3つの要点 ✔️ ついにTransformerを物体検出に応用 ✔️ End-to-endなモデルを実現し、人手による設計を削減 ✔️ 物体検出を直接的な集合予測問題として再定義 End-to-End Object Detection with Transformers written by Nicolas Carion, Francisco Massa, Gabriel Synnaeve, Nicolas Usunier, Alexander Kirillov, Sergey Zagoruyko (Submitted on 26 May 2020 (v1), last revised 28 May 2020 (this version, v3)) Comments: Published by arXiv Subjects: Computer Vision and Pattern Reco

この記事では、DeNAでのコンピュータービジョン関連の機械学習のためのデータ生成処理方法について説明します。 主に、内製のアノテーションシステム「Nota」の開発とそのシステムと全体のMLワークフローに統合する方法について取り上げます。現在のソリューションに到達するため、私たちが行ったいくつかの決断、および解決しなければならなかった課題について説明します。 はじめまして、アラマ・ジョナタンです。現在DeNAのシステム本部で、分析推進部ソリューションエンジニアリンググループとAIシステム部MLエンジニアリンググループを兼務しているメンバーです。小さいチームでデータ関連の課題を解決するためのアプリケーションやツールの開発と運用をしています。 正確なデータを取得する問題 近年、AIには多くの進歩があり、それらの多くはコンピュータビジョンに関連しています。コンピュータは画像や動画にある内容を理解で

写真素材の販売などを手掛けるイメージナビは6月8日、AIが実在しないモデルの画像を生成するサービス「INAI MODEL」を始めた。画像を購入した企業は、架空のモデルをWeb広告やポスターなどに起用できる。モデルとの契約期間を気にせず永久に画像を使える他、モデルがスキャンダルを起こすリスクがなく、差し替えが発生しないのが特徴。 当初は若い女性の画像のみ生成・販売し、今後は男性やシニアにも対応する予定。同じモデルが異なるポーズをとっている画像や、異なるモデルが同じポーズをとっている画像なども生成できる。著名人に似せたモデルは作成しない。 サービス開発にはAIベンチャーのデータグリッドが協力。画像を生成するAIと画像を評価するAIを敵対させ、精度を向上させる技術「GAN」（敵対的生成ネットワーク）を利用する。 モデル画像を生成する際は、イメージナビが利用許諾を得た上で実在する人物の写真を撮影。

連載目次 本連載では、第1回～第3回で、ニューラルネットワークの仕組みと、TensorFlow 2.x（2.0以降）による基本的な実装コードを説明した。また、第4回～第6回で、TensorFlow 2の書き方をまとめた。さらに前回（第7回）では「回帰問題」についてあらためて取り上げ、これまでの連載記事で学んできた知識だけでも「基本的なディープ ニューラル ネットワーク」（以下、DNN）の実装が十分かつ自由に行えることを体験していただいた。 これをもっと続けよう。あとは、ディープラーニングの実装パターンを繰り替えしながら、慣れていくだけである。数をこなせばこなすほど、最初は「難しい」「分からない」と思っていた部分はなくなっていく（最初は覚えることが多いが、覚えることが減っていけば、それだけディープラーニングが楽になり、より好きになるはずだ）。さっそく始めよう。 今回の内容と方針について 分類

Pythonエンジニア育成推進協会は6月8日、Python次期試験「Python 3 エンジニア認定データ分析試験」を全国のオデッセイコミュニケーションズCBTテストセンターで開始すると発表した。 同試験は、Pythonを使ったデータ分析の基礎や方法を問う内容となっており、翔泳社『Pythonによるあたらしいデータ分析の教科書』を主教材としている。昨年にベータ試験が実施されたが、その際の総受験者数は437名のところ、合格者数が357名となっている。 「Python 3 エンジニア認定データ分析試験」の出題範囲 「Python 3 エンジニア認定データ分析試験」の例題 「Python 3 エンジニア認定データ分析試験」例題 受験料金は一般が1万円、学生・教員が5000円（いずれも税別）。受験チケットと主教材をセットにして割引きで販売するキャンペーンも実施する。 既に、文法基礎を問う「Pyth

