DEEP LEARNING LAB | DLLAB DAY 2018
DLLAB DAY 2018 基調講演者変更のご案内 6 月 18 日に発生しました大阪地震により被災や被害にあわれた皆様へ心よりお見舞い申し上げます。 さて、 本イベントの基調講演者でございますが、カーネギーメロン大学 金出武雄先生から東京工業大学 松岡聡先生に変更をさせていただきます。 金出先生のご自宅が大阪地震の被害を受けており、余震が継続して発生している状況など現地の諸状況を鑑み、変更することにいたしました。 お申し込みいただき、金出先生のご講演を大変楽しみにされていた皆様には、前日のご案内となり大変ご迷惑をおかけいたしますこと、深くお詫び申し上げますとともに、 何卒ご理解を賜りますようお願い申し上げます。 深層学習の実用化に向けて 研究・事例・テクノロジーの 全てを知るカンファレンス 研究 事例 テクノロジー 業種一覧 製 造 金 融 流 通 インフラ 放 送 医 療 日本で最も
How Attractive Are You in the Eyes of Deep Neural Network?
A couple of months ago, South China University published a paper and a dataset about “Facial Beauty Prediction”. You can find it here. The data set includes 5500 people that have a score of 1 through 5 of how attractive they are. Here are some examples from the paper: There are also several famous people in the set. This Julia Robert’s photo got an average score of 3.78: These may look like low sc
Deep Watershed Transform for Instance Segmentation
Most contemporary approaches to instance segmentation use complex pipelines involving conditional random fields, recurrent neural networks, object proposals, or template matching schemes. In our paper, we present a simple yet powerful end-to-end convolutional neural network to tackle this task. Our approach combines intuitions from the classical watershed transform and modern deep learning to prod
Google I/O 2018で発表されたActions on Google関連の新機能
Google I/O 2018で発表されたActions on Google関連の新機能 Written on May 10, 2018. Posted in actions on google 現在Google I/O 2018が開催されています。既に2日目が終わっていますが、例年このI/Oのタイミングに合わせて数多くの新しいことが登場します。 もちろん、Googleアシスタント関連でも、多くの発表がありました。 Keynoteを見ていた方は、Google Duplexでのあの「人間と機械の会話」にびっくりしたと思います。もう、人間の会話力の方が低いのでは？と 言わざるを得ないデモでしたね。下にある動画で、その会話のデモを実際に目にしてください。衝撃です。 その他にも、Keynoteでは以下がありました。 Continued Conversation（毎度毎度「Ok Google」と言わ
AIを実現するディープラーニング統合開発環境クラウドで複数GPUによる高速学習サービスの提供開始
報道資料 ここに掲載されている情報は、発表日現在の情報です。 検索日と情報が異なる可能性がございますので、 あらかじめご了承ください。 2018年5月9日 人工知能（AI）を実現するディープラーニング（深層学習）の統合開発環境Neural Network Console、クラウドサービスで複数GPUによる高速学習サービスの提供を開始 ソニー株式会社 ソニーネットワークコミュニケーションズ株式会社 ソニーはディープラーニング（深層学習）のプログラムを生成できる統合開発環境「コンソールソフトウェア：Neural Network Console」のクラウドサービスで複数GPUによる高速学習サービスの提供を本日より開始しました。 2017年6月にオープンソース化したディープラーニング開発のためのコアライブラリ「Neural Network Libraries」に続き、同年8月に無償提供を開始したコ
初心者の初心者による初心者のためのニューラルネットワーク#1〜理論：順伝播編〜 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 機械学習初心者でも、ニューラルネットワーク(neural network : NN)について理解しなければならない日がいつか来る。なので初心者代表の私が、ニューラルネットワークについて初心者なりに分かりにくいところなどを含め解釈したものをまとめてみました。 加筆修正のコメント等あれば、遠慮なく教えてください。 『3.1.ニューラルネットワークとは』『3.3. ニューラルネットワークによって何ができるのか』を少し軽く読んでから頭から読むとより分かりやすいかもしれません。 1. なぜ人はニューラルネットワークを学ぶのか 今や日常生活の様々な
大阪大学、植物を複数方向から撮影した画像から、葉などに隠れた枝構造も正確に再現するDeep learningを用いた手法を発表
大阪大学、植物を複数方向から撮影した画像から、葉などに隠れた枝構造も正確に再現するDeep learningを用いた手法を発表 2018-05-09 大阪大学産業科学研究所の大倉史生助教らの研究グループは、植物を複数方向から撮影した画像から、植物の3次元「枝構造」を正確に再現する手法を発表しました。 論文：Probabilistic plant modeling via multi-view image-to-image translation 著者：Takahiro Isokane, Fumio Okura, Ayaka Ide, Yasuyuki Matsushita, Yasushi Yagi 本稿は、Deep learningの技術を用いて、葉などに隠された枝の存在確率を推定し3次元復元することにより、見えない部分も含めた枝の構造を正確に再現することを提案します。 具体的には、各画
FizzBuzz Zero ―― 人類の知識なしでFizzBuzzをマスターする
プログラム問題としてあまりにも有名になってしまったので、今ではあらゆる言語のFizzBuzzがそろっています。面白いですね。 深層学習 で FizzBuzz この記事の読まれている大半の方は、FizzBuzzを書くのにあまり苦労しないでしょう。 しかし、あなたが何かの拍子でプログラムの書き方を忘れてしまったらどうでしょう？ 心配する必要はありません。そういうときこそAIの出番です。 最近は空前の人工知能ブームで、猫も杓子もDeep Learningです。 実際、Deep LearningによるFizzBuzzは、いくつも先例があります。 Fizz Buzz in Tensorflow TensorFlowコトハジメ Fizz-Buzz問題 Kerasでfizzbuzz問題を解いてみる 実装方法にはバリエーションがありますが、基本的には 入力は直前の数値 or 文字列 出力は「数値」「Fiz
