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
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
ポルノや斬首画像をタグ付けし続け、月給2万円…「AI」機械学習の闇 | アマゾンやマイクロソフトから受注するインド企業に潜入取材
プラダンは大腸内部のポリープや、ガン化するかもしれない小さな新生物を探す。ぬらりとして赤く腫れたニキビにも似た突起物を発見すると、マウスを動かし、キーボードを叩いて、デジタルの輪を描画してマークした。 プラダンは医学を学んでいるわけではなく、「AI（人工知能）」の学習システムに関わっている。ゆくゆくは医師の仕事も、彼女が開発に“貢献”したAIに取って代わられるかもしれない。 AI「学習」の内幕 プラダンは、この小さなオフィスビルの4階で働く数十人の若いインド人男女のひとりだ。彼らはデスクの前にずらりと並び、ありとあらゆるデジタル画像のアノテーション（AIの学習向けにデータを紐付けること）をおこなう。 街頭写真に写りこんだ停止標識に歩行者、衛星写真の工場、石油タンカーに至るまでを正確に特定する。 大半のテック業界関係者が「世界の未来の姿」だと話すAIは「機械学習」と呼ばれる開発手法のおかげで
Google とインスタ、ファッション分野のコマースで激突：画像検索技術で追撃成るか？ | DIGIDAY［日本版］
Googleショッピング（Shopping）は10月3日、Googleレンズ（Lens）の画像認識技術を導入した大規模なアップデートが行われた。この新機能は、最近ファッション向けのアップデートを行ったインスタグラム（Instagram）に対抗するものだ。 Googleショッピング（Shopping）は10月3日、Googleレンズ（Lens）の画像認識技術を導入した大規模なアップデートが行われた。これによりファッション関係の商品のスタイルが分かりやすくなり、Googleショッピングはコマースだけではなく良いものを見つけるためのプラットフォームへと進化を遂げた。この新機能は、最近ファッション向けのアップデートを行ったインスタグラム（Instagram）に対抗するものだ。 Googleショッピングの今回のアップデートには、ほかにもいくつかの新機能が投入されており、たとえばユーザーは手持ちのファ
2018年の人工知能、データ分析 - できること、できないことのホントノトコロ｜tomo_makes
[追記] 書籍化しました!2018年7月に作成したこの記事から、アップデートなどを詰め込んで、2019年5月11日発刊の図解速習DEEP LEARNINGという本ができました。[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiitaでも、一部内容をご覧いただけます。ぜひ手にとってみてください。 Binnovative - UNBOX THE BLACKBOX!シリーズ 6月21日にVenture Cafe Tokyo Thursday gathering@虎ノ門ヒルズカフェの一枠で、NPO Binnovativeとして掲題の機械学習イベントを開きました。ゲストにPegara Inc. 中塚さんをお招きし、前後半30分ずつに分けて話をしました。筆者の話した前半部分、その後の補足やアップデートを本記事にまとめます。 課題認識 ビッグデータ、データ分析と
deep metric learningによるcross-domain画像検索 - ZOZO TECH BLOG
ZOZO研究所でインターンをしている松井です。本記事では、cross-domain画像検索とdeep metric learningの概要と、cross-domain画像検索で良い精度を達成するためのテクニックを取り上げます。 metric learningの概要 metric learningとは、データ間の関係を表す計量（距離や類似度など）を学習する手法です。 画像分類や、画像検索などに応用できます。 意味の近いデータの特徴量どうしは近く、意味の異なるデータの特徴量どうしは遠くなるような計量を学習 します。 意味の近いデータのペアを positive pair 、意味の異なるデータのペアを negative pair と呼びます。 deep learningが出てくる前の代表的な手法として、マハラノビス距離の共分散行列を学習させる手法があります。 ：データの特徴量 ：パラメータ（共分散
Computer Vision meets Fashion (第12回ステアラボ人工知能セミナー)
講演者: 山口光太 先生 (株式会社サイバーエージェント AI Lab) 概要: 機械学習が様々な産業分野に応用されるにつれ，ファッション分野でもコンピュータビジョンを使った分析が広がりを見せている．EC活用などを目指し数多くのスタートアップ企業がファッション画像の認識をコアにしたデータ分析や検索サービス開発を進めるようになっている．本講演ではコンピュータビジョンをファッション分野の問題に適用したこれまでの研究を俯瞰する．衣服や属性の画像認識に始まる基本的な問題から，商品検索やスタイルの推薦，ファッションを構成する意味要素の理解，Webデータからの学習についての研究事例を，著者がこれまでに取り組んできた研究を含めて解説する．
画像認識
デジタルカメラの顔認識機能など、身近で利用されている画像認識の技術。機械学習の応用により、その精度は格段に向上した。最前線で活躍する研究者が、基礎から深層学習を取り入れた応用的手法までをくわしく解説する。画像認識の現状と今後の展望を知るのに最適な一冊！ 第1章 画像認識の概要 画像認識とは／画像認識の分類／クラス認識の手順／深い構造と浅い構造／物体検出／インスタンス認識と画像検索／画像認識の認識性能を向上させるには？／数学表記について 第2章 局所特徴 局所特徴とは／検出器／空間フィルタリング／基本的な検出器／ 回転やアフィン変換に頑健な検出器／記述子／検出器と記述子の組み合わせ 第3章 統計的特徴抽出 統計的特徴抽出とは／主成分分析／白色化／フィッシャー線形判別分析／正準相関分析／偏最小2乗法 第4章 コーディングとプーリング コーディングとプーリングの概要／確率分布を利用したコーディン
フェイスブックがベトナム戦争の報道写真”ナパーム弾の少女”を次々削除…そして批判受け撤回
