[速報] 画像分析サービス Amazon Rekognition が発表されました #reinvent | DevelopersIO
はじめに 清水です。re:Invent2016 Day1 Keynoteにて画像分析を行える新サービス Amazon Rekognition が発表されました。 深層学習(Deep Learning)による画像検出と認識が行えるサービスです。 Amazon Rekognition – Deep learning-based image analysis 公式ブログによる紹介「Amazon Rekognition – 深層学習による画像検出と認識」 何ができるサービスか？ 深層学習による画像検出と認識ということですが、具体的にどんなことができるのでしょうか？公式ペー ジに掲載されていた例を元にまとめてみます。 Object and scene detection(画像に写っている物と状況の分析) 画像ファイルを入力として、その入力画像には、人物、岩、森、マウンテンバイク、アウトドアなどが、
![[速報] 画像分析サービス Amazon Rekognition が発表されました #reinvent | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/182741ebce2f0b7b700862125afb888c4a464b13/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2016%2F11%2Freinvent2016_eyecatch.png)
AWS Solutions Architect ブログ
SA岩永です。Amazon CTO Wernerのブログで、深層学習フレームワークであるMXNetについての投稿がありました。AWSを使って機械学習・深層学習をお考えの方に非常に重要な内容なので、日本語訳しましたのでご覧ください。 また、記事内にもありますが今週ラスベガスにて開催されるre:Invent 2016では11月30日に機械学習についてのMini Conもありますので、現地にいらっしゃる方はぜひご参加下さい。 追記: re:Invent 2016の中で、深層学習フレームワークのベンチマーク用のコードが公開されました。https://github.com/awslabs/deeplearning-benchmark 原文: MXNet - Deep Learning Framework of Choice at AWS 機械学習は、私達のビジネスや生活の多くの領域において段々と重要
クラウドで楽して始める Deep Learning 2016年12月12日（東京都） - こくちーずプロ
本セミナーのねらい IT 業界で今最も話題となっているDeep Learning（深層学習）。一部で成功事例も出てきていますが、どこから始めれば良いのかに悩んでいる方もまだまだ多く、自社のサービスとして実際に運用に至っているところはまだ少ないのが実状です。 一般的にその理由として以下のようなボトルネックが考えられます。 Deep Learning で必須となるGPUを持つ特殊なHWの導入が必要 Deep Learning を始めるまでの環境構築が大変で、Computingのスキルが必要 Deep Learning は、(1)学習工程、 (2)推論工程が必要となり、前者はHPCのスキルセット、後者はWebやエッジデバイスの知識が必要となり多くの知識が要求される 本セミナーではこれらの負担をできるだけ軽くするために、学習から推論までDeep Learningに集中できるクラウド環境の解説と、誰
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
Deep Learningとはなにか - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 凄い凄いと言われてもピンとこない人向け。(という体の社内勉強会資料) 機械学習からの橋渡しです。 Deep Learning とは (as TL;DR) 機械学習(Machine Learning)の一種 多層(Deep)のニューラルネットワークを使う 特徴量抽出を自動化できる 学習コストは高いが、人間の労力を抑えられる ただし、訓練データは依然として手作業で作成する必要がある 機械学習の中での位置づけ 機械学習の構成要素 学習データ 特徴量 アルゴリズム 「学習」方法は３通りある 教師あり学習(Supervised learning)
Deep Learning with Coherent Nanophotonic Circuits
Artificial Neural Networks are computational network models inspired by signal processing in the brain. These models have dramatically improved the performance of many learning tasks, including speech and object recognition. However, today's computing hardware is inefficient at implementing neural networks, in large part because much of it was designed for von Neumann computing schemes. Significan
機械学習を用い、犯罪者を顔写真から高い確率で識別できたとの研究結果 | スラド サイエンス
犯罪者の顔と非犯罪者の顔に統計学的な違いはないとされているが、中国・上海交通大学の研究者2名が画像認識と機械学習を用いて犯罪者と非犯罪者を高い確率で識別することに成功したそうだ(論文アブストラクト、 MIT Technology Reviewの記事、 Neowinの記事、 The Next Webの記事)。 研究では18～55歳で顔に傷やほくろなどがなく、ヒゲを伸ばしていない中国人男性1,856人の身分証明書写真を使用している。このうち非犯罪者は1,126人、犯罪者は730人。犯罪者のうち235人は暴力を伴う犯罪、536人は窃盗や詐欺、汚職など暴力を伴わない犯罪にかかわっている。犯罪者の写真も身分証明書の写真であり、警察で撮影された写真は使用していない。 これらの写真は顔と首の部分だけを残して背景を削除し、顔の大きさや肌の明るさなどが均一になるよう調整。グレースケールの画像としてロジスティ
