Realistic Evaluation of Deep Semi-Supervised Learning Algorithms
Semi-supervised learning (SSL) provides a powerful framework for leveraging unlabeled data when labels are limited or expensive to obtain. SSL algorithms based on deep neural networks have recently proven successful on standard benchmark tasks. However, we argue that these benchmarks fail to address many issues that these algorithms would face in real-world applications. After creating a unified r
Advancing state-of-the-art image recognition with deep learning on hashtags
Advancing state-of-the-art image recognition with deep learning on hashtags Image recognition is one of the pillars of AI research and an area of focus for Facebook. Our researchers and engineers aim to push the boundaries of computer vision and then apply that work to benefit people in the real world — for example, using AI to generate audio captions of photos for visually impaired users. In orde
なぜ日本企業は「ビッグデータ集めなきゃいけない病」にかかるのか？ | Business Insider Japan
大企業に蔓延する「データ集めなきゃいけない病」とは？Shutterstock弊社のクライアント企業の経営陣は、よく以下のような質問を投げかけて来ます。 • 集められるデータを集められるだけ収集しないと、AI活用できないのか？ • 分析するのは「ビッグデータ」じゃないといけないのか？ • どれだけの容量のデータが集まれば、「解析するのに十分だ」と言えるのか？ データが十分に集まっているだけでは、ゴールにたどり着けません。それを考えるきっかけとなる例が、少し前にみつけたこの記事にありました。 IoTで取得できるようになった健康データの量と、アメリカ人の肥満率レベルをまとめたものです。 関連記事：Does More Data Really Lead To Better Decision Making?（Forbes） 記事が投げかける疑問は端的でユニークです。 IoTデバイスやウェラブルが溢れた
Deep Insider 全記事一覧
Deep Insider 全記事一覧 ＠IT／Deep Insider フォーラムのすべての記事を一覧表示しています。 ● ＠IT／Deep Insiderの歩き方： 「AI・機械学習の勉強をこれから始めたい」「AIサービスを作りたい」 という人のためのAI技術情報フォーラムです！ （Deep Insider イメージキャラクターについて、Deep Insider 編集部 について） 最終更新日： 2025年04月17日 やさしい推測統計（区間推定編）（2025/04/17） 新連載！ やさしいデータ分析【推測統計編】～ 推測統計って何？ どう役に立つの？ ［データ分析］母平均の区間推定 ～ テストの平均点、どこまで信頼できる？ ［データ分析］母分散の区間推定 ～ スマートフォン利用時間のばらつきはどれぐらい？ ［データ分析］ベイズ統計の確信区間 ～ バスケの勝利チームは何点取るのか？【番
GitHub - IntelLabs/distiller: Neural Network Distiller by Intel AI Lab: a Python package for neural network compression research. https://intellabs.github.io/distiller
Automatic Compression Automated Model Compression (AMC) Weight pruning Element-wise pruning using magnitude thresholding, sensitivity thresholding, target sparsity level, and activation statistics Structured pruning Convolution: 2D (kernel-wise), 3D (filter-wise), 4D (layer-wise), and channel-wise structured pruning. Fully-connected: column-wise and row-wise structured pruning. Structure groups (e
The fall of RNN / LSTM – Towards Data Science
We fell for Recurrent neural networks (RNN), Long-short term memory (LSTM), and all their variants. Now it is time to drop them! It is the year 2014 and LSTM and RNN make a great come-back from the dead. We all read Colah’s blog and Karpathy’s ode to RNN. But we were all young and unexperienced. For a few years this was the way to solve sequence learning, sequence translation (seq2seq), which also
WaveGAN Demo
Please try again on a different browser or refresh if you change your mind :) Chris Donahue, Julian McAuley, Miller Puckette This is a demo of our WaveGAN method trained on drum sound effects (paper, code). All drum sounds are synthesized in browser by a neural network. Shortcuts: Keys 1-8 play sounds. Shift+[1-8] changes sounds. Space starts/stops sequencer.