ITスキルの習得から転職までを総合的にサポートする「iStudy ACADEMY」
アイスタディは5月8日、先端スキル習得のための講座と転職支援を組み合わせた総合サービス「iStudy ACADEMY」を開始した。受講者の料金は35万円（一定レベル以上の知識・経験保有者には基礎講座の一部受講免除・授業料減免あり）。 同社は1997年のラーニングサービス提供開始から、2000社以上・約100万人の技術者を中心とした人材育成を支援してきた実績を持つ。今回開始したiStudy ACADEMYは、単なるスキルアップを目的とした講座ではなく、企業で即戦力として活躍できる高度な技術を身につけ、キャリアアップを実現することを目的としたサービスだ。 同社が培ったコンテンツ制作、研修のノウハウを生かし、IoTやビッグデータ、AIなどの技術を分かりやすく身につけられるほか、企業が求める具体的なスキルを効率的に最短で身につけることで、即戦力としてキャリアアップ、転職が可能になるとしている。 一
サムネイル画像に対するテキスト認識の性能比較について (Pytesseract / Google Cloud Vision API / Amazon Rekognition) - Gunosyデータ分析ブログ
こんにちは。データ分析部アルバイトの北田 (@shunk031) です。好きな食べ物は畳み込みニューラルネットワークです。 はじめに Gunosyでは広告を出稿する際に使用するサムネイル画像や広告画像において、テキストが占める割合の多い画像を把握したいといったニーズがあります。 Facebookの広告ポリシー*1では、広告内のテキストが過剰であるときに配信数が減ってしまったり、まったく配信されなくなる場合があるようです。 通常、画像から文字を読み取るOCR技術を利用することで前述のニーズを満たすことができそうです。 OCRを利用するにはPythonから使えるpytesseractや、Google Cloud Vision API、Amazon RekognitionといったクラウドベースのAPIを用いる方法があります。 これらpytesseract、Google Cloud Vision
30+ Best Practices
To intermediate/expert level deep-learning researchers, this course will appear like a 101 course which has more to do with breadth rather than depth. But, for university students like me, who are not new to Deep Learning, the excellence of this course lies in something else. This 15 hours course has added secret weapons to my arsenal which I could not find anywhere else. I am sharing a curated li
Yuta Kashino on Twitter: "Deep Learning For Coders—36 hours of lessons for free https://t.co/G7c0Fp9cJZ ジェレミー・ハワード氏のhttps://t.co/VqbrDARuJmが公… https://t.co/4F5U2hOwKH"
Deep Learning For Coders—36 hours of lessons for free https://t.co/G7c0Fp9cJZ ジェレミー・ハワード氏のhttps://t.co/VqbrDARuJmが公… https://t.co/4F5U2hOwKH
Launching Cutting Edge Deep Learning for Coders: 2018 edition · fast.ai
Launching Cutting Edge Deep Learning for Coders: 2018 edition Written: 07 May 2018 by Jeremy Howard About the course Today we are launching the 2018 edition of Cutting Edge Deep Learning for Coders, part 2 of fast.ai’s free deep learning course. Just as with our part 1 Practical Deep Learning for Coders, there are no pre-requisites beyond high school math and 1 year of coding experience—we teach y
Realistic Evaluation of Deep Semi-Supervised Learning Algorithms
Semi-supervised learning (SSL) provides a powerful framework for leveraging unlabeled data when labels are limited or expensive to obtain. SSL algorithms based on deep neural networks have recently proven successful on standard benchmark tasks. However, we argue that these benchmarks fail to address many issues that these algorithms would face in real-world applications. After creating a unified r
Advancing state-of-the-art image recognition with deep learning on hashtags
Advancing state-of-the-art image recognition with deep learning on hashtags Image recognition is one of the pillars of AI research and an area of focus for Facebook. Our researchers and engineers aim to push the boundaries of computer vision and then apply that work to benefit people in the real world — for example, using AI to generate audio captions of photos for visually impaired users. In orde
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
ログイン - はてな
AI at Meta
https://zhuanlan.zhihu.com/p/28475866
GitHub - pytorch/glow: Compiler for Neural Network hardware accelerators
GitHub - keras-rl/keras-rl: Deep Reinforcement Learning for Keras.
