GitHub - DeNA/SRCNNKit: CoreML and Keras implementation of Super-Resolution Convolutional Neural Network (SRCNN)You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Deep learning in production with Keras, Redis, Flask, and Apache - PyImageSearch
APIs Deep Learning Keras and TensorFlow by Adrian Rosebrock on February 5, 2018 Shipping deep learning models to production is a non-trivial task. If you don’t believe me, take a second and look at the “tech giants” such as Amazon, Google, Microsoft, etc. — nearly all of them provide some method to ship your machine learning/deep learning models to production in the cloud. Going with a model deplo
Google、CNNを用いて人物などの前景と背景を分離するモバイルベースのリアルタイムビデオセグメント技術を発表。YouTubeに統合
Google、CNNを用いて人物などの前景と背景を分離するモバイルベースのリアルタイムビデオセグメント技術を発表。YouTubeに統合 2018-03-02 Googleは、CNN（Convolutional neural network）を用いて人物などの前景と背景をリアルタイムに分離できる新しいセグメンテーション技術を発表しました。 本技術は、モバイルで撮影した人物と背景を分離し、背景を自由に変えることを可能にする軽量ビデオフォーマットです。クロマキー合成のように特殊な機材などを使用することなく、モバイルベースで手軽に行うことができます。 この機能は、YouTubeにおいて動画をスマートフォンなどで撮影/編集/投稿するストーリーフォーマットに統合され、機能の一つとして利用することが可能になります。 機械学習も用いており、背景から前景を分離するなどの計算処理能力を上げるため、CNNアーキ
GAN (敵対的生成ネットワーク) チュートリアル @ NIPS 2016 まとめ - Ian Goodfellow
Ian Goodfellow による、GAN (Generative Adversarial Network; 敵対的生成ネットワーク) のチュートリアル。 Goodfellow 氏は GAN のそもそもの生みの親であり、教科書「Deep Learning」の著者としても有名。 ２時間と、とても長い盛りだくさんのチュートリアルだが、分かりやすく、具体例やコツなどの満載なので、とても参考になる。 生成モデリング 訓練データから確率分布の表現を得る 密度推定 サンプル生成 なぜ生成モデルを研究するか これまでの機械学習 １つの入力に対して１つの出力 高次元確率分布は重要な対象 強化学習の未来、計画をシミュレーションできる 欠損値の扱い、半教師あり学習 マルチモーダル出力 例：ビデオの次のフレームを予測 多くの可能性があるので、ぼやけた画像になってしまう 画像超解像技術 iGAN → 人間が線画
Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
Spatial pyramid pooling module or encode-decoder structure are used in deep neural networks for semantic segmentation task. The former networks are able to encode multi-scale contextual information by probing the incoming features with filters or pooling operations at multiple rates and multiple effective fields-of-view, while the latter networks can capture sharper object boundaries by gradually
米国AMD社製GPUベースのDeep Learningクラウドをローンチ
米国AMD社製GPUベースのDeep Learningクラウドをローンチ第二弾 NVIDIA社製GPUを搭載したビギナー、予測・推論向けの低価格クラウドを発表 2018年3月1日：米国スタートアップ Pegara, Inc.(読み：ペガラインク、本社：米国デラウェア州、共同創業者兼CEO：市原 俊亮)は、米国AMD社製GPUベースのDeep Learningクラウドを同社クラウドサービスであるGPU EATER( https://gpueater.com/ )を通じて正式に提供開始します。また、第二弾としてNVIDIA社製GPUを搭載した予測・推論およびビギナー向けの低価格クラウドを2018年4月1日から開始することを発表し、本日より先行予約を受付開始します。 画面キャプチャ Amazon Web Services(以降、AWS)を始めとする大手クラウド各社はDeep Learningの需
Efficient Neural Audio Synthesis
Sequential models achieve state-of-the-art results in audio, visual and textual domains with respect to both estimating the data distribution and generating high-quality samples. Efficient sampling for this class of models has however remained an elusive problem. With a focus on text-to-speech synthesis, we describe a set of general techniques for reducing sampling time while maintaining high outp
Daisuke Okanohara on Twitter: "GANの作者であるGoodfellow がGANの論文たくさんあって何から追えばいいかわからない人向けに10個の論文を推薦しています。理論、符号化、差分プライバシー、高精細、多クラス、条件付けなど https://t.co/M3DhTqQbOL"
GANの作者であるGoodfellow がGANの論文たくさんあって何から追えばいいかわからない人向けに10個の論文を推薦しています。理論、符号化、差分プライバシー、高精細、多クラス、条件付けなど https://t.co/M3DhTqQbOL
Deep Learning, Structure and Innate Priors | Abigail See
Earlier this month, I had the exciting opportunity to moderate a discussion between Professors Yann LeCun and Christopher Manning, titled “What innate priors should we build into the architecture of deep learning systems?” The event was a special installment of AI Salon, a discussion series held within the Stanford AI Lab that often features expert guests. This discussion topic – about the structu
List of Free Must-Read Machine Learning Books
