終了 2020/03/24(火) 19:00〜 ML@Loft #11. 類似画像/テキスト検索 - オンライン開催決定! - 特徴抽出用ネットワークから最近傍探索、研究からシステム運用まで - shokout 他 オンライン
3つの要点 ✔️ Deepfake Detectorの脆弱性を検証 ✔️ Adversarial Example によって White-box/Black-box の両方で Deepfake Detector を無効化することに成功 ✔️ Adversarial Example に効果的とされる圧縮などの画像変換に対しても堅牢性の高いモデルを構築 Adversarial Deepfakes: Evaluating Vulnerability of Deepfake Detectors to Adversarial Examples written by Paarth Neekhara, Shehzeen Hussain, Malhar Jere, Farinaz Koushanfar, Julian McAuley (Submitted on9 Feb 2020 (v1), last re
cvpaper.challengeを皆さんはご存知ですか? この度、AI-SCHOLARはcvpaper.challengeのメディアパートナーとなりました。 cvpaper.challenge は CV (computer vision)分野のサーベイ・研究を実施する組織です。 サーベイメンバーは CVPR 2020 網羅的サーベイなどのトップ会議のサーベイを通した研究のトレンドの把握を行います。 研究メンバーは新しいトレンドを創るべく研究活動を行います。 2020年の目標は「Google Scholar TOP20 にリストアップされている国際会議 / ジャーナルに30本以上投稿すること」です!現在までに研究員に限らずポスドク・学生を中心としたプロジェクトで CVPR/ICCV/ICRA などのトップカンファレンスに投稿し、査読を突破して来ました。 今後さらに活動を加速させるためにも、
https://blog.tensorflow.org/2020/03/introducing-model-garden-for-tensorflow-2.html https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj6B548lJmA18SnsjhUT9rGoal-UoV7Afij6c2cY2nUhC0nGUZI6wfx2CMXjIYxJ0RX-8NBxgF0rqviDjkvyyQvH9qP5D2dwP6CIxzb084NxcbAHvGz5dxjM1gEPwHGr-PgwATBZZyNHD0/s1600/TF_FullColor_Icon.jpg March 31, 2020 — Posted by Jaeyoun Kim, Technical Program Manager, and Jing Li, Software
ごみ収集ルートを機械学習と量子コンピュータ(量子アニーリング方式)を用いて最適化すると、従来の総走行距離を約57%削減できる──AIモデル構築などのクラウドサービスを提供するグルーヴノーツ(福岡市)と三菱地所は3月30日、こんな計算結果を発表した。 三菱地所が東京・丸の内エリアで運営する26棟のビルから廃棄物を収集ルートを、グルーヴノーツのクラウドプラットフォーム「MAGELLAN BLOCKS」(マゼランブロックス)を使って最適化した。 マゼランブロックスは専門的な知識がなくても機械学習で予測モデルを作成できるクラウドサービス。カナダD-Wave Systemsの量子アニーリングマシン「D-Wave 2000Q」を利用して「組合せ最適化問題」を解くこともできる。 AIでごみ発生量を予測 量子アニーリングで収集ルートを最適化 収集ルートの最適化では、まず各ビルに入っているテナントの種類や割
「他人の心を読む」という超能力は、さまざまな小説や映画に登場しています。そんな「心を読む」という超能力を現実にするような、「脳に差し込まれた電極で検出した脳波を文章に変換する」というAIをカリフォルニア大学サンフランシスコ校の研究チームが開発しています。 Machine translation of cortical activity to text with an encoder–decoder framework | Nature Neuroscience https://www.nature.com/articles/s41593-020-0608-8 Scientists develop AI that can turn brain activity into text | Science | The Guardian https://www.theguardian.com/sci
論文: Emergent Tool Use from Multi-Agent Interaction 昨年 2019/09/17にOprnAIが出したかくれんぼ(hide and seek)強化学習論文を読んだので、備忘がてらブログにメモ。 メモなので、正確に書いていないことだけはご了承ください。。。 タイトルは"Emergent Tool Use from Multi-Agent Interaction" という論文。 かわいいagent君達がかくれんぼを学習していく様子からは想像つかないタイトルですね(小並) arxiv.org openai.com www.youtube.com また、「そもそも強化学習とは?」といった基礎的な話題は割愛させていただくことをご了承ください。。。 (余談) 白金鉱業fmのコンンツのために読んだ 白金鉱業fm という有志メンバーでのpodcastを定期的
Microsoftは3月30日(米国時間)、「Introducing Microsoft Editor – Bring out your best writer wherever you write - Microsoft Tech Community - 1247931」において、インテリジェントライティングアシスト機能を備えた「Microsoft Editor」を発表した。Microsoft Editorは2020年3月30日(米国時間)よりサービスの提供が開始され、一般公開は2020年4月末が予定されている。 Introducing Microsoft Editor – Bring out your best writer wherever you write - Microsoft Tech Community - 1247931 Microsoft Editorの機能が提供される
