物理サーバを選定する際のポイント – Eureka Engineering – Medium社内 Web システムのフロントエンド技術刷新: React Router v7 vs. TanStack Router
Battle of the Deep Learning frameworks — Part I: 2017, even more frameworks and interfaces
The deep learning landscape is constantly changing. Theano was the first widely adopted deep learning framework, created and maintained by MILA— headed by Yoshua Bengio, one of the pioneers of deep learning. However, things have changed. In September of this year MILA announced that there will be no further development work on Theano in 2018 after releasing the latest version. The news didn’t come
GitHub - plaidml/plaidml: PlaidML is a framework for making deep learning work everywhere.
First off, we’d like to thank you for choosing PlaidML. Whether you’re a new user or a multi-year veteran, we greatly appreciate you for the time you’ve spent tinkering around with our source code, sending us feedback, and improving our codebase. PlaidML would truly not be the same without you. The feedback we have received from our users indicates an ever-increasing need for performance, programm
Learning to Extract Semantic Structure from Documents Using Multimodal Fully Convolutional Neural Network
We present an end-to-end, multimodal, fully convolutional network for extracting semantic structures from document images. We consider document semantic structure extraction as a pixel-wise segmentation task, and propose a unified model that classifies pixels based not only on their visual appearance, as in the traditional page segmentation task, but also on the content of underlying text. Moreove
Hyperparameters Optimization in Deep Convolutional Neural Network / Bayesian Approach with Gaussian Process Prior
Convolutional Neural Network is known as ConvNet have been extensively used in many complex machine learning tasks. However, hyperparameters optimization is one of a crucial step in developing ConvNet architectures, since the accuracy and performance are reliant on the hyperparameters. This multilayered architecture parameterized by a set of hyperparameters such as the number of convolutional laye
【Deep Learning】骨格検出システム『VisionPose』を開発中
『VisionPose』とは、AI（人工知能）を使用した、人間の骨格を検出するシステムです。 WEBカメラのみで人間の骨格を検出することが可能なため、 手軽に様々な開発に利用できそうですね。 また、VisionPoseでは１回の処理で複数人まとめて骨格の検出が可能なため、人が増えても処理時間が一定です。 そのため類似製品よりも複数人の骨格検出が長けていることが特徴となっています。 また、今後の展望といたしましては、深度対応をしてSDKとしての提供を予定しております。 Kinectの販売中止もあり、今後さらに期待が高まる分野になるのではないでしょうか？ ※VisionPoseでは、OpenPoseのアルゴリズムは使用しておりません。 ■ブログ 【現在開発中】Kinectを使わない！WEBカメラとDeepLearningを使った骨格検出システム『VisionPose』とは？ htt
Udemy「Pythonで機械学習：scikit-learnで学ぶ識別入門」はAI学習の決定版 : 新規事業のつくり方
ここ数年間、AI開発の良質な学習コンテンツが増えました。 インターネットに、良質な解説記事が増えました。特にディープラーニングの解説記事周辺は、これでもかというくらい分かりやすく解説されています。 書籍では、松尾先生の「人工知能は人間を超えるか」を皮切りに、「python 機械学習プログラミング」と「ゼロから作るDeep Learning」が出版され、CONNPASS周辺で多くの勉強会が開催されました。 また、事前知識ゼロでも機械学習を学べる「pythonではじめる機械学習」が出版され、機械学習のハードルが大きく下がりました。これらの良質な書籍は、機械学習ブームの影の立役者でしょう。 そしてまた、機械学習を学ぶ上で最高の教材が発表されました。Udemyの「Pythonで機械学習：scikit-learnで学ぶ識別入門」です。 AIエンジニアが教えるゼロから機械学習の勉強法 機械学習の集合研
大野峻典 on Twitter: "何かヤバそうなものが出ていますね... 単一の画像から人の3D復元するモデルの提案. 復元した3Dモデルに対して, 敵対的に訓練するDiscriminatorを用意し, real/fakeを判断しながら学習することで, 2D⇢3D… https://t.co/MU3tli2txj"
何かヤバそうなものが出ていますね... 単一の画像から人の3D復元するモデルの提案. 復元した3Dモデルに対して, 敵対的に訓練するDiscriminatorを用意し, real/fakeを判断しながら学習することで, 2D⇢3D… https://t.co/MU3tli2txj
[サーベイ論文] 畳み込みニューラルネットワークの研究動向
17 Dec 2017 国内会議 [サーベイ論文] 畳み込みニューラルネットワークの研究動向 Author 内田祐介, 山下隆義 Publication パターン認識・メディア理解研究会, 2017 Download: PDF (Japanese) 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降， 画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった. ILSVRCでは毎年のように新たなCNNのモデルが提案され， 一貫して認識精度の向上に寄与してきた. CNNは画像分類だけではなく， セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では，AlexNet以降の代表的なCNNの変遷を振り返るとともに， 近年提案されてい
![[サーベイ論文] 畳み込みニューラルネットワークの研究動向](https://cdn-ak-scissors.b.st-hatena.com/image/square/c73fa4686045c57a8cee3363e082ee4347103a5f/height=288;version=1;width=512/http%3A%2F%2Fvision.cs.chubu.ac.jp%2Fwp%2Fwp-content%2Fthemes%2Fflab%2Fimg%2FOGP.png)
Deep Learning なアプリケーションの評価にクラウドソーシングを利用する - Qiita
