Deep Learning based Human Pose Estimation using OpenCV
In this tutorial, Deep Learning based Human Pose Estimation using OpenCV. We will explain in detail how to use a pre-trained Caffe model that won the COCO keypoints challenge in 2016 in your own application. We will briefly go over the architecture to get an idea of what is going on under the hood. 1. Pose Estimation (a.k.a Keypoint Detection) Pose Estimation is a general problem in Computer Visio
新しいことを学ぶには気が散るものを排除する「ディープ・ワーク」と「30時間学習法」が重要
By Hamza Butt 仕事や学校、趣味などで何か新しいことを学ぶことは楽しみがある反面、特にそのことを強制的に押し付けられている時などには、苦痛と思うように進まない「もどかしさ」にさいなまれることもあるものです。そんな時に、効率良く学習を進めるための方法として、メールやSNSなどの雑音を排除して集中できる環境を作る「ディープ・ワーク」と30時間を7つのセグメントに分けて学習を進める「30時間学習法」がブログで解説されています。 The Importance of Deep Work & The 30-Hour Method for Learning a New Skill | Azeria Labs https://azeria-labs.com/the-importance-of-deep-work-the-30-hour-method-for-learning-a-new-ski
初学者が機械学習の勉強を進めるためには必ず手を動かす - HELLO CYBERNETICS
機械学習に必要な知識 ネット上の様々な意見 機械学習への携わり方と必要な数学 具体的に勉強を進める 簡単な問題で動作を確認 プログラムを書く Kaggleはやるべき？ 勉強を進める上で使えるツールたち Python Jupyter Notebook scikit-learn TensorFlow 機械学習に必要な知識 ネット上の様々な意見 機械学習の勉強をしていく上で大事なものは何でしょうか。 調べればプログラミングだとか統計だとか、解析学・線形代数学であるなど、いろいろな意見が見られます。 おそらくネット上で見つかるいろいろな意見、「機械学習では○○を勉強すべき」という話は、少なくともその話を言っている人の中では真であるのだろうと思われます。 要するに、その勉強をしたことによって（あるいはその知識を持っていたことによって）、その人は何らかの機械学習に対する知見が得られたと言っているのです
自然言語処理の前処理・素性いろいろ - Debug me
ちゃお・・・† 舞い降り・・・† 先日、前処理大全という本を読んで自分なりに何か書きたいなと思ったので、今回は自然言語処理の前処理とそのついでに素性の作り方をPythonコードとともに列挙したいと思います。必ずしも全部やる必要はないので目的に合わせて適宜使ってください。 前処理大全[データ分析のためのSQL/R/Python実践テクニック] 作者:本橋 智光技術評論社Amazon 前処理 余分な改行やスペースなどを除去 with open(path) as fd: for line in fd: line = line.rstrip() アルファベットの小文字化 text = text.lower() 正規化 (半角/全角変換などなど) import neologdn neologdn.normalize('ﾊﾝｶｸｶﾅ') # => 'ハンカクカナ' neologdn.normalize
エディンバラ大学とAdobe、ニューラルネットワークを用いて、より現実的に滑かな動きを実現する四足歩行キャラクタのリアルタイム制御技術を発表
エディンバラ大学とAdobe、ニューラルネットワークを用いて、より現実的に滑かな動きを実現する四足歩行キャラクタのリアルタイム制御技術を発表 2018-05-28 スコットランドのエディンバラ大学、Adobe Researchの研究者らは、ニューラルネットワークを用いて動作データから四足歩行キャラクタにおける自然なアニメーションを生成する新たな手法を発表しました。 論文：Mode-Adaptive Neural Networks for Quadruped Motion Control 著者：HE ZHANG, SEBASTIAN STARKE, TAKU KOMURA, JUN SAITO GitHub：sebastianstarke/AI4Animation: Character Animation in Unity3D using Deep Learning and Biologic
The Importance of Deep Work & The 30-Hour Method for Learning a New Skill
