SSDで道路の損傷を検出した - Qiita
結果 図3に学習の経過を示します． 図上部が位置誤差(location loss)とクラス分類誤差(confidence loss)，そしてその合計(overall)を表しています． 図下部はvalidationデータサンプルに対するクラスごとのAverage Precision (AP)と，全クラスに対するmean Average Precision (mAP)です． 図3 SSD(VGG16)での学習経過 Exponential shiftによりlearning rateが小さくなった点(80000 iteration)において，lossが一気に下がっているのがわかります．100000 iteration以降は精度も飽和しています． 最終的なmAPは0.561を記録しました． デフォルトのパラメータで学習した割には安定して精度が出たので，これをベースラインとしてアーキテクチャを変更し，
Classifying Japanese characters from the Edo period - Online Technical Discussion Groups—Wolfram Community
Introduction I recently came across a post for a computer program that in some fields intends to compete with the Wolfram Language and which has a toolbox for Machine Learning. I wanted to compare the work described with the workflow in Mathematica. The challenge is to classify old Japanese Characters from texts from the so-called Edo period: Style[StringTake[WikipediaData["Edo period"], 601], 16]
CVPR 2017でのコンピュータビジョン研究の最新動向
コンピュータビジョンとパターン認識の国際会議CVPR 2017に、CyberAgentからアドテク本部AI Lab所属の山口、大田、谷口の3名が聴講参加してきました。CyberAgentアドテク本部ではエンジニア、リサーチ関連職の技術レベルの向上を目的に、学術会議への参加や論文投稿を行なっております。今回の記事では今年のCVPRでの研究の最新動向についてお伝えします。 CVPRについて 研究動向 物体検出 深層学習モデルの解釈 マルチタスク学習 広告応用 クリエイティブ VQA対話モデル おわりに CVPRについて CVPR 2017 公式サイト CVPRはICCV/ECCVとともにコンピュータビジョン研究のトップ会議で、世界中の研究者が毎年一堂に集まり研究討論を行います。学術関係者だけでなく、近年は企業向けにトレードショーのようなEXPOも併催されるようになっています。 CVPR 201
Yahoo releases massive 13.5TB web-browsing data set to researchers
Yahoo releases massive 13.5TB web-browsing data set to researchers Yahoo's business may be struggling, but millions of people still visit its site to read the news every day. That gives the company unique insights into browsing and reading habits, and today the company has released a huge swath of that data. The "Yahoo News Feed dataset" incorporates anonymous browsing habits of 20 million users b
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
Deeplearning 4 j のクイックスタートガイド - Deeplearning4j: Open-source, Distributed Deep Learning for the JVM
