Deep Reinforcement Learning-based Image Captioning with Embedding Reward
Image captioning is a challenging problem owing to the complexity in understanding the image content and diverse ways of describing it in natural language. Recent advances in deep neural networks have substantially improved the performance of this task. Most state-of-the-art approaches follow an encoder-decoder framework, which generates captions using a sequential recurrent prediction model. Howe
FPGAでDeep Learningしてみる - きゅうりを選果する - Qiita
はじめに 先日、FPGAでDeep Learningしてみるという記事で、PYNQやBNN-PYNQについて書きました。前回の記事では、PYNQ-Z1 Boardという比較的安価なFPGAボードの紹介と、あらかじめ準備されたデモ(Cifar10)の実行までを行いました。そこで今回は、あらかじめ準備されたデモから少し発展して、きゅうりの選果を行ってみます。 事前説明 BNN-PYNQをカスタムするには 前回の記事にも書きましたが、Deep Learningは、大きく学習と推論で構成されます。BNN-PYNQでは、推論のみが実装されています（学習はCPU/GPUで実施する必要があります）。そのため、BNN-PYNQをカスタムするということは、学習にあわせて、推論のネットワーク構造やパラメーターを変更することになります。 前回のCifar10を例に取ると、BNN-PYNQでは、下記の流れでJup
About AWS
Since launching in 2006, Amazon Web Services has been providing world-leading cloud technologies that help any organization and any individual build solutions to transform industries, communities, and lives for the better. As part of Amazon, we strive to be Earth’s most customer-centric company. We work backwards from our customers’ problems to provide them with cloud infrastructure that meets the
Facebook open sources Caffe2, its flexible deep learning framework of choice | TechCrunch
Facebook open sources Caffe2, its flexible deep learning framework of choice Today Facebook open sourced Caffe2. The deep learning framework follows in the steps of the original Caffe, a project started at the University of California, Berkeley. Caffe2 offers developers greater flexibility for building high-performance products that deploy efficiently. This isn’t the first time that Facebook has e
GitHub - BilalReffas/EmojiIntelligence: Neural Network built in Apple Playground using Swift
I used this challenge to learn more about neural networks and machine learning. A neural network consists of layers, and each layer has neurons. My network has three layers: an input layer, a hidden layer, and an output layer. The input to my network has 64 binary numbers. These inputs are connected to the neurons in the hidden layer. The hidden layer performs some computation and passes the resul
【 Deep neural network の 代替モデル を 標榜 】DeepForestモデル の python & R言語 実装コード事例 - Qiita
手元 で 動かしてみたい。 （ Python実装コード ） github.com/leopiney/deep-forest （ R言語 実装コード ） github.com/Laurae2/Laurae （ 論文 ） Zhi-Hua Zhou and Ji Feng, Deep Forest: Towards An Alternative to Deep Neural Networks （ 解説ウェプページ ） （SlideShare）森山 直人（株式会社インテリジェンス）「Deep Forest〜ニューラルネットの代替えに向けて〜」 Academication-AI（2017/03/11）「2017-03-11 【研究者向け】Deep Forest: Towards An Alternative to Deep Neural Networks【Deep Learningの代替となるか？】
K-Means Clustering of Word2Vec on Python | WIRED IN
概要 scikit-learnのK-Means実装を使って、学習済みWord2Vecのクラスタリングを行った。 それなりに上手く、クラスタリングできていそうだった。 はじめに ACL2014で、EmbeddingsのクラスタをNER(Named Entity Recognition)に使用している論文がある1。 線形モデルには、低次元連続値の素性(特徴量)より、高次元離散値の素性が良いらしい。 この記事では、Word2Vecで学習した単語ベクトル表現(連続値)を使って、K-Meansによるクラスタリング(離散値)を行ってみる。 設定 Google Code word2vecにて公開されている、GoogleNews-vectors-negative300.bin.gzを入力に用いた。 PyPIで公開されているword2vecがTypeErrorで上手くモデルファイルをロードできなかったので、
Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis
Photorealistic frontal view synthesis from a single face image has a wide range of applications in the field of face recognition. Although data-driven deep learning methods have been proposed to address this problem by seeking solutions from ample face data, this problem is still challenging because it is intrinsically ill-posed. This paper proposes a Two-Pathway Generative Adversarial Network (TP
A Neural Representation of Sketch Drawings
We present sketch-rnn, a recurrent neural network (RNN) able to construct stroke-based drawings of common objects. The model is trained on thousands of crude human-drawn images representing hundreds of classes. We outline a framework for conditional and unconditional sketch generation, and describe new robust training methods for generating coherent sketch drawings in a vector format.
