さて、昨年行ったGTC Japan 2017では物体検出のデモを行っているブースが多く、盛り上がりを見せている分野と感じています。 たしかに、物体検出のデモってすごくAI感(?)があります。 今回の記事はリアルタイム(~0.1sec)物体検出に使われるSSD及びその派生モデルのお話。 [1]SSD検出結果 物体検出の難しさ SSD ネットワーク構造 マルチボックスマッチング default boxと回帰によるオフセット予測 ハードネガティブマイニング ロス関数 データオーグメンテーション DSSD(Deconvolutional Single Shot Detector)の登場 Deconvolutional Module ResNetを使う。 Prediction Moduleの変更 Default Box増やした ESSD ESSDではやっぱりVGGを使う。 隣接したFeatureMa
このように1Uに高密度で搭載することで1ペタバイトの実装が可能。Intel SSD D5-P4326の記憶媒体としては、1セルあたり4ビットの記憶容量を持つQLC(Quad Level Cell)と、64層の3D NAND技術を用いたNAND型フラッシュメモリを採用。 QLCによってセルあたりの情報密度を高めた上に、それを64層分積み上げることで、大幅な大容量化を実現しています。 ただしQLCは読み書きの速度がそれほど速くないため、インテルはこの「Intel SSD D5-P4326」がウォームストレージ、つまり頻繁に読み書きが発生するため高速なアクセスが求められるホットストレージと、大容量データの長期保存が求められるアーカイブ向けのコールドストレージの中間的な役割として使われることを想定しています。 インテルはまた、2.5インチフォームファクターの「Intel Optane SSD DC
1.前提知識 ・機械学習の基礎 ・オライリー『ゼロから作る Deep Learning』 ・MLPシリーズ『画像認識』の物体検出の章 2.物体検出とは 多くの物体検出アルゴリズムの内容は、以下の三段階で分けられる。 ①物体領域候補の提案 ②検出物体のクラス分類 ③領域の調整(回帰) 初学者向けの画像認識の実装例では「手書き文字の認識」がよく取り上げられるが、現実の画像においては、「物体が一つのみで全ての物体領域のサイズも同じ」ということは普通はありえない。そこで、1枚の画像の中で様々なサイズで写っている複数の物体を上手く切り出すバウンディングボックスを探し、クラス分類の問題に持ち込む必要がある。 愚直にやるならバウンディングボックスの位置を動かして全パターン探索するSliding Window法が考えられるが、工夫なく行うのでは非常に時間がかかることは容易に想像できる。 R-CNN、Fas
2. 緒方 貴紀 (@conta_) CRO@ABEJA, Inc. Computer Visionとか、Machine Learning の研究開発をやっています Self Introduction 2 4. 一般物体検出の論文 • 検出速度のアルゴリズム(YOLO)より高速で、Faster R-CNNと同等の高精度 なを実現するState of the artなアルゴリズムの提案 • 比較的低解像度でも高精度に検出できる • 階層的なFeature mapと利用することで様々なスケールに対応 • アスペクト比ごとに識別器を作ることで、高い精度の検出率を達成 • シンプルなネットワーク設計によりEnd-to-Endで学習できる SSD: Single Shot MultiBox Detector 4 5. 画像から定められたクラスの物体を検出&識別するタスク Object Detecti
はじめに SSD(Single Shot Multibox Detector)で道路の損傷を検出しました. 作業環境等に関しては株式会社パソナテックさんにご協力いただきました. なお成果物は学習済みモデルとともにGitHubに公開されています. 不具合もまだ複数あると思いますので,気軽にissueを立てていただければと思います. やったことを最初から文章で説明するより,まずは成果物を見ていただいたほうが早いと思うので,デモをお見せします. このように,横断歩道やセンターラインのかすれ,陥没,ひび割れなどを検出することができます. 道路の損傷を検出する方法はいろいろありますが,画像認識を用いるならば,車で移動しながらスマホや車載カメラでリアルタイムに検出できると便利です. このような認識手法を採用するのであれば,デバイスの制約により,計算量が小さいモデルが求められます. 道路の損傷を物体認識
物体検出ニューラルネットワークのSSDを調べていた。 勉強のために論文を訳することにした。 下記のページを参考にさせていただいた。 https://www.slideshare.net/takashiabe338/fast-rcnnfaster-rcnn https://www.slideshare.net/takanoriogata1121/ssd-single-shot-multibox-detector-eccv2016 ※訳には間違いがないよう注意を払いましたが、完全であることを保証できません。誤りがありましたらお教え願います。 原文: Wei Liuら,(2016) SSD: Single Shot MultiBox Detector 概要:https://arxiv.org/abs/1512.02325 PDF:https://arxiv.org/pdf/1512.02325.