問1:ロジスティック回帰を行うためにデータを書き換えよ ロジスティック回帰では目的の分類クラスを1,0に変換することで、クラスを確率として扱う。 1=100%として考えることで、0~1までの数値の回帰によってクラス分類を達成する。 そのため以下のように書き換えた。 また、切片項を使用しないので、事前に得られている平均値から各データを引いておく。 sex height 問2：1から0までの値で出力するための変換関数(シグモイド関数)を書け ロジスティック回帰ではシグモイド関数によって1から0の間に値を変換する。 数式に苦手感を感じる人はexp(x)という記号が2.718のx乗だと考えてくれればいい。 関数として描画すると以下のような形になる。 問3：ロジスティック回帰の尤度関数から負の対数尤度関数までの流れを記述せよ まずロジスティック回帰ではシグモイド関数に 男の時(sex = 1)のデー

はじめに もしかして 「え？MATLAB で言語処理やるの？？」と思いました・・？（5回目） 言語処理 100 本ノック 2020 で MATLAB の練習をするシリーズ。今回は 第6章: 機械学習 50-54 の続きです。 一部都合よく問題文を読み替えていますがご容赦ください。気になるところあれば是非コメントください。 実行環境 MATLAB R2020a (Windows 10) Text Analytics Toolbox Statistics and Machine Learning Toolbox Livescript 版（MATLAB）は GitHub: NLP100-MATLAB1 に置いてあります。そしてノックを一緒にやってくれる MATLAB 芸人は引き続き募集中です！詳細は GitHub の方で。 他章へのリンク 第 1 章: 準備運動 第 2 章: UNIX コマンド

株式会社日立ソリューションズ・テクノロジー（旧：日立超LSIシステムズ）（以下、当社）は、独自のディープラーニング技術を用い、単眼カメラの入力画像から自動車、人物、白線などの物体を検出し、物体までの距離を測距する技術を開発した。これを用いた「画像認識ソリューション」を2018年6月より提供開始している。 安価な小型の組込み向けGPU（Graphics Processing Unit）モジュール（Jetson TM TX2）と単眼カメラを組み合せ、リアルタイムな物体検出および測距を実現し、高度な認識技術を必要とする人工知能型アプリケーション開発を支援していく。 開発の経緯 近年、人工知能による映像・画像の解析技術や、ディープラーニングによる人に近い視認性をもつ画像認識技術は、周辺環境の安全性把握や障害物検知などが必要とされる監視カメラ、自動運転やロボティクスなどの様々な分野で実用化されている

TensorFlow models are programs. これは、著名な機械学習プラットフォームであるGoogle TensorFlowの「Using TensorFlow Securely」の冒頭に記載されている文言です。 TensorFlowには、学習済みの機械学習モデル（以下、分類器）をファイルに書き出す、または、学習済み分類器をファイルから読み込む機能が備わっています。これにより、一度学習して作成した分類器の再利用や、分類器の第三者への配布を可能にしています。しかし、もし第三者から提供された学習済み分類器が悪意を持って作られていたらどうでしょうか？ TensorFlowの学習済み分類器には、学習済みの重みやバイアス、Optimizerなどを含めることができるほか、Lambdaレイヤを使用することで任意の関数をも含めることができます。当然ながら、任意の関数には任意のコードを記述

ソシオネクストは2020年5月12日、Foxconn Technology Group（Foxconn）、Hailoと共同で、エッジ向け次世代AI（人工知能）映像解析ソリューションの提供を開始した。スマートシティー、スマート医療、スマートリテール、産業用IoT（IIoT）において、リアルタイムで電力効率の高いスタンドアロンのAI画像処理を提供する。 新製品は、Foxconnの高密度、ファンレス、高効率のエッジAI向けサーバ「BOXiedge」に、ソシオネクストのマルチコアプロセッサ「SynQuacer SC2A11」、Hailoの深層学習プロセッサ「Hailo-8」を搭載。SC2A11は、「ARM Cortex-A53」を24コア搭載し、Hailo-8は最大26TOPS（Tera Operations Per Second）の処理能力が特長だ。 20台以上のストリーミングカメラの入力映像に

