効率的学習 / Efficient Training（メタサーベイ）
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/ Read less
Fashion Meets Computer Vision: A Survey
Fashion is the way we present ourselves to the world and has become one of the world's largest industries. Fashion, mainly conveyed by vision, has thus attracted much attention from computer vision researchers in recent years. Given the rapid development, this paper provides a comprehensive survey of more than 200 major fashion-related works covering four main aspects for enabling intelligent fash
"Item Recommendation from Implicit Feedback"の紹介 | | AI tech studio
AILab Creative Researchチームの富樫です。 このブログでは先月末にarxivに投稿された“Item Recommendation from Implicit Feedback”[1]という論文を軸に紹介しつつ、 周辺分野の話題について議論したいと思います。 この論文はitem推薦というタスクにおける手法の各種パラダイムの概観をコンパクトに解説した教科書的内容になっています。 著者はBayesian Personalized Ranking (BPR)[2]を開発したGoogle Research所属のSteffen Rendle氏であり、 長年この分野を開拓してきた権威の一人です。 元論文の内容は元論文を読めばわかることですし、 蛇足かもしれませんが、最近の研究との関連性や議論、個人的な感想などを示すことで、このブログが元論文に対する補足資料のようになることを目指した
Knowledge Graphs
In this paper we provide a comprehensive introduction to knowledge graphs, which have recently garnered significant attention from both industry and academia in scenarios that require exploiting diverse, dynamic, large-scale collections of data. After some opening remarks, we motivate and contrast various graph-based data models and query languages that are used for knowledge graphs. We discuss th
論文をググる技術｜まつーらとしお
大学では1年生を対象とした「日本語表現」という授業を担当しています。この授業ではレポートの書き方を中心に学ぶんですが，私のクラス（正確には非常勤を含め半数ぐらい）では後期に「自分で設定したテーマについて文献（新書・文庫・論文）を集め絞り込み，分かっていることをまとめ，どの文献・論点が特に重要かを論じる」というレポートを課しています。けっこう負荷も高い課題ですが工夫（主にいっしょに教材を作っている先生によるレベル調整）の甲斐もあってそれなりに運営できているんじゃないかと思います。ちなみに初期に授業内容や課題をまとめた論文も出しています。 こういった内容なのでテーマ設定や適切な文献を見つけることは非常に重要です。大学図書館のほうで授業1回を使って論文検索のガイダンスも実施しているのですが，そこでは論文検索システムの使い方と実習が中心で，どうすれば適切な論文を見つけられるかまでは教わりません。
効率的な教師データ作成(アノテーション)のための研究サーベイ - ABEJA Tech Blog
どうも緒方@conta_です。 みなさんAI頑張ってますか？ きっと昼はGPUサーバーを回して、夜は結果待ちでビールサーバーを回してる人が多いことでしょう。 機械学習を実際のプロダクトに活用する場合、自分が解きたいタスクがそのままオープンなデータセットで解決できることは少ないので、まず最初に課題となるのはデータセット作成です。 実際にカメラやセンサーを取り付けて収集したり、Webからクローリングしてきたり、事業会社であれば自社のデータセットに教師ラベルをつけることで新しいタスクに取り組むことが可能になるでしょう。 よく疑問になるポイントとして、データセットの量と質は、多ければ多いほど良く、高品質であれば高品質であるほど良いのですが教師データを作成するのは一苦労です。 ＊下記アノテーションの量や質について実験した結果がまとまってます tech-blog.abeja.asia もちろん少数デー
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
When Multimedia Meets Fashion
View of Fashion, Digital Technologies, and AI. Is the 2020 Pandemic Really Driving a Paradigm Shift? | ZoneModa Journal
fAshIon after fashion: A Report of AI in Fashion
From Word To Sense Embeddings: A Survey on Vector Representations of Meaning | Journal of Artificial Intelligence Research
https://www.semanticscholar.org/paper/A-Detailed-Review-of-Artificial-Intelligence-in-the-Giri-Jain/4d3b00da357bf8a4c8711468d92c5ffeb330bfd5
https://ieeexplore.ieee.org/ielx7/6287639/8600701/08763948.pdf?tp=&arnumber=8763948&isnumber=8600701&ref=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8=
The ubiquity of large graphs and surprising challenges of graph processing: extended survey - The VLDB Journal
A Survey on Knowledge Graph Embedding: Approaches, Applications and Benchmarks
Accessibility of Command Line Interfaces
The Seattle Report on Database Research – SIGMOD Record
Anomaly detection survey
(PDF) Online Controlled Experimentation at Scale: An Empirical Survey on the Current State of A/B Testing
2019 Annual Data Visualization Survey Results
https://sigmodrecord.org/publications/sigmodRecord/1203/pdfs/05.surveys.mami.pdf