最新の物体検出情報(2022/1/1追記) この記事も、3年近く前の記事となり、最新の情報から比べると情報が古くなってしまいました。最新の状況に関しては以下記事がとても参考になります。 以下の記事も、過去の流れなどは参考になりますし、まだ使える部分も多くあると思いますので、よろしければ参考にしてみてください。 物体検出をやってみる前に検出と認識の違い これまで、ディープラーニングを使って画像の認識を何度かやってきました(以下参照)。 画像認識の次は、物体検出に手を出して見たいなということで、ディープラーニングを使った物体検出に関して調べて試してみることにしました。 そもそも、物体検出って何で、認識と何が違うのかというと、そもそも認識という言うと結構広い意味になってしまって、画像のそのものが何かを判別するのは画像分類というのが正しそうです。つまり、私がやった上記の例は基本的には画像分類となり
1月には発表され、2月には販売が始まったはずのThinkPad X1 Carbon 5th Generation (2017)。 WQHDのモデルが販売されるのを待っていたら、7月も半分終わってしまいました。もう、あと数か月すると来年のモデルの話が出てくるのでしょう・・・と思うとちょっとだけ悲しくなりますね。 とはいえ、僕の手元にやってきた5台目のX1 Carbon。 箱2016年モデルと同じく、一番外のシール張られまくり、汚れまくりの箱に始まり、3重の箱です。まぁ、そして、最初の印象は、無駄に軽い。中身、空っぽなんじゃって思うレベルの軽さです。 上が2017、下が2016。箱がちょっと小さくなっている。触り心地僕は毎年X1 Carbonを購入している信者ともいえるような馬鹿野郎ですが、キータッチに関しては、これはひょっとして初代に匹敵する良さじゃないでしょうか。2016は正直なところ、キ
How to watch Polaris Dawn astronauts attempt the first commercial spacewalk
クラウドVPS(仮想専用サーバ)サービスやデータセンターサービスを提供しているアメリカのAtlantic.Netが、月額99セント(約110円)でSSDベースのVPSサービスを利用できるプランの提供を開始しました。 Atlantic.Net Launches $.99 Server "Go" Plan To Push the Advancement Of Startup Innovation by Atlantic.Net https://www.atlantic.net/about-us/press-releases/atlantic-net-launches-99-server-go-plan-to-push-the-advancement-of-startup-innovation/ Atlantic.Net Launches $0.99/Month SSD-Based Server
Build RAG applications with MongoDB Atlas, now available in Knowledge Bases for Amazon Bedrock Foundational models (FMs) are trained on large volumes of data and use billions of parameters. However, in order to answer customers’ questions related to domain-specific private data, they need to reference an authoritative knowledge base outside of the model’s training data sources. This is commonly ac
少し時間が経ってしまったのですが、今年の夏頃に書いた検証レポートを公開します。 最新の機種と書きつつ、昨年のモデルのSSDが1つ混じっていたりなど、突っ込みどころはあるのですが、何かの参考になれば幸いです。 はじめに 昨今、記憶媒体装置の1つであるSSD(Solid State Drive)は、コンシューマー/エンタープライズを問わず、かなり普及してきている。 価格対容量のコストパフォーマンスや容量そのものに関しては、ハードディスクにかなわないものの、SSDの高いI/O性能(特にランダムアクセス)は非常に魅力的であることと、特に、低容量のもの(120GB以下等)であれば1万円以下で購入できる時代となってきており、コスト面に関しても手を出しやすくなってきている。 ところで、弊社のサービスで利用されているディスクの多くは、SATA/SASのハードディスクを利用しているケースが多い。 中には、F
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