OpenCVによる非ディープラーニングの顔認識でどこまでできるのか試してみた！ – 株式会社ライトコード
ディープラーニングを使わない顔認識 Githubで公開されている「Face-Detection-OpenCV」を実行し、OpenCVでの顔認識の限界を探ってみました。 このコードには、OpenCV（オープンシーヴィ）による、「非ディープラーニングの顔認識のテスト用コード」がまとまっています。 赤ちゃんのグレイ表示／顔認識テスト3人の赤ちゃんの顔認識テスト顔認識精度をパラメータ調整で向上させた例LBP方式の顔認識テストHaar方式とLBP方式の比較最終的にHaar方式、LBP方式という2種類の顔認識を比較しています。 Haar方式については、認識速度が遅く、壁に貼ったポスターの顔まで「顔」と認識してしまいました。 しかし、LBP方式は、実際の人間の顔のみキレイに認識出来た上、認識にかかる時間が1/3以下。 ここだけ見ると、「ああ、Haar方式って良いところないんだな。使わないようにしよう…」
人工知能が騙される？Adversarial Examplesとは？ – 株式会社ライトコード
人口知能には欠点や問題がある近年、人口知能技術が注目されています。 みなさんは、どのような人工知能技術に期待していますか？ 注目度の高い技術の１つと言えば、やはり、車の「自動運転技術」ですよね。 自動運転車と画像処理技術自動運転技術は、注目度に比例して性能の方も、最近はかなり精度が向上してきています。 また、GPUで有名なNVIDIAは、この技術に特に力を入れていることでも有名です。 【参考記事】 自動運転車のテクノロジとソリューション - NVIDIA Automotive 自動運転で重要な要素といえば、何といっても「画像処理技術」です。 車に取り付けられたカメラやセンサーで、環境を読み込みそれに合わせた行動をとるわけなので、この画像処理がうまくいかなければ自動運転実現は不可能ということができます。 一般的に優秀な画像処理能力を持つと言われている人口知能ですが、前回の記事「人工知能の欠点
1
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
