2017年～2018年4月までのディープラーニングを用いたText to speech手法まとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 2017年～2018年4月までのディープラーニング(Deep Neural Network)を用いたText to speech手法をまとめました。 Text to speech(TTS)とは TTSとは、文章を入力し音声に変換して出力する技術のことです。 TTSのソフトウェアとしては、VOICELOIDや、「ゆっくり」こと棒読みちゃんが有名です。 既存のソフトウェアのほとんどはDNNを用いずに音声を合成していますが、近年ではDNNによるTTSが盛んに研究されています。 TTS手法の概要 DNN以前のTTSでは、次の図のように「テキスト
OpenCV 以外の場所にある深層学習ベースの顔検出を調査中 - Qiita
OpenCV 以外の場所にある深層学習ベースの顔検出 を別記事にしました。 学習済みのファイルが提供されているものもあれば、そうでないものもあります。 論文に関連付けられてあるものもあれば、そうでないのもあります。 Tensorflow Face Detector Effect 以下のYouTubeをみるように言っています。 https://www.youtube.com/watch?v=gw4CVz7SPEs&feature=youtu.be 手順の補足： Know Issue Please view that issue here if your output video is blank. A brief reminder is: check the input codec and check the input/output resolution, since this part
How to build a Recurrent Neural Network in TensorFlow (1/7)
Dear reader, This article has been republished at Educaora and has also been open sourced. Unfortunately TensorFlow 2.0 changed the API so it is broken for later versions. Any help to make the tutorials up to date are greatly appreciated. I also recommend you looking into PyTorch. In this tutorial I’ll explain how to build a simple working Recurrent Neural Network in TensorFlow. This is the first
World Models
We explore building generative neural network models of popular reinforcement learning environments. Our world model can be trained quickly in an unsupervised manner to learn a compressed spatial and temporal representation of the environment. By using features extracted from the world model as inputs to an agent, we can train a very compact and simple policy that can solve the required task. We c
論文を読んで身につくこともある - 武蔵野日記
午前中は最先端論文紹介ということで2本紹介してもらう。 A. Conneau, G. Lample, L. Denoyer, MA. Ranzato, H. Jégou. Word Translation Without Parallel Data. ICLR 2018. こちら、ちゃんと読んだのは初めてだったが、パラレルコーパスがなくても単語の翻訳ができるという話で一時話題になった論文である（その後、単語じゃなく普通の文も翻訳できる、という展開があるのだが）。 読んでみると、基本は Mikolov et al. (2013) のやり方で二言語の単語埋め込みを学習したあと、相互 k 近傍グラフを使ったり、グラフにおけるハブの問題の対処のために平均を引いて cos 類似度を取ったりしつつ、（恐らく語順がかなり似ている言語でないとうまくいかない）ヒューリスティックでなんとか単語翻訳をできるよう
DeLTA-Family サービス終了のお知らせ | LeapMind inc.
LeapMindは、2018年より本サービス群を提供して参りましたが、新たなサービスへの移行などにより、今後も安定的にサービスを提供する事が難しく、ご利用状況を鑑みサービスを終了させていただきます。 記 提供終了サービス: DeLTA-Family (DeLTA-Lite, DeLTA-Mark, DeLTA-Kit, Modelite※) サービス終了日: 2020年5月31日 本件お問い合わせ先: 電話番号: 03-6696-6267 メール: info+delta@leapmind.io ※ DeLTA-Kitと一緒にModeliteをご購入頂いたお客様向けに関しましては、Modelite (https://modelite.leapmind.io )上で、サービス終了の2020年5月31日までDeep Learning学習済みモデルファイルのダウンロードをしていただけます。 ご利用
MobileNet(v1/2)、ShuffleNet等の高速なモデルの構成要素と何故高速なのかの解説 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに MobileNet系の高速なモデルアーキテクチャに利用される構成要素と、それらを利用したモデルについて、何故高速なのか観点と、空間方向の畳み込みとチャネル方向の畳み込みがどのようになされているかという観点で整理を行う。 高速なモデルアーキテクチャに利用される構成要素 まず、高速なモデルに利用される畳み込み構成要素について、計算量と、空間方向の畳み込みとチャネル方向の畳み込みがどのようになっているかを説明する。 まず、一般的な畳み込みの計算量を確認する。 入力特徴マップのサイズを$H \times W$、入力チャネル数を$N$、
DLL: A Blazing Fast Deep Neural Network Library
Deep Learning Library (DLL) is a new library for machine learning with deep neural networks that focuses on speed. It supports feed-forward neural networks such as fully-connected Artificial Neural Networks (ANNs) and Convolutional Neural Networks (CNNs). It also has very comprehensive support for Restricted Boltzmann Machines (RBMs) and Convolutional RBMs. Our main motivation for this work was to
A Survey on Neural Network-Based Summarization Methods