VAEとGANを活用したファッションアイテム検索システム - ZOZO TECH BLOG
データサイエンティストの中村です。今回はイメージファーストなファッションアイテム検索システムを作ってみたのでそちらの紹介をしたいと思います。 本記事で紹介する技術はIBIS2016でも報告しています。 概要 ファッションアイテムを探すとき、見た目の印象はとても大事な要素です。ファッションは感覚的なものなので、自分が欲しい服について言葉で説明することは難しいですが、そのアイテムの良し悪しは画像を見ただけで判断できるからです。 今回開発した検索システムは見た目の印象を大事にしたいので、画像をクエリとします。ただし、ただの画像検索では面白くないので、色や形状などの属性情報を付加した状態で検索を実行できるようにしました。 例えば、「シルエットは良いんだけど、これの赤いやつが欲しい」のような感覚的な注文を、以下のGIFのように画像に属性を付加する形で拾っています。 よくある検索システムではカテゴリに
What Do Recurrent Neural Network Grammars Learn About Syntax?
Recurrent neural network grammars (RNNG) are a recently proposed probabilistic generative modeling family for natural language. They show state-of-the-art language modeling and parsing performance. We investigate what information they learn, from a linguistic perspective, through various ablations to the model and the data, and by augmenting the model with an attention mechanism (GA-RNNG) to enabl
Learning to reinforcement learn
In recent years deep reinforcement learning (RL) systems have attained superhuman performance in a number of challenging task domains. However, a major limitation of such applications is their demand for massive amounts of training data. A critical present objective is thus to develop deep RL methods that can adapt rapidly to new tasks. In the present work we introduce a novel approach to this cha
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network
Recently, several models based on deep neural networks have achieved great success in terms of both reconstruction accuracy and computational performance for single image super-resolution. In these methods, the low resolution (LR) input image is upscaled to the high resolution (HR) space using a single filter, commonly bicubic interpolation, before reconstruction. This means that the super-resolut
Out of Einstein’s Lab: Salesforce Research Unveils Breakthroughs in Deep Learning
Artificial intelligence will be at the core of most enterprise products that deal with large amounts of text, structured data and image data. Salesforce Einstein strives to bring AI to use cases in service, sales, marketing and others by embedding it directly into Salesforce products and enabling developers through our platform. AI will empower every company to deliver smarter, more personalized c
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
画像認識ソフトウェア、ML 画像および動画分析 – Amazon Rekognition – AWS
AWS Marketplace
GitHub - koth/kcws: Deep Learning Chinese Word Segment
Consciousness is a recurrent neural network | Hacker News
GitHub - cameronfabbri/Colorful-Image-Colorization: A deep learning approach to colorizing images
https://www.clouderaworldtokyo.com/session-download/C2-Cloudera_Tokyo_2016_DMM_submit%20.pdf
GitHub - anantzoid/Conditional-PixelCNN-decoder: Tensorflow implementation of Gated Conditional Pixel Convolutional Neural Network
http://junk.wise9.jp/USA_AI_Strategy1.pdf