The Importance of Deep Work & The 30-Hour Method for Learning a New Skill The tech industry, especially the security industry, seems outrageously overwhelming to newcomers and even as an intermediate “InfoSec Pro” there seems to be an overwhelming number of paths and topics one can focus on. The problem most of us, especially newcomers, encounter is that we don’t know what to focus on. Even when w
2枚の画像から類似したポイントを抽出し対応付けするスパース推定フレームワーク「Neural Best-Buddies」。ハイブリッド画像やモーフィングに
2枚の画像から類似したポイントを抽出し対応付けするスパース推定フレームワーク「Neural Best-Buddies」。ハイブリッド画像やモーフィングに 2018-05-20 AICFVE Beijing Film Academy、Microsoft Research、山東大学、ヘブライ大学、北京大学、テルアビブ大学の研究チームは、2枚の画像間のポイントを抽出し対応付けするCNN（Convolutional Neural Network）を用いたスパース推定フレームワーク「Neural Best-Buddies」を発表しました。 論文：Neural Best-Buddies: Sparse Cross-Domain Correspondence 著者：Kfir Aberman, Jing Liao, Mingyi Shi, Dani Lischinski, Baoquan Chen, Da
【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 | 人工知能ニュースメディア AINOW
記事を書いてくださったのはサイバーブレイン株式会社の谷さんです。AIエンジニアのスキルを得られる講座が数多く開かれていますが、同時に数多くの書籍も出版され、独学の道も開かれています。ぜひご覧ください。 谷一徳さん サイバーブレイン株式会社CEO&Founder 学生時代に1度目の起業にてCTOを担当。 自社サービス開発や機械学習、クローリングの開発などを携わる。 2016年にサイバーブレインを設立。 現在AI Academy企画・開発、オフライン・オンラインにてAI人材育成を行う。 はじめに 我々サイバーブレインは2016年6月からオンライン・オフラインにてAI Academyというサービスを通じて、これまで1500名以上の方々に、プログラミング(Python)、統計的機械学習、深層学習(Deep Learning)、機械学習のための数学、確率・統計などを教えてきました。 そんな中、サービ
早稲田大学ら、1枚の画像から顔の形状と反射率をCNNを用いて推定しモデル化する手法を発表。異なる照明条件や任意の視点でレンダリング可能
早稲田大学ら、1枚の画像から顔の形状と反射率をCNNを用いて推定しモデル化する手法を発表。異なる照明条件や任意の視点でレンダリング可能 2018-05-23 早稲田大学、Pinscreen、南カリフォルニア大学、USC Institute for Creative Technologiesの研究チームは、CNN（Convolutional Neural Network）を用いて、1枚の画像から被写体の顔の形状および反射率をモデル化する手法を発表しました。 論文：High-Fidelity Facial Reflectance and Geometry Inference From an Unconstrained Image 著者：SHUGO YAMAGUCHI, SHUNSUKE SAITO, KOKI NAGANO,YAJIE ZHAO, WEIKAI CHEN, KYLE OLSZE
機械学習案件に携わってきてどんな理論的トピックを扱ってきたか
TL;DR 機械学習を仕事で使う人はどんな理論的内容を扱っているのか コードは GitHub にあるし研究は論文になるが、実業務で必要な理論的トピックに関してはなかなか目にする機会がない 自分がこれまでどんなことをしてきたのかを簡単にまとめてみた 以前 機械学習をやる上で線形代数のどのような知識が必要になるのか という記事を書いた。 これに関して知人と話している時に「ある程度知っている人がこれだけやれば十分みたいな話をするのは不適切じゃないか」という感じの話をした。 何が不適切かというのは色々な解釈がある。 ここでは、ある対象に関してそれなりに知っている人が考える「これで十分」というのは、暗黙の前提や関連事項の理解があったりして、表面に出てくるのはほんの一部を聞いてもそこまで役に立たない、という点を挙げておく。 これは結構広く成り立つことだろう。 まあそれ自体はそれでいいし、表面に出てくる
音と映像の関係性の学習 – Audio-Visual Scene Analysis with Self-Supervised Multisensory Features