Automatic text summarization, the automated process of shortening a text while reserving the main ideas of the document(s), is a critical research area in natural language processing. The aim of this literature review is to survey the recent work on neural-based models in automatic text summarization. We examine in detail ten state-of-the-art neural-based summarizers: five abstractive models and f
香港城市大学ら、手書きスケッチからリアルタイムに法線マップを自動生成する敵対生成学習GANを用いたインタラクティブシステムを発表
香港城市大学ら、手書きスケッチからリアルタイムに法線マップを自動生成する敵対生成学習GANを用いたインタラクティブシステムを発表 2018-04-14 香港城市大学、中国科学技術大学、大連理工大学、湖南大学の研究者らは、ニューラルネットワークを用いて、2D手書きスケッチからリアルタイムに法線マッピング（ノーマルマッピング）を生成するインタラクティブシステムを発表しました。 論文：Interactive Sketch-Based Normal Map Generation with Deep Neural Networks 著者：Wanchao Su, Dong Du, Xin Yang, Shizhe Zhou, Hongbo Fu 本稿は、手書きスケッチからリアルタイムに法線マップを自動的に推論するニューラルネットワークを用いた手法を提案します。提案手法では、入力スケッチを法線マップに変
SIGGRAPH 2018: DeepMimic paper (main video)
Main video accompanying the SIGGRAPH 2018 paper: "DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills". Supplementary video: https://youtu.be/8KdDwRLtNHQ Project page: https://xbpeng.github.io/projects/DeepMimic/index.html Blog: http://bair.berkeley.edu/blog/2018/04/10/virtual-stuntman/
深層学習で脳細胞解析を自動化、グーグルがオープンソースで公開
「原子物理学の父」と呼ばれるアーネスト・ラザフォードはかつて、「すべての科学は、物理学か、切手収集かのどちらかです」と語った。もしそうであれば、現在の科学者は幸運だろう。切手収集に相当する部分の作業を、人工知能（AI）がますます担ってくれるようになっているからだ。 深層学習アルゴリズムでは訓練のために大量のデータが必要となる。神経科学の分野では、データは山ほどある。細胞培養により、脳の組織は途方もない数になっている。これらを仕分けし、ラベル付けをする作業はこれまでたいてい、かわいそうなインターンシップや下っ端の研究者に押し付けられているが、限界を超えている。そこで、カリフォルニア大学サンフランシスコ校の神経科学者とグーグルの研究者はチームを組んで、培養された組織を用いてシステムを訓練し、退屈な作業の一部を自動化できるようにした。 ワイアード（Wired）によると、訓練されたアルゴリズムによ
DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills
DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills Transactions on Graphics (Proc. ACM SIGGRAPH 2018) Xue Bin Peng (1) Pieter Abbeel (1) Sergey Levine (1) Michiel van de Panne (2) (1) University of California, Berkeley (2) University of British Columbia Abstract A longstanding goal in character animation is to combine data-driven specification of be
python 動かしていて、コンピュータがうるさくなってきたら(mac, linux編) - Qiita
$ ps -ax 14158 ttys000 0:00.09 python 14676 ttys000 0:02.63 python train.py 14712 ttys000 0:01.44 python train_custom_loop.py 14746 ttys000 0:00.95 python show_spiral_dataset.py 14777 ttys000 0:00.96 python count_method_small.py 14865 ttys000 0:01.41 python train.py 26590 ttys000 0:00.01 ps -ax 90666 ttys000 0:00.06 login -pf kaizen_nagoya 90667 ttys000 0:01.14 -bash 1009 ttys001 0:00.03 login -pf
UCバークレーら、仮想キャラクタのアクロバットな動きをよりリアルに再現する強化学習を用いた手法「DeepMimic」発表
UCバークレーら、仮想キャラクタのアクロバットな動きをよりリアルに再現する強化学習を用いた手法「DeepMimic」発表 2018-04-12 カリフォルニア大学バークレー校とブリティッシュコロンビア大学の研究者らは、コンピューターアニメーションキャラクタのアクロバットな動きも、よりリアルなものにする強化学習を用いた手法「DeepMimic」を発表しました。 論文：DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills 著者：Xue Bin Peng,Pieter Abbeel,Sergey Levine,Michiel van de Panne 提案手法は、強化学習フレームワークを用いて、ブレイクダンスや武道のようなアクロバットな動きもコンピュータアニメーションで自然な
Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表
Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表 2018-04-12 Google Researchは、Deep learningを用いて、複数の音から1人の音声だけを抜き出す視聴覚音声分離モデル「Looking to Listen at the Cocktail Party」を発表しました。 論文：Looking to Listen at the Cocktail Party: A Speaker-Independent Audio-Visual Model for Speech Separation 著者：Ariel Ephrat, Inbar Mosseri, Oran Lang, Tali Dekel, Kevin Wilson, Avinatan Hassidim, William T.
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
AI Researchers Create Self-Replicating Neural Network
Vectordash
GitHub - Ahmkel/Keras-Project-Template: A project template to simplify building and training deep learning models using Keras.
Deep Insider - ＠IT