Chainerの実験に対してログを可視化したり外部制御するExtension＆WebアプリをPFNで作った - Qiita
PFNで製品開発を担当している三好です。 Chainer Advent Calender 2017の20日目の記事をお送りいたします。 この度、Chainer上の実験中の学習ログの可視化や実験管理機能を追加するパッケージ、ChainerUIを公開しました。 Chainerの可視化・実験管理を支援するChainerUIを公開 - Preferred Research We have released ChainerUI, a training visualizer and manager for Chainer - Preferred Research English 学習用TrainerのLogReport extensionを用いたスクリプトをお持ちであれば、すぐにloss/accuracyのリアルタイム監視が可能になります。 これが何かを言葉で説明するよりスクリーンショットを見ていただ
[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)
Google、任意の画像が技術的に審美的に美しいかを評価し1-10（10が最高得点）で採点するCNNベースの画像評価モデル「NIMA」を提案した論文を発表
Google、任意の画像が技術的に審美的に美しいかを評価し1-10（10が最高得点）で採点するCNNベースの画像評価モデル「NIMA」を提案した論文を発表 2017-12-19 Googleは、画像に対して技術面と審美面の両方で訓練できるCNN（Convolutional Neural Network）ベースの画像評価モデル「NIMA（Neural Image Assessment）」を論文にて発表しました。 NIMA：Neural Image Assessment 本稿では、任意の画像に対して1から10（10が最高得点）の程度で評価の分布を生成し、スコアのそれぞれに尤度を割り当てるアプローチを提案します。 ユーザが技術的（ピクセルレベルの技術品質）に美しく、または審美的（美の本質）に美しく見えるような画像を予測するために訓練されたdeep CNNが紹介されます。 実験では、AVAなどの大
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
Neural Text Generation: A Practical Guide
Deep learning methods have recently achieved great empirical success on machine translation, dialogue response generation, summarization, and other text generation tasks. At a high level, the technique has been to train end-to-end neural network models consisting of an encoder model to produce a hidden representation of the source text, followed by a decoder model to generate the target. While suc
TopoSketch Web App
Abstract We introduce a new sketch based interface for generating animations. Unlike traditional digital tools, ours is parameterized entirely by a neural network with no preprogrammed rules or knowledge representations. The capability of our sketching tool to support visual exploration and communication is demonstrated within the context of facial images, though our framework is domain independen
「HUAWEI Mate 10 Pro」レビュー。 「AI搭載」でスマートフォンはどう進化するか？
特別企画 「HUAWEI Mate 10 Pro」レビュー。 「AI搭載」でスマートフォンはどう進化するか？ スマートフォンを次のステージに進める「HUAWEI Mate 10 Pro」 「HUAWEI Mate 10 Pro」は、ファーウェイの最新フラッグシップスマートフォンです。 実際に使ってみて驚いたのは、その使用感。端末の動作になんともいえない「軽やかさ」があります。 前面はディスプレイの表示範囲を極限まで広げた、6インチ 2160×1080 アスペクト比18:9の「フルビューディスプレイ」 背面はアールを描いたガラスボディが艶めかしく光る。ガラスの下には4層の特殊層が重なりカラーに深みを与えている 前モデルであるHUAWEI Mate 9を約1年間使っていますが、快適でストレスがありません。そんなHUAWEI Mate 9と比べても、HUAWEI Mate 10 Proは「何かが
カプセルネットワークはニューラルネットワークを超えるか。 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 先日、こんな記事が上がっていました。 グーグルの天才AI研究者、ニューラルネットワークを超える「カプセルネットワーク」を発表 中々刺激的なタイトルですね。 ニューラルネットワークといえば、近年の機械学習分野を支える最も大きな技術の一つであると言えます。そんなニューラルネットワークを超えたカプセルネットワークとは一体何なのでしょうか。また、本当にニューラルネットワークを超えたのでしょうか。 本記事では、カプセルネットワークの仕組みを理解することで、従来のニューラルネットワークとの違いを比較していきます。 CNN カプセルネットワークに触れ
AIモデルの相互運用性プロジェクト「ONNX 1.0」 | OSDN Magazine
米Facebookらが共同で立ち上げたAIフレームワークの互換性のためのプロジェクト「Open Neural Network Exchange（ONNX）」が12月9日、成果物となる人工知能モデル向けのフォーマット「ONNX 1.0」を発表した。 Open Neural Network Exchange（ONNX）はFacebook、Amazon Web Services、Microsoftらが共同で立ち上げたAIモデル向けのオープンソースのフォーマット。フレームワークの相互運用性を目指すもので、拡張性のあるコンピューティングのグラフモデルを定義する。これに加えて、ビルトインの演算子や標準的なデータタイプの定義なども含んでいる。これによって、あるフレームワークでトレーニングしたモデルを別のフレームワークで推論に用いるなどのことが可能となり、AI開発者はこれを利用して、プロジェクトの進化に合
縦長ほぼ全画面デザインやAI対応SoC搭載のプレミアムなSIMフリースマホ「HUAWEI Mate 10 Pro」を購入！開封して同梱品などを紹介【レポート】 : S-MAX
縦長ほぼ全画面デザインやAI対応SoC搭載のプレミアムなSIMフリースマホ「HUAWEI Mate 10 Pro」を購入！開封して同梱品などを紹介【レポート】 2017年12月13日22:25 posted by 河童丸(KPL) カテゴリMVNO・SIMフリーレビュー・ハウツー list “新世代”を名乗るに相応しいファーウェイのプレミアムスマホ「HUAWEI Mate 10 Pro」を購入！ 華為技術日本（以下、ファーウェイ・ジャパン）から12月1日に発売された最上位モデル「Mate」シリーズの新しいSIMフリースマートフォン（スマホ）「HUAWEI Mate 10 Pro」（Huawei Technologies製）。 さらに磨きのかかったLeicaカメラに加え、新たにAI（人工知能）の処理に特化した専用プロセッサー「NPU（Neural-network Processing Uni
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
DL4US | Deep Learning for All of Us
7/13、抽選を通過された方には、メールにてオンラインテストのご案内をお送りしました。 迷惑メールフォルダに入っている場合もありますので、ご確認をお願いします。 当初7/12〜15にオンラインテストを実施する予定でしたが、想定以上のお申し込みがあったため、スケジュールが遅れております。 今回は、まず最初に抽選を行い、当選された方にのみオンラインテストを受けていただく運営とさせていただきます。 抽選の結果の発表は、オンラインテストのご案内メール（7/13送信予定）をもってかえさせていただきます。 オンラインテストは7/14〜16を予定しております。 DL4USは，高度なDeep Learning技術者を育成することを目的とした，アプリケーション指向の無償オンライン教育プログラムです．3年間で1,000人のDeep Learning技術者を育成し，人工知能分野における日本の競争力を向上すること
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
Mate 10 Pro レビュー！LEICAダブルレンズにAIプロセッサ、DSDV搭載の最強モデル！
Regularization and Optimization strategies in Deep Convolutional Neural Network
http://metalearning.ml/papers/metalearn17_furlanello.pdf
Deep Learning