音と動画の関係を学習するモデルは、動画を扱う3次元のCNNと波形を扱う一次元のCNNの二つから構成されています。学習にはAudioSetの750000の動画を利用しました。 画面内と外の音源の分離には、pix2pixなどでも使われているU-netのアーキテクチャに基づいたencoder-decoderのアーキテクチャを使っています。encoderのアウトプットに、上で挙げた音と動画が同期しているかを識別するモデルのアウトプットを連結することで、同期関係の情報をdecoderに与えています。 本研究の発表に前後して、The Sound of Pixels や Looking to Listen: Audio-Visual Speech Separation といった関連研究が複数発表されています。これまで別々に扱うことが多かった音と映像を同時に扱うことで、いままでできなかった様々なタスクが
LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation
LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation Tak-Wai Hui, Xiaoou Tang, and Chen Change Loy CUHK-SenseTime Joint Lab, The Chinese University of Hong Kong IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2018, Spotlight Presentation, Salt Lake City, Utah Abstract FlowNet2, the state-of-the-art convolutional neural network (CNN) for optical flow
Deep Learning勉強のための書籍【2018年版】 - HELLO CYBERNETICS
はじめに 初級編 ゼロから作るDeep Learning 中級編 scikit-learnとTensorFlowによる実践機械学習 PythonとKerasによるディープラーニング 上級編 Pro Deep Learning with TensorFlow Deep Learning はじめに ディープラーニングに関する書籍は山ほど出てきています。 その中でどれを読めば良いのか分からない、というのは初心者にとって最初の問題でもあるでしょう。まずはブログなどのネットの情報を参考に勉強をする人が多いかと思われますが、私のブログも含め、大抵は個人の興味に沿ってバラバラに話題が提供されるため、できれば1つ1つ順を追って解説してくれる物が欲しいと感じるのが本音と思われます。 今回は、数ある書籍の中でも私自身が所持していておすすめできるディープラーニングの書籍を載せたいと思います。 初級編 ゼロから作
インテル、エッジにコンピュータビジョンをもたらす「OpenVINO」ツールキット発表
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Intelは米国時間5月16日、「OpenVINO」（Open Visual Inference & Neural network Optimization）を発表した。OpenVINOは、エッジにおける視覚アプリケーションでコンピュータビジョンやディープラーニング（DL）推論を容易に実現するためのツールキットだ。 同ツールキットを使うことにより、開発者はクラウド上で（「TensorFlow」や「Apache MXNet」「Caffe」といった一般的なフレームワークを用いて）AIモデルを構築、訓練し、さまざまな製品に配備できるようになる。OpenVINOは、グラフィックス機能を統合した同社のCPUや、FPGA（Field Program
マックス・プランク研究所ら、帽子に1台の魚眼カメラを装着し自分の体をリアルタイムに3D姿勢推定するモバイルベースのアプローチを発表
マックス・プランク研究所ら、帽子に1台の魚眼カメラを装着し自分の体をリアルタイムに3D姿勢推定するモバイルベースのアプローチを発表 2018-05-17 独マックス・プランク情報科学研究所（Max Planck Institute for Informatics）、米スタンフォード大学、スイス連邦工科大学ローザンヌ校（EPFL）の研究者らは、帽子に1台の魚眼カメラを装着し自身の体をリアルタイムに3D姿勢推定するアプローチ「Mo2Cap2」を発表しました。 論文：Mo2Cap2: Real-time Mobile 3D Motion Capture with a Cap-mounted Fisheye Camera 著者：Weipeng Xu, Avishek Chatterjee, Michael Zollhoefer, Helge Rhodin, Pascal Fua, Hans-Pet
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
GitHub - moskomule/neuralcompressor.pytorch: PyTorch Implementation of Compressing Word Embeddings via Deep Compositional Code Learning
橋本 幸士
GitHub - ynasu87/nnue: Efficiently Updatable Neural-Network-based evaluation functions for computer shogi
http://journal.kennethreitz.org/entry/r-python
http://zoey4ai.com/2018/05/12/deep-learning-object-detection/