Preferred Networksは、PyTorchを用いた深層学習の研究開発をサポートする「pytorch-pfn-extras」ライブラリをオープンソースソフトウェアとして公開するなど、PyTorchコミュニティーとの連携強化について発表した。 Preferred Networks（PFN）は2020年5月12日、PyTorchコミュニティーとの連携強化について発表した。 PyTorchは、プログラミング言語「Python」向けのオープンソース機械学習ライブラリ。同社は今回、PyTorchを用いた深層学習の研究開発をサポートする「pytorch-pfn-extras」ライブラリをオープンソースソフトウェア（OSS）として公開した。 pytorch-pfn-extrasは、Chainerの中で特に役立つ機能をPyTorch向けに再実装したものだ。ChainerからPyTorchに深層学

はじめに 機械学習の分野でDeep Learningがその地位を揺るがぬものにして久しくなりました。 今回はその性能と汎用性の高さから、様々な分野で応用が進んでいるDeep Metric Learningについて、簡単なまとめといくつかのデモを紹介していきたいと思います。 手書き文字認識と、手書き文字認識だけでは面白くないので異常検知もやります。 Deep Metric Learning Metric Learningとは「距離学習」と言われる手法で、入力データの特徴量空間から、データの類似度を反映した特徴量空間への変換(写像)を学習する手法です。 一言で言うと、 同じクラスに属するデータは近く 異なるクラスに属するデータは遠く なるような特徴量空間への変換を学習します。 クラス分類などにおいて、距離が近すぎて分類が困難なケースでも、同じクラスは距離が近く、違うクラスは距離が遠く」なるよう

数千円でオールインワンAI+IoT #おてがるAIボード イベント録画 HuskyLens(DFRobot), M5StickV, Sipeed Maixシリーズなど ZoomとYoutube Liveでオンラインイベントを行いました スイッチサイエンスの高須 @tksです。 6月6日土 19:30- 、オンラインで #おてがるAIボード というイベントを行いました。 ■イベント趣旨 昨年頃から、おてがるなAIボードがブームになっています。 HuskyLens(DFRobot) 5,951円 M5StickV(M5Stack) 3,080円 Maix M1 Dock(Sipeed) 3,300円 （ABC順、価格はいずれもスイッチサイエンス） などです。これら数千円のボードは、カメラモジュールも液晶もあらかじめついていて、これだけ買ってくればAI・エッジIoTを使って楽しめます。 3300

はじめに 自然言語処理の問題集として有名な言語処理100本ノックの2020年版が公開されました。 この記事では全100問のPythonによる解答例を紹介します。間違いやより良い方法など、お気づきの点があればぜひお気軽にコメントください。 本編は以下のリンク先に移転しました。 https://amaru-ai.hatenablog.com/entry/2022/10/15/204035

機械学習システムの信頼性を数値化し、技術的負債を解消する論文「 The ML Test Score: A Rubric for ML Production Readiness and Technical Debt Reduction」 2020-04-25 [抄訳] What’s your ML test score? A rubric for ML production systemsで紹介した論文の続編があったので読んでみました。 注意)この翻訳記事は原著論文の著者陣からレビューはされていませんShunya Ueta, are providing a translation and abridgment, which has not been reviewed by the authors.Change log2021/02/03ML Test Score を簡単に計算できるGoogl

RT @gijigae: スタンフォード大学の @AndrewYNg 先生が伝授してくれる論文の読み方と機械学習においての進路ガイダンス。１時間を超える授業ですが学部から博士課程にいる全ての学生さんに見てもらいたい講義です👨‍🏫。 📺https://t.co/Z52LLV47…