Machine learning is an application of artificial intelligence that gives a system an ability to automatically learn and improve from experiences without being explicitly programmed. In this article, we have listed some of the best free machine learning books that you should consider going through (no order in particular). Mining of Massive DatasetsAuthor: Jure Leskovec, Anand Rajaraman, Jeff Ullma
Automatic Spine Segmentation using Convolutional Neural Network via Redundant Generation of Class Labels for 3D Spine Modeling
There has been a significant increase from 2010 to 2016 in the number of people suffering from spine problems. The automatic image segmentation of the spine obtained from a computed tomography (CT) image is important for diagnosing spine conditions and for performing surgery with computer-assisted surgery systems. The spine has a complex anatomy that consists of 33 vertebrae, 23 intervertebral dis
ニューラルネット版「トロイの木馬」がAIの時限爆弾になる可能性
ニューズラインエマージング・テクノロジーの最新情報をお届け。 Bomb by anbileru adaleru | Noun Project. Neural network | Wikimedia. AI time bombs could sneak cyberattacks past watchful eyes ニューラル・ネットワークの内部に隠された悪意のあるコードが、後々になって画像認識アルゴリズム乗っ取ってしまう可能性がある。 画像認識AIを騙すのはそれほど難しくない。たとえば、サイバー攻撃によって、自動運転自動車に停止標識を無視するように仕向けたりすることもできる。だからもし、マルウェアがアルゴリズムに織り込まれ、混乱を引き起こすように事実上プログラムされてしまったとしたら、どうなるのだろうか？ 新たに発表された論文では、悪意のあるコードが潜むことで、信頼できるニューラル・ネット
ブロックチェーン・量子コンピュータ・人工知能のおさらいと共進化について - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? おはようございます。 スイスはジュネーブの多国籍企業でハードウェア製品のプロダクトマネージャーをやっている傍ら、趣味で人工生命や創発・進化の研究をしている @lucas29liao です。 本職は2児のパパです。 生命の進化と技術の進化に類似点があると感じることが多くなり、最近話題になることの多いブロックチェーン、量子コンピュータ、人工知能の共進化にまつわる素材を備忘録にまとめてみました。 上記技術の関係者にとっては新鮮味のない自明の投稿かと思いますし、肝心の箇所の考察ができていなかったりするのですが、おさらいという意味合いで書いていき
Towards Accurate Binary Convolutional Neural Network
We introduce a novel scheme to train binary convolutional neural networks (CNNs) -- CNNs with weights and activations constrained to {-1,+1} at run-time. It has been known that using binary weights and activations drastically reduce memory size and accesses, and can replace arithmetic operations with more efficient bitwise operations, leading to much faster test-time inference and lower power cons
L4: Practical loss-based stepsize adaptation for deep learning
We propose a stepsize adaptation scheme for stochastic gradient descent. It operates directly with the loss function and rescales the gradient in order to make fixed predicted progress on the loss. We demonstrate its capabilities by conclusively improving the performance of Adam and Momentum optimizers. The enhanced optimizers with default hyperparameters consistently outperform their constant ste
A Promenade of PyTorch
For the past two years, I’ve been quite heavily invested in TensorFlow, either writing papers about it, giving talks on how to extend its backend or using it for my own deep learning research. As part of this journey, I’ve gotten quite a good sense of both TensorFlow’s strong points as well as weaknesses – or simply architectural decisions – that leave room for competition. That said, I have recen
The AI superstars at Google, Facebook, Apple—they all studied under this guy
Mr. Robot Geoffrey Hinton spent 30 years hammering away at an idea most other scientists dismissed as nonsense. Then, one day in 2012, he was proven right. Canada’s most influential thinker in the field of artificial intelligence is far too classy to say I told you so By Katrina Onstad | Photograph by Daniel Ehrenworth | January 29, 2018 For more than 30 years, Geoffrey Hinton hovered at the edges
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
Amazon.co.jp: ゼロから作るDeep Learning ❷ ―自然言語処理編: 斎藤康毅: 本
Pegara、AMD製GPUベースのDeep Learningクラウドを正式提供開始
GitHub - oreilly-japan/deep-learning-from-scratch-2: 『ゼロから作る Deep Learning ❷』(O'Reilly Japan, 2018)