@keithseahus です。 この記事は NTTコミュニケーションズ Advent Calendar 2017 の8日目です。 皆さん Deep Learning を駆使してコンテンツを生成するようなアプリケーションをチョロっと開発したりしていると思いますが、その精度を客観的に評価する手段について、あれこれ考えることはよくあるのではないでしょうか。 今回は、その一つとして クラウドソーシング を利用した手法をご紹介します。利用したサービスは Amazon Mechanical Turk で、本稿を一通り読むと、その一連の流れやポイントなどが掴めるようになるでしょう。 今回解決する課題 いわゆる"AI"にコンテンツを生成させるアプリケーションについて、その生成物の評価を客観的に行う。今回の開発物については「人がどう感じるか」が重要であるため、関数によって誤差を評価するよりも、人の"感覚"
Release Chainer Chemistry: A library for Deep Learning in Biology and Chemistry - Preferred Networks Research & Development
* Japanese blog is also written here. We released Chainer Chemistry, a Chainer [1] extension to train and run neural networks for tasks in biology and chemistry. Github page: https://github.com/pfnet-research/chainer-chemistry Documentation: https://chainer-chemistry.readthedocs.io The library helps you to easily apply deep learning on molecular structures. For example, you can apply machine learn
Trump White House Weighing Plans for Private Spies to Counter "Deep State" Enemies
Blackwater founder Erik Prince arrives for a closed meeting with members of the House Intelligence Committee, Thursday, Nov. 30, 2017, on Capitol Hill in Washington. Photo: Jacquelyn Martin/AP The Trump administration is considering a set of proposals developed by Blackwater founder Erik Prince and a retired CIA officer — with assistance from Oliver North, a key figure in the Iran-Contra scandal —
[Survey]Depth Map Prediction from a Single Image using a Multi-Scale Deep Network - Qiita
Single ImageからDepth Mapを推定するという論文 この後更に改良したバージョンの論文が出ています。 Depth Estimationはシーンの幾何学的な理解のために重要です。Stereo ImageからのDepth Estimationに比べてSingle ImageからのDepth Estimationは少ないです。Single ImageからのDepth Estimationでは、Depthの手がかりとなる、line angle, perspective, object size, image position, atmospheric effectを使う必要があります。GlobalなSceneではこのような関係は必要になるかもしれないけれど、LocalなSceneではStereoで十分です。 Sinｇle ImageからのDepth Estimationは、ill
![[Survey]Depth Map Prediction from a Single Image using a Multi-Scale Deep Network - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9d22b0bf458577603b2a4a1debca6ab64e8157e8/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTAwNTIzJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA4MTIwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZmbT1wbmczMiZzPTlmNjVlN2Y3NTE0MGQwZWNmYjAwNzhkMmM3ZDJmMTZj%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D1c718de2b30c00590130a4e7c1781925%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCU3VydmV5JTVERGVwdGglMjBNYXAlMjBQcmVkaWN0aW9uJTIwZnJvbSUyMGElMjBTaW5nbGUlMjBJbWFnZSUyMHVzaW5nJTIwYSUyME11bHRpLVNjYWxlJTIwRGVlcCUyME5ldHdvcmsmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtcGFkPTAmcz01ZDgwNzU1MmE1ZTg4YWRiZWI0ZDFlZWQxOTBhMzhmMA%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTllZGIzOTQ1YThjNDUxMjIwMWZhYTU3YjM2MTYwODI5%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D8024c3a1574e017f41c6bac30b206914)
ソウル大学校、仮想の飛行生物が自分の飛行方法を学習し習得する機械学習アルゴリズムを論文にて発表。実在しない/絶滅した生物の動きも推定し再現
ソウル大学校、仮想の飛行生物が自分の飛行方法を学習し習得する機械学習アルゴリズムを論文にて発表。実在しない/絶滅した生物の動きも推定し再現 2017-12-14 ソウル大学校の研究者らは、物理シミュレーションと機械学習を用いて、仮想の飛行生物が空気力学的に自ら動く方法を学習することができるコンピュータアルゴリズムを論文にて発表しました。 How to Train Your Dragon: Example-Guided Control of Flapping Flight 本稿では、自分の飛行法を習得する仮想飛行生物の自動制御技術を提案します。学習期間を経れば、急上昇、滑空、ホバリングなどの様々な運動スキルを身につけ、障害物にぶつからず自在に飛ぶことができるようになります。 機械学習では、Deep Q-Learning（DQL）が用いられ、障害物にぶつからず目標地点に到達すると報酬を受ける報
Practical Deep Learning with PyTorch
Growing Importance of Deep Learning Deep learning underpins a lot of important and increasingly important applications today ranging from facial recognition, to self-driving cars, to medical diagnostics and more. Made for Anyone Although many courses are very mathematical or too practical in nature, this course strikes a careful balance between the two to provide a solid foundation in deep learnin
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
Reddit - Dive into anything
http://www.vision.cs.chubu.ac.jp/MPRG/F_group/F172_kamiya2016.pdf
GitHub - ybayle/awesome-deep-learning-music: List of articles related to deep learning applied to music
Deep Learning (日本語翻訳版）公開 | Deep Learning JP
Regularization and Optimization strategies in Deep Convolutional Neural Network