用意した画像は一枚だけ！？物体検出で将棋駒の認識 - Qiita
※こちらはPythonデータ分析勉強会#02の発表資料です。 前回は、YOLOv3でパトライトの監視を行いました。 今回は、YOLOv3で「将棋駒」を認識させます。 そして、用意する画像は一枚だけという、無謀な挑戦をしてみます。 前回から、内容がガラリと変わっておりますが、まずはそのモチベーションを説明します。 なぜ、用意した画像は一枚なのか？ よくディープラーニングのサービスなんかを見ていると、用意する画像は1000枚とか 平気で書いてあります。 しかし、個人事業主や中小企業は、そんなに労力をかけて画像は用意できませんし、 1000枚用意しても、バリエーション豊かな画像じゃないと、意味がないことが多くあります。 用意する画像が一枚だけなら、労力は最小限ですし、バリエーションも気にしなくて良いです。 従って、「用意する画像が一枚」で精度が出るなら、世の中のディープラーニングの サービスがよ
自前のデータでKerasで画像分類を写経してみる（１） | WordPressでフリーオリジナルフォント
他人のデータのMNISTとかばっかりやっても全く面白くない！ 自分で集めたデータで機械学習したい！ 貴重な説明が以下にあったので、写経してみる！ Kerasによる、ものすごくシンプルな画像分類（りんごとオレンジ） hiroeorz@github 2017年02月15日に更新 http://qiita.com/hiroeorz@github/items/ecb39ed4042ebdc0a957 Google検索でりんごとオレンジの画像をそれぞれ25枚ずつゲット（ダウンロード）してくれば、私にもできました！ （環境） Windows 8.1 Anaconda 4.4.0 Python 3.6.1 Tensorflow 1.2.1 Keras 2.0.6 （１）C:/python/ フォルダ下に、以下のフォルダを作成 data/train/apple ←りんご画像20個をダウンロード /tr
builderscon tokyo 2017 で横山三国志の「うむ」の数を伝えに行ったハナシ | Heruheru3
2017/8/3〜8/5 に開催の builderscon tokyo 2017 に行ってきました。 ついでに色々あってスピーカーとして登壇してきました。 詳細はこちら。 横山三国志に「うむ」は何コマある？〜マンガ全文検索システムの構築 ウムの数を数えるに至るまで そもそもこの話がどこから始まったかというと、十数年前に 二次裏(虹裏)という掲示板で突如「ウム！」 というコマが貼られだした辺りだと思います。 当時広島で大学生しててCREATIVEという部の部長だったんですけど(今でもあるのかな？)、大学祭のときに何故か皆でウムの人を書き続けるという遊びをしていました。 そこから、それまでは読んだことあるなー程度だった横山三国志に深くハマることになります。 なお、大学では「マルコフ確率場を用いた自動作曲」という、今のDeepLearningが出る前のAIで生成系の研究をしていました。これ
ディープラーニングでザッカーバーグの顔を識別するAIを作る④（WEB構築編） - Qiita
第1部：ディープラーニングでザッカーバーグの顔を識別するAIを作る①（学習データ準備編） 第2部：ディープラーニングでザッカーバーグの顔を識別するAIを作る②（AIモデル構築編） 第3部：ディープラーニングでザッカーバーグの顔を識別するAIを作る③（データ学習編） この記事は第4部です。作るものは「ザッカーバーグの顔を識別するAI」です。GoogleのディープラーニングライブラリのTensorFlowを使います。今回作ったもののサンプル動画等はこちら。 今までの第1~3部の中で、集めた顔データをTensorFlowを用いて学習してもらったので、今回はその学習結果を用いて実際に任意の画像の顔を抽出し、抽出した顔がどれくらい学習した顔に近いかを判定できるようにしたいと思います。そして最後の仕上げに、PythonのWEBアプリケーションフレームワークのFlaskを使い、WEBのインターフェスから
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
Extracting the position of game board & recognition of game board pieces – Vision & Graphics Group
