術です。詳細は、以下の記事や元の論文を参照下さい。 pix2pixの紹介 | 株式会社クロスコンパス's Blog GAN（と強化学習との関係） 「pix2pix」を使うと、従来の画像処理では難しかった、白黒画像をカラーにしたり、手書きの絵を写真にしたりといった、ぶっ飛んだ画像フィルタを教師データを用意するだけで生成できてしまいます。具体的な応用例に関しては、以下の記事などが参考になります。 できそうなことはだいたいできる画像生成AI、pix2pixの汎用性に驚く - WirelessWire News（ワイヤレスワイヤーニュース） 自分も何か面白い画像変換フィルタ作っ
![ディープラーニングを使ってドット絵を画像に変換してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/f9427c11dcbc2614990f613c9fed013cc8c40211/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20171218%2F20171218114142.png)
CoreMLでリアルタイムなスタイル変換 - Galapagos Tech Blog
これはGalapagos Advent Calendar 20日目の記事です。 二度目まして。iOSチームの高橋です。好きな金額は二兆円です。 今回はiOS上で簡単にニューラルネットのモデルを実行させられるCoreMLを利用して、リアルタイムなスタイル変換を実装する話をします。 準備 Kerasモデルファイルの入手 さて、リアルタイムなスタイル変換を行う手法としてはarXiv:1603.08155が存在しますが、なんと！昨日の記事でまんださんがこれをKerasで実装してくれています！（しらじら） なので、できあがったh5モデルファイルをもらうことにしました。これさえあればモネ風のスタイル変換ができる、はずです。 mlmodelへの変換 Kerasのモデルファイルをもらったので、coremltoolsを使ってmlmodelファイルに変換します。 coremltoolsは現時点ではPython
Learning Efficient Object Detection Models with Knowledge Distillation
Learning Efficient Object Detection Models with Knowledge Distillation Guobin Chen1,2 Wongun Choi1 Xiang Yu1 Tony Han2 Manmohan Chandraker1,3 1 NEC Labs America 2 University of Missouri 3 University of California, San Diego Abstract Despite significant accuracy improvement in convolutional neural networks (CNN) based object detectors, they often require prohibitive runtimes to process an image for
NIPS2017 タイトル＆概要訳 一覧
https://papers.nips.cc//paper/6606-wider-and-deeper-cheaper-and-faster-tensorized-lstms-for-sequence-learning Wider and Deeper, Cheaper and Faster: Tensorized LSTMs for Sequence Learning Long Short-Term Memory (LSTM) is a popular approach to boosting the ability of Recurrent Neural Networks to store longer term temporal information. The capacity of an LSTM network can be increased by widening and
chainercvを用いたMask R-CNNの実装 | BLOG - DeNA Engineering
はじめに 皆さんこんにちは。DeNAのAI研究開発エンジニアの本多です。DeNAからは初日の Realtime Multi-Person Pose Estimation につづき2回目のChainer Advent Calendar への投稿となります。私は2017年よりDeNA AIシステム部にジョインし、以来コンピュータビジョンの研究開発に従事しております。 12/16に行われた 第43会CV勉強会＠関東 にてICCV 2017現地レポートをさせていただいたこともあり、同学会でBest Paper Awardを獲得した’Mask R-CNN' [1]を、chainercvをベースに実装してみることにしました。 背景 Mask R-CNNは、一つのネットワーク・モデルで、以下のような複数の情報を取得することのできるマルチタスク検出器です。 画像中の物体位置と大きさ (bounding b
TensorFlowを使った機械学習を論文抽出に適用、ヒントは大学入試問題対策の裏ワザ
これを行ったのは、東京共済病院腎臓高血圧内科部長、東京医科歯科大学臨床教授などを務める神田英一郎氏。日本腎臓学会の組織した委員会による、慢性腎臓病（CKD）をテーマとした「エビデンスに基づくCKD診療ガイドライン2018」（未出版）の作成に関わった。その作成プロセスにおいて、論文スクリーニング作業の負担が重いことから、機械学習の活用を思い付き、「第3のスクリーニング担当者」を生み出した。 以下では、同氏の説明に基づき、これを紹介する。 「心の折れる作業」をどう軽減できるか 医療の世界では、「EBM（Evidence Based Medicine）」への取り組みが進められてきた。EBMとは、「医療行為は最新、最良の科学的根拠に基づいて行うべき」という考え方だ。診療ガイドラインは、EBM推進の観点から、臨床現場での意思決定における判断材料の1つとして利用することを目的とした文書で、各専門分野の
将棋盤を画像認識する - LIVESENSE Data Analytics Blog
Analytics チームで転職会議のレコメンドを開発している @na_o_ys です。今回は業務のことは忘れて、趣味の将棋の話をしたいと思います。 この数年で将棋の学習環境はずいぶんリッチになりました。通勤電車では将棋アプリのネット対局をして、自宅ではオープンソースの強豪 AI を使って棋譜検討し、日々将棋を楽しんでいます。 一方で、顔を突き合わせて盤と駒を使って指す対局が一番楽しいのは変わりがありません。 リアルの対局を AI で検討するために、盤面を手軽にコンピュータに入力したい というのが今回のテーマの発端です。 TL;DR 盤上の駒を高い精度で推定することができました。 処理は大きく 2 つのステップからなります。 盤面の正規化 盤面の四隅の座標を特定し、元画像から正規化画像への射影変換を得る マス目毎の内容を推定する マス目毎に画像を切り出し、駒の有無・種類を推定する ちなみに
Markdownやターミナルからの編集をサポートしたオープンソース＆クロスプラットフォームのデジタルノートアプリ「Joplin」がリリース。
Markdownやターミナルからの編集をサポートしたオープンソース＆クロスプラットフォームのデジタルノートアプリ「Joplin」がリリースされています。詳細は以下から。 JoplinはロンドンのLaurent Cozicさんが開発したオープンソースのEvernote代替アプリで、CozicさんはEvernoteが有料プランの価格を改定後、Evernoteに保存した4,000以上のノートの移行先を考えJoplinの開発を開始したそうで、オープンソースに加えクロスプラットフォームでほぼ全てのシステムで利用できるように開発したそうです。 Joplin is an open-source, cross-platform Evernote replacement for Windows, MacOS, Linux, Android, iOS, and the command line. Suppor
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
