Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別ディープラーニングによるラーメン二郎全店舗のラーメン画像識別を例に、学習および利用時のインタフェース(Slack、Twitter)に関するノウハウや失敗事例を共有します。 また、ディープラーニングを色々と試した際のノウハウをツール(mxnet-finetuner)としてまとめましたRead less
画像認識モデルを作るための鉄板レシピ
2. Agenda 自己紹介 はじめに 鉄板レシピの全体構成 Recipe1: Survey Task Planning: モデルの要件を設計する Gather Images: 画像の収集を行う Implements Pipeline: 画像の処理プロセスを実装する Annotation: 画像へのアノテーション Recipe2: PreProcessing Calculate Parameters: 前処理用パラメーターの計算を行う Data Augmentation: 学習画像の拡張を行う Recipe3: Training Use Pretrained Model: 事前学習済みモデルを利用する Training: 学習を実行する Conclusion 3. 自己紹介(1/2) 久保隆宏 TIS株式会社 戦略技術センター
文字認識はCNNで終わるのか？
電子情報通信学会「パターン認識・メディア理解研究会」（2016年2月14日＠九州工業大学，福岡県飯塚市)でのプレゼン資料です． 対応する原稿は以下です． 電子情報通信学会技術研究報告, PRMU2015-133 http://www.ieice.org/ken/paper/20160221UbGo/ 以下はアブストラクトです．=========================== 印刷数字，手書き数字，多フォント数字を対象として，畳み込みニューラルネッ トワーク(CNN) による認識実験を試みた．いずれのタスクにも大規模な データセットを用いた．得られた認識率は，印刷数字について99.99%，手書き数字について99.89%，そして多フォント数字について96.4%であった． さらに印刷数字と手書き数字の混合認識という，予想される困難性からか従来あまり試みられなかった課題についても，CNNの利
Deep Residual Learning (ILSVRC2015 winner)
ILSVRC2015にてMSRA (Microsoft Research Asia)が発表した、Deep Redisual Learning (ResNet)の紹介資料です。 論文情報 http://arxiv.org/abs/1512.03385 著者(Dr. Kaiming He)によるスライド http://research.microsoft.com/en-us/um/people/kahe/ilsvrc15/ilsvrc2015_deep_residual_learning_kaiminghe.pdf ImageNet and MS COCO Visual Recognition Challenges Joint Workshop http://image-net.org/challenges/ilsvrc+mscoco2015Read less
「HOME'Sデータセット」を活用した不動産物件画像への深層学習の適用の取り組み
1. 「HOME'Sデータセット」を活⽤用 した不不動産物件画像への深層学習 の適⽤用の取り組み 株式会社ネクスト リッテルラボラトリー 主席研究員 清⽥田 陽司 1Copyright(c) NEXT Co., Ltd. All Rights Reserved. WebDB Forum 2016 技術報告セッション 2016.09.13＠慶應義塾⼤大学⽇日吉キャンパス 2. 2Copyright(c) NEXT Co., Ltd. All Rights Reserved. › 研究分野: ⾃自然⾔言語処理理応⽤用、情報検索索、情報推薦 › 略略歴 • 京都⼤大 ⼤大学院情報学研究科 (1998-2004) • 対話型質問応答システム 企業（マイクロソフト）との共同研究 • JSTさきがけポスドク＠京都⼤大 河原研 (2004) • 東京⼤大 情報基盤センター
リクルートはいかにして、ディープラーニング（深層学習）の導入を成功させたか
2016/08/25 「Enterprise Development Conference 2016」での、白井の講演資料になりますRead less
拡がるディープラーニングの活用
2016年1月15日に行われたNVIDIA Deep Learning Day 2016での講演です。 エヌビディア合同会社 エンタープライズビジネス事業部 井﨑 武士 既にディープラーニングの活用は拡がっています。このセッションでは世界中の様々な事例をご紹介します。またドワンゴ、みずほ証券、ABEJAをゲストにお迎えして、日本でのディープラーニングの先進的な事例をご紹介して頂きます。 FACEBOOKの提唱するBig Surアーキテクチャなど、ディープラーニングを活用するためのシステム構築のノウハウや、Microsoft Azure、IBM SoftLayer など、ディープラーニングに最適なクラウドの活用についてもご紹介します。 さらにディープラーニングのシステム構築を請負うインテグレーター各社（NTTコムウェア、クロスコンパス、システム計画研究所、テクノスデータサイエンス・マーケティ
Deep Learning のトレンドについて喋ってきた
Convolutional Neural NetworksのトレンドについてCasualじゃない話をしてきました． 全脳アーキテクチャ若手の会カジュアルトーク 全脳アーキテクチャ若手の会カジュアルトーク というところでお話をしてきました． ちょっと層がわからなかったのですが，IT系のエンジニアの方が多かったみたいです． （学生は4人くらい…？しかもほぼ身内） 僕のスライドはSlide Shareの方にアップロードされています． しかも，映像もアップロードされていた… 発表後記 実際はConvolutional Neural Networks(CNN)系論文128本ノックにするつもりだったとはいえない空気でしたね… 個人的には画像生成やキャプション生成系の研究速度はとても速く進んでいると感じています． Visual Turing Test の話はもう少し掘り下げたかったですね． Deep M
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
http://slazebni.cs.illinois.edu/spring17/lec04_advanced_cnn.pdf
Fuller Understanding of Fully Convolutional Networks - Google スライド
https://www.mi.t.u-tokyo.ac.jp/harada/pdf/Yahoo20160320_web.pdf
リクルートにおける画像解析事例紹介
Tensor flow usergroup 2016 (公開版)
Stanford University CS231n: Convolutional Neural Networks for Visual Recognition