文章特徴抽出ライブラリWordBatchを試してみる - Qiita
GWを使って、文章から特徴を抽出するライブラリwordbatchを試しました。wordbatchって何なの？って人も見たことあるって人もこれから使ってみようという人にも役に立てればと思います。 WordBatchとは こちらで公開されております。 一言で言うと 「機械学習用の並列処理テキスト抽出ライブラリ(予測器付き)」です。 ミニバッチで文章からの特徴抽出を行うため、少ないメモリかつ並列処理で文章からの特徴抽出が可能です。カスタマイズ性も高く、他のライブラリをそのまま置き換えることができます。 また、wordbatchというライブラリは文章特徴抽出器の他に、単一ラベル用のオンラインで並列処理できる予測器も備えています。こちらも実際にメモリに乗りづらい大きいデータの予測などに活用できると思われます。 ユースケースとしては、以下の要望に応えられるものかと思います。 なるべく時間かけずに文章の
Amazon EC2 インスタンスでの深層学習を加速するため、AWS 深層学習 AMI に最適化された Chainer 4 と CNTK 2.5.1 が付属
AWS 深層学習 AMI に、Chainer 4 と Microsoft Cognitive Toolkit (CNTK) 2.5.1 向けの先進的な最適化機能が盛り込まれます。Amazon EC2 インスタンス上でよりパフォーマンスに優れたトレーニングを提供するための機能強化が図れます。 GPU ベースのトレーニングの場合、Amazon EC2 P3 インスタンスをパワーアップする NVIDIA Volta V100 GPU 上で混在精度のトレーニングを活用するために、CuPy、NVIDIA CUDA 9、cuDNN 7 用の詳細な設定が施された Chainer 4 が AMI に付属します。また、Chainer 4 では精度の低いコンピューティングで使用される Volta GPU の TensorCores 向けのサポートも改善されます。AMI はまた、Amazon EC2 P3 イン
Setting up the PYNQ-Z1 for the Intel Movidius Neural Compute Stick
Setting up the PYNQ-Z1 for the Intel Movidius Neural Compute Stick The Intel Movidius Neural Compute Stick (NCS) is a neural network computation engine in a USB stick form factor. It’s based on the Myriad-2 chip, referred to by Movidius as a VPU or Visual Processing Unit, basically a processor that was specifically designed to accelerate neural network computations, and with relatively low power r
AWS Deep Learning AMIs Now Available in 5 New Regions
The AWS Deep Learning AMIs provide integrated tools for machine learning practitioners to quickly get started with deep learning. The AMIs are optimized for high performance on Amazon EC2 instances such as P3 and C5, and come pre-installed with deep learning frameworks such as TensorFlow, Apache MXNet, PyTorch, Chainer, Microsoft Cognitive Toolkit, Caffe2, as well as the Keras and Gluon APIs. Get
Feature-Based Aggregation and Deep Reinforcement Learning: A Survey and Some New Implementations
In this paper we discuss policy iteration methods for approximate solution of a finite-state discounted Markov decision problem, with a focus on feature-based aggregation methods and their connection with deep reinforcement learning schemes. We introduce features of the states of the original problem, and we formulate a smaller "aggregate" Markov decision problem, whose states relate to the featur
Ruby脳で実装するCNN - Speee DEVELOPER BLOG
ネイティブアド配信プラットフォーム「UZOU」エンジニアの@hatappiです。 今回は社内で行われたSpeeeKaigiという社内技術プレゼン大会のことを書きます。 SpeeeKaigiは今回で4回目を迎えました🎉 tech.speee.jp 私は「Ruby脳で実装するCNN」というタイトルで発表しました。 発表資料はSpeaker Deckにアップロードしているのでそちらをご覧ください。 speakerdeck.com CNNはニューラルネットワークの1つで畳み込みを行います。 全結合ではRGB画像のように縦、横、チャネルの3次元のデータを1次元にして処理をするため、チャネル間の関連性などが失われていました。 CNNでは形状を維持しつつ次のデータ層にデータを渡すことが出来ます。 そのため画像識別などに使用されることが多くあります。 また、画像識別だけでなく自然言語処理でも使用されてい
Synthesizing Images of Humans in Unseen Poses
We address the computational problem of novel human pose synthesis. Given an image of a person and a desired pose, we produce a depiction of that person in that pose, retaining the appearance of both the person and background. We present a modular generative neural network that synthesizes unseen poses using training pairs of images and poses taken from human action videos. Our network separates a
Image Inpainting for Irregular Holes Using Partial Convolutions
Existing deep learning based image inpainting methods use a standard convolutional network over the corrupted image, using convolutional filter responses conditioned on both valid pixels as well as the substitute values in the masked holes (typically the mean value). This often leads to artifacts such as color discrepancy and blurriness. Post-processing is usually used to reduce such artifacts, bu
機械学習をやる上で必要な数学とは、どの分野のどのレベルの話なのか（数学が大の苦手な人間バージョン） - 渋谷駅前で働くデータサイエンティストのブログ
しばらく前にこんな記事が出ていたのをお見かけしました。 明らかにこれは僕が某所（笑）で適当に放言したことがきっかけで巻き起こった議論の一旦なのではないかと思うのですが、個人的にはこちらの@yohei_kikutaさんの仰る通りで大体良いのではないかと考えております。 なのですが、言い出しっぺらしき身としてはもうちょっと何か具体的な話を書いた方が良いのかな？とも思いましたので、常々公言しているように数学が大の苦手な身ながらどの分野のどのレベルの数学が機械学習をやっていく上で必要なのかという点について戯言だらけの駄文を書いてみることにします。 深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本（ソフトカバー）この商品を含むブログ (13件) を見るちなみに、以下に並べる戯言は深層学習青本から得られた知識を
ミュンヘン工科大学ら、動画内における人の顔の偽造を検出するDeep-learningを用いたアルゴリズム及びデータセット発表
ミュンヘン工科大学ら、動画内における人の顔の偽造を検出するDeep-learningを用いたアルゴリズム及びデータセット発表 2018-04-13 ミュンヘン工科大学、フェデリコ2世・ナポリ大学、フリードリヒ・アレクサンダー大学の研究者らは、動画における人の顔の偽造を検出するDeep-learningアルゴリズム及びビデオデータセット「FaceForensics」を発表しました。 論文：FaceForensics: A Large-scale Video Dataset for Forgery Detection in Human Faces 著者：Andreas Rössler,Davide Cozzolino,Luisa Verdoliva,Christian Riess,Justus Thies,Matthias Nießner 昨今の研究では、目視では見破ることが困難な偽ビデオ作成
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
Kenn Ejima on Twitter: "日本で学者よりトラック運転手のほうが稼げるように、学歴のいらない技能職（tradeの訳語むずい）が稼げるようになってきてるのは世界的な傾向らしい。大卒と専門学校卒の生涯年収は有意差なし。 https://t.co/mjMKAEXZQ2"
RemoteML - Remote Machine Learning Jobs: AI, Data Science, Deep Learning.
Redirect