On the Effects of Batch and Weight Normalization in Generative Adversarial Networks
Generative adversarial networks (GANs) are highly effective unsupervised learning frameworks that can generate very sharp data, even for data such as images with complex, highly multimodal distributions. However GANs are known to be very hard to train, suffering from problems such as mode collapse and disturbing visual artifacts. Batch normalization (BN) techniques have been introduced to address
Deep learning for satellite imagery via image segmentation - deepsense.ai
We resized and aligned 16-band channels to match those from 3-band channels. Alignment was necessary to remove shifts between channels. Finally all channels were concatenated into single 20-channels input image. Model Our fully convolutional model was inspired by the family of U-Net architectures, where low-level feature maps are combined with higher-level ones, which enables precise localization.
Masanori Kusunoki / 楠 正憲 on Twitter: "Deep Learningは潤沢な計算資源とデータがないと勝負にならない。人を育てても国内に雇用がなければ上澄みをBig Giantに吸い上げられるだけ。国は開発ガイドラインとか民の足を引っ張る前に、データもエンジニアも活かせない… https://t.co/tw3f02YdJI"
Deep Learningは潤沢な計算資源とデータがないと勝負にならない。人を育てても国内に雇用がなければ上澄みをBig Giantに吸い上げられるだけ。国は開発ガイドラインとか民の足を引っ張る前に、データもエンジニアも活かせない… https://t.co/tw3f02YdJI
Googleが新たな機械学習手法をテスト中、クラウドではなくスマホ上で学習実施 | AI4U
最近の株式市場もAIブーム。その中で最も注目されている銘柄が米半導体メーカーNVIDIA（エヌビディア）。同社の株価もすごいことになっているが、最近では同社と提携する企業の株価も高騰する傾向にある（関連記事：AI相場“中核”、ＮＶＩＤＩＡ関連の「神通力」）。 果たしてNVIDIAは、このままAI時代の覇者として逃げ切ることになるのだろうか。日本法人のDeep Learning部長の井崎武士さんにお話を聞いた。（ITジャーナリスト・湯川鶴章） 2000個のCPUの計算を12個のGPUで実現 そもそもNVIDIAって、いつAI企業になったのだろう。ゲーム用半導体のメーカーと認識していたのは僕だけじゃないはず。 世界中のAIの研究者がNVIDIAのGPU（Graphics Processing Unit）に注目したのは2012年といわれる。Googleが2000個のCPU（Central Pro
Alexa Skill KitでAmazonが用意したBuilt-In IntentとBuilt-In Slot Typeをひたすらまとめてみる | DevelopersIO
惜春の候, 春風の心地よい季節になりましたが、お変わりなくお過ごしでしょうか、せーのです。今日はAlexaでスキルを作る時に見落としがちなスタンダードセットをまとめます。 Intent, Slot, Utteranceのおさらい AlexaでCustom Skillを作る時、一番大事なのはこの画面です。 ここでEchoなどのAlexa製品に話しかけられた言葉を分析してバックエンドのLambdaが処理しやすいようにJSON形式にまとめる為の設定を行っています。 どのIntentに振り分けるか、をSample Utteranceで定義し、その中でLambda内で変数として必要なフレーズをSlotとして抽出します。 例えば「Alexa, 昨日の日ハム戦の結果を教えて」というフレーズをLambdaに送って野球の結果を教えるようなSkillを作る場合大事なのは、 このフレーズを言ったら野球の結果を教
Randomness in Deconvolutional Networks for Visual Representation
Toward a deeper understanding on the inner work of deep neural networks, we investigate CNN (convolutional neural network) using DCN (deconvolutional network) and randomization technique, and gain new insights for the intrinsic property of this network architecture. For the random representations of an untrained CNN, we train the corresponding DCN to reconstruct the input images. Compared with the
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
TechRepublic: News, Tips & Advice for Technology Professionals
GitHub - kootenpv/neural_complete: A neural network trained to help writing neural network code using autocomplete
deep learning にも使える scikit-learn の概要と便利な機能 - Qiita
Impressive Adobe Algorithm Transfers One Photo's Style Onto Another
Redirect