フェイスブックがコンテンツの扱いを巡って、さらなる騒動を巻き起こした。 発端は、ノルウェーの作家が、ベトナム戦争を象徴する報道写真”ナパーム弾の少女”をフェイスブックに投稿したことだった。 ナパーム弾の爆撃から逃げ惑う裸の少女を捉えたこの写真を、「全裸」を理由にフェイスブックが削除。抗議をしたこの作家のアカウントも停止に。 さらにこの経緯を問題の写真とともに報じたノルウェー最大の新聞「アフテンポステン」や、同国の首相のアーナ・ソールバルグさんのフェイスブック投稿まで、削除されてしまったという。 沸き上がる批判を受け、フェイスブックは結局、削除措置を撤回した。 人間の編集者による「保守派メディア排除」批判、そしてアルゴリズムによるデマの掲示…とフェイスブックのコンテンツ選別を巡るぎこちなさは、これまでも紹介してきた。 ※参照：編集者を解雇したフェイスブック、アルゴリズムがデマをピックアップす
Jeff Dean on machine learning, part 1: surveying the landscape | Google Cloud Blog
Jeff Dean describes the current landscape of machine learning: its past, present and future. ">Jeff Dean describes the current landscape of machine learning: its past, present and future. Whenever you search for pictures of your new puppy in Google Photos, or translate text while on the go to order your breakfast correctly on an international trip, you benefit from machine learning. And inside bus
2016年の深層学習を用いた画像認識モデル - Qiita
実装 検証が終わっていないモデルの使用は気をつけてください cifar10の数値感覚 現時点で97%以上ではSoTAになると思います。僕が知っている限り、最高精度は96.69%です。そろそろcifar100か別のデータセットを評価の軸にするべきかもしれません。 最近の傾向 今年はResnetファミリーの年だったと思います。特徴的な点として、深さ=精度が終わった点です。googlenetなどは昔から主張していましたが、ある程度深いと、深さよりも幅を広くしたほうが精度が上がるということが、様々な論文の結果で今年は示されました。3月くらいから、Resnetの幅を広くしたほうが良いという結果は副次的にぞろぞろ出ていて、5月23日に出たWide Residual Netowrksで決定的になったような形だと思います。幅が大事といったことが、今年はっきりした点であるように思います。 論文を俯瞰してみる
Caffeで手軽に画像分類
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
Deep Learningで猫の品種識別 - Qiita
[('Russian_Blue', 0.58100362140429651), ('British_Shorthair', 0.22552991563514049), ('Abyssinian', 0.057159848358045016), ('Bombay', 0.043851502320485049), ('Egyptian_Mau', 0.030686072815385441)])] OpenCVで猫検出では猫の顔検出をしましたが、今回はディープラーニングの技術を使って猫の品種を識別しようと思います。 技術的な内容詳細についてはブログの方に書いてありますので興味があれば。 ねこと画像処理 part 3 – Deep Learningで猫の品種識別 ここでは Deep Convolutional Neural Network (DCNN) と呼ばれる手法を一般物体認識に適用して猫の品
大規模画像データセット - n_hidekeyの日記
最近は画像認識・検索で用いられるデータセットも大規模化が進んでいます。 いくつか代表的なものや最近見つけたものをまとめてみます。 （ここでの目安は、教師つきデータは10万枚以上、教師なしデータは100万枚以上のもの） ImageNet http://www.image-net.org/ 自然言語処理の分野で有名なWordNetのオントロジーに従って、各単語（今のところ名詞のみ）に対応する画像を収集したものです。Amazon Mechanical Turk を利用し、質の高いデータセットを構築するように工夫されています。日々データは蓄積・更新されており、2012年1月現在、約1400万枚の画像データ（2万2千カテゴリ）が集まっているようです。 アノテーションは基本的に1画像1カテゴリで、一部の画像には物体の位置を示すbounding boxもついています。カテゴリによっては十分な数の画像がな
ディープラーニングを使ったイメージの切り抜き | カメリオ開発者ブログ
こんにちは、シバタアキラです。この度PyDataの本家であるアメリカのコミュニティーで半年に一度開催されているPyDataカンファレンスに出席するため、NYCに行って来ました。11/22-11/23の二日間の日程で行われ、延べ250人ほどが参加したイベントです。その時の模様は、先日のPyData Tokyo第二回ミートアップでもご説明させていただき、また後日記事化されると思いますので、そちらをぜひご覧いただければと思います。 今回はそのPyData NYCカンファレンスで私が発表してきたミニプロジェクトについてお話します。最近各所で話題に上がるディープラーニングですが、これを使った応用を「カメリオ」のサービス向上のために使えないか、というのがそもそものプロジェクトの着想でした。今回PyData Tokyoオーガナイザーとして、またディープラーニングで色々と面白い実験をしている田中さん（@a
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
Pokemon image classification with EfficientNet
CVPR 2020 Open Access Repository
FashNerd is under construction
Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification
Beyond Logos and Patterns: How We’re Training eBay’s AI to Understand Brands