Advancing AI to make shopping easier for everyone
Facebook AI is on a quest to build the world’s largest shoppable social media platform, where billions of items can be bought and sold in one place. As a key milestone toward this goal, we’re sharing details on how we’ve improved and expanded GrokNet, our breakthrough product recognition system. Now, it’s powering new applications on Facebook, like product tagging and showing visually similar prod
Labeling and Crowdsourcing - Data-centric AI Resource Hub
Michael Bernstein is an Associate Professor of Computer Science and STMicroelectronics Faculty Scholar at Stanford University, where he is a member of the Human-Computer Interaction Group. His research focuses on the design of social computing systems. This research has won best paper awards at top conferences in human-computer interaction, including CHI, CSCW, and UIST. Michael has been recognize
Three recommendations to enable Annotations on the Web
The Web Annotation Working Group has just published a Recommendation for Web Annotation in the form of three documents: Web Annotation Data Model—specification describes a structured model and format, in JSON, to enable annotations to be shared and reused across different hardware and software platforms. Common use cases can be modeled in a manner that is simple and convenient, while at the same t
W3C Web Annotation Working Group
Warning: this Working Group is now closed. It has published its Recommendations and Working Group Notes on the 23rd of February 2017. For further discussions on the evolution of Web Annotation technologies at W3C, possible errata, etc, please join the W3C Open Annotation Community Group. Web Annotation Working Group The W3C Web Annotation Working Group is part of the Publishing@W3C, but the scope
物体検出のエラー分析ツールTIDE | MoT Lab (GO Inc. Engineering Blog)
この記事はMobility Technologies Advent Calendar 2021の18日目です。 こんにちは、AI技術開発AI研究開発第二グループの劉です。私はドラレコ映像から標識などの物体を見つける物体検出技術を開発しているのですが、その精度を改善していくためにはまず検出エラーを細かく分析することが重要です。本記事では、物体検出のエラー分析に関する論文である”TIDE: A General Toolbox for Identifying Object Detection Errors”を解説すると共に、その著者らが公開しているツールを実際に使ってみた結果をご紹介をしたいと思います。 はじめに本記事では、以下の論文を取り上げます。コンピュータビジョンで最も有名な国際学会の一つであるECCV（European Conference on Computer Vision）で202
Pervasive Label Errors in Test Sets Destabilize Machine Learning Benchmarks
We identify label errors in the test sets of 10 of the most commonly-used computer vision, natural language, and audio datasets, and subsequently study the potential for these label errors to affect benchmark results. Errors in test sets are numerous and widespread: we estimate an average of at least 3.3% errors across the 10 datasets, where for example label errors comprise at least 6% of the Ima
NECがアノテーション自動化技術を開発 30分以上かかる人力作業を20秒に短縮 | Ledge.ai
※画像は新商品登録の手間を大幅に削減 画像認識向けインスタント物体登録技術: NECの最先端技術より ※この記事はデータサイエンス専門メディア「Da-nce」からの転載です NECは9月30日に、画像認識の正解付け作業（アノテーション）を自動化する「画像認識向けインスタント物体登録技術」を開発したと発表した。小売業や物流業向けに、2022年の製品化を目指す。 「画像認識向けインスタント物体登録技術」は、商品を手に持ちカメラの前で動かすだけで、画像認識モデルに商品が登録できるもの。カメラを使った画像認識で無人決済や棚商品管理、出荷検品などが広まる中、あらかじめ各商品の画像を複数枚撮影して画像認識モデルを構築する商品登録作業が欠かせない。 しかし、毎月数百の商品が入れ替わるコンビニやスーパーなどの小売業、管理する物品が現場ごとに多岐にわたる物流業では大きな負担となっていた。 同技術（以下、イン
GitHub - DeNA/nota: Web application for image and video labeling and annotation
Nota is a web application that allows to label and annotate images and videos for use in machine learning. It was created by DeNA Co., Ltd in 2017. It was realeased as Open Source in March 2021. Multiple backends for images and video sources Local Filesystem (mainly used for development) S3 bucket Customizable annotations using JSON templating language Points, binding boxes, polygon annotation in
Powered by AI: Advancing product understanding and building new shopping experiences
Powered by AI: Advancing product understanding and building new shopping experiences Today we’re announcing: We’ve built and deployed GrokNet, a universal computer vision system designed for shopping. It can identify fine-grained product attributes across billions of photos — in different categories, such as fashion, auto, and home decor. GrokNet is powering new Marketplace features for buyers and
Rustで作る機械学習を用いた画像クロッピングシステム
ML@Loft #9. Deep Learning フレームワークと推論 https://ml-loft.connpass.com/event/157785/
学習画像/動画作成用アノテーションツールを調べてみた - takminの書きっぱなし備忘録 @はてなブログ
アノテーションツールは画像を使った機械学習のタスクで、画像に教師ラベルを付与するためのGUIツールです。 昔、物体検出用のアノテーションツールとしてこんなの作りましたが、今はもっと良いものが色々とあるみたいなので、調べてみて良さそうだったものをいくつかピックアップしました。 ちなみに調べただけで、imglab以外はまだ使ってません。 アノテーションツールのリストはここが参考になります。 https://en.wikipedia.org/wiki/List_of_manual_image_annotation_tools オンラインツール LabelBox LabelBoxはオンラインで使用可能なアノテーションツールで、年5000ラベルまで無料で使えます。画像データをLobelBox上のサーバーへアップするか、もしくはAWS上の自社データに対して使用することが可能です。物体検出用のBound
Convolutional Neural Networkを用いて商品に新しいタグを付与しました | Recruit Tech Blog
データ活用推進担当の白井です。最近、リクルートマーケティングパートナーズとリクルートテクノロジーズで協働し、カーセンサーnetの「内装色検索機能」をリリースしました。 今回は、この裏で動いているConvolutional Neural Network（以下CNN）の概要と、活用方法について以下の流れで紹介したいと思います。 内装色検索機能の概要 なぜCNNを適応したか 物体認識とCNN 内装判別モデルの作成について 終わりに 1 内装色検索機能の概要 カーセンサーnetでは、中古車販売店のクライアント（広告主）が、商品である車の情報を登録して入稿します。この時登録される情報が、カスタマー（サイト利用者）の検索用のタグとなります。例えば、走行距離が3万キロなら、カスタマーが検索条件に「走行距離5万キロ未満」と入れればヒットして、「走行距離5万キロ以上」ならヒットせず、といった具合です。 本案
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
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
Data Labeling Best Practices - Video | MLOps Community
Fluid Annotation: a human-machine collaboration interface for full image annotation
GitHub - streamlit/demo-self-driving: Streamlit app demonstrating an image browser for the Udacity self-driving-car dataset with realtime object detection using YOLO.
GitHub - open-mmlab/mmfashion: Open-source toolbox for visual fashion analysis based on PyTorch
What's the Point: Semantic Segmentation with Point Supervision
GitHub - commaai/commacoloring: you like coloring books?