【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
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
Updated AWS Deep Learning AMIs: New Versions of TensorFlow, Apache MXNet, Keras, and PyTorch
This release of the AWS Deep Learning AMIs support Apache MXNet 1.0, including a new model serving capability for MXNet that packages, runs, and serves deep learning models with just a few lines of code. Also included are a new gradient compression capability, and a new model converter that converts neural network code written with the Caffe framework to MXNet code, making it easier for developers
Robsut Wrod Reocginiton via semi-Character Recurrent Neural Network
Language processing mechanism by humans is generally more robust than computers. The Cmabrigde Uinervtisy (Cambridge University) effect from the psycholinguistics literature has demonstrated such a robust word processing mechanism, where jumbled words (e.g. Cmabrigde / Cambridge) are recognized with little cost. On the other hand, computational models for word recognition (e.g. spelling checkers)
Mathematics of Deep Learning
Recently there has been a dramatic increase in the performance of recognition systems due to the introduction of deep architectures for representation learning and classification. However, the mathematical reasons for this success remain elusive. This tutorial will review recent work that aims to provide a mathematical justification for several properties of deep networks, such as global optimalit
AWS re:Invent 2017 現地レポート（11/28） | AWS
今年で第 6 回目を迎える AWS のグローバルカンファレンス「AWS re:Invent 2017」。3 日目に開催されたナイトキーノート「Tuesday Night Live」では Peter DeSantis（Vice President, AWS Global Infrastructure）が登壇し、AWS インフラストラクチャのフットプリントの拡大と、グローバルに張り巡らされる冗長化されたネットワーク、AWS リージョンにおけるアベイラビリティゾーンによる高い可用性の重要性について強調しました。さらに Dr. Matt Wood（GM Artificial Intelligence）より、AI や Deep Learning の分野における Amazon EC2 の活用について紹介されました。 また、Perter が EC2 のこれまでの進化について触れ、C5 インスタンスにおけ
ChainerでDeep Learningをしない（SfMからSLAMまで） - Qiita
Chainer Advent Calendar 2017の7日目です。 はじめに みなさん、Deep Learningしてますか？正直Deep Learningって疲れますよね。パラメータチューニングの毎日、下がらないLoss、過学習するモデル、スタープラチナに殴られたようなGANで生成された大量の顔。 そんな鬱憤を晴らすべく、今日はChainerでDeep Learningをしない、という記事を書きます。 Computer Visionの多くの問題は、何らかの最小化問題として定式化されます。最小化する際は、殆どの場合は式を立て、微分し、最適なパラメータを求めます。そこには大きな問題があります。 微分めんどい 微分が複雑・・・式が複雑だと計算間違える・・・手法を変更するたびに微分しなくてはいけない。そんな問題を解決する凄いライブラリがあるのです。そう、Chainerです。Chainerでは
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
Deep Learning (日本語翻訳版）公開 | Deep Learning JP
Regularization and Optimization strategies in Deep Convolutional Neural Network
Deep Learning
GitHub - keisks/robsut-wrod-reocginiton: Robsut Wrod Reocginiton via semi-Character Recurrent Neural Network