JupyterLabにビジュアルデバッガーが初搭載。ブレークポイント、変数の確認、コールスタックの調査などが可能に Jupyter Projectは、オープンソースの統合開発環境「JupyterLab」にビジュアルデバッガーを搭載したことを明らかにしました。 JupyterLabは、おもにデータ解析を実行するためにPythonやScala、Rなどのコードを打ち込んですぐに実行できる、シンプルでインタラクティブなコード実行環境である「Jupyter Notebook」をベースとし、ファイルブラウザやテキストエディタ、コンソールなどを統合した開発環境です。 今回、このJupyterLabに初めてデバッガが搭載されることになります。 デバッガを利用するには、デバッガ用のフロントエンドを拡張機能としてJupyterLabにインストールします。 デバッガの使い方は基本的にVisual Studioや
とあるきっかけで、環境音の認識(歩く音や雨の音、掃除機の音など)について、 論文を調べたので、メモとして残しておきます。 せっかくなので、精度向上の歴史を振り返る形式で、書いていきます。 データセット 精度の基準となるデータセットをご紹介します。画像の認識では、ImageNetという圧倒的な データセットがあり、性能評価で用いられます。 一方、音の認識はImageNetほど巨大ではありませんが、ESC-50というデータセットが あります。今回の基準となるESC-50の概要は以下のとおりです。 犬の鳴き声やドアのノック音など50種類、2000個の音源を収録 音源の長さは5秒間 精度評価をするときは、学習用とテスト用に分けて(5-foldなど)それぞれ評価 音の前処理 画像の前処理は、通常255で割れば良く、非常に簡単です。 一方、音の前処理は通常logmelを用います。logmelで処理する
はじめに 自分は元々pandasが苦手でKaggleコンペ参加時は基本的にBigQuery上のSQLで特徴量を作り、最低限のpandas操作でデータ処理をしていました。 しかし、あるコードコンペティションに参加することになり、pythonで軽快にデータ処理をこなす必要が出てきたので勉強しました。 そこで、当時の勉強メモをもとに「これだけ知っていればKaggleでそこそこ戦えるかな」と思っているpandasの主要機能をまとめました。 注記 実戦入門 のつもりが ほぼ辞書 になってしまいました orz pandasとはなんぞや的な内容は書いていません (import pandasやDataFrameとは何かなど) pandas1.0系でも動くように書いたつもりですが間違ってたらすみません 目次 はじめに 注記 目次 Options DaraFrame 読み書き CSVファイル 読み込み 書き出
こんにちは。AWS でアナリティクス領域のソリューションアーキテクトをしている志村です。普段は AWS をご利用いただいているお客様に対して、特にデータ活用や分析に関わる技術的な支援をさせていただいております。私を含めた AWS 社員 4 名で出版準備中のデータレイクの書籍をベースに、全 4 回でそのエッセンスをお伝えする連載の第 2 回をお届けします。今回のテーマは、データレイクのアーキテクチャです。 前回はデータレイクがどういうものか、一般的なデータベースやデータウェアハウスとどう違うのかについて説明しました。その中で、データレイクは「多様なデータを一元的に、大量に保存しておける場所」と言い表しました。しかし実際問題、データレイクを作るとしてどのようなアーキテクチャにすれば良いでしょうか ? またその上でどのような形でデータを活用することができるでしょうか ? そこで今回は、データレイ
こんにちは。今回から 4 回の予定でデータレイクについての連載をスタートします。現在データレイクの書籍を 4 名で執筆中なのですが、そこからエッセンスとなるポイントを抜き出し、builders.flash を読んでいただいている皆様にコンパクトにお届けします。第一回は「データレイクってなに?」です。 データレイクを一言で表すならば、多様なデータを一元的に、大量に保存して置ける場所です。データベースに入っているような構造化されたデータも、ソーシャルメディアのメッセージも、画像や音声ファイルも一箇所に集めたデータ置き場という意味です。 これを読んでいる皆様は「データベースでは駄目なの ?」と思われるかもしれませんね。巨大なデータを扱うという意味ではデータウェアハウスもありますが、これとはどう違うのでしょうか? 今回はデータレイク理解の最初の一歩として、データレイクは、データベースやデータウェア
こんにちは、機械学習ソリューションアーキテクトの大渕です。 前回の記事で、スマートフォンに大量に保存されている猫の写真から特定の猫が写っている写真をピックアップしたいときってありますよね ! と力説いたしました。続けて、機械学習を使って画像分類すれば良いじゃないか ! というご提案をし、Amazon SageMaker Ground Truth というサービスを使って、画像のラベリングをする方法をご紹介したのですが、みなさまお楽しみいただけましたでしょうか。(まだの方は、ぜひご覧ください) 中編となる今回は、前回ラベリングした結果を教師データとして、Amazon Rekognition というサービスの Custom Labels という機能を使って、「うちの猫を見分ける機械学習モデル」を作る方法をハンズオン形式でご紹介したいと思います。教師データを作る際にみなさま自身の猫さんの画像を使っ
こんにちは、機械学習ソリューションアーキテクトの大渕です。 私は猫を 2 匹飼っているのですが、スマートフォンの中には猫の写真が大量に溜まっています。たまに、「こっちの猫の写真だけピックアップして見たい !」と思うときがありまして、もしかしたら他のみなさまもそんなことがあるんじゃないかと想像しています。 そんなときに機械学習を使うと、写真に写っているのがどの猫なのかを自動で識別することができます。このような用途で使用する機械学習モデルを、「画像分類モデル」「シーン分類モデル」と言います。今回は、1 枚の写真に猫が1匹だけ写っていることを想定しているので画像分類モデルを使いますが、もし複数の猫が写っている写真に対してどの猫がどこに写っているのかを知りたい場合は「物体検知モデル」を使います。 今回は、こちらのタマとミケを見分けることを目標にします。 機械学習で猫の写真を分類する場合、以下のよう
Posted by Yannick Assogba, Software Engineer, Google Research, Brain team We are pleased to announce that TensorFlow.js for React Native is now available for general use. We would like to thank everyone who gave us feedback, bug reports, and contributions during the alpha release and invite the broader community of React Native developers to try it out! What is React Native?JavaScript runs on a wi
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