一緒に研究開発していただける社員を募集しています! https://www.wantedly.com/projects/102946
![20170819 CV勉強会 CVPR 2017](https://cdn-ak-scissors.b.st-hatena.com/image/square/49e9d5e328e01d220c242b838ca5fbea643e8115/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2F20170819cv-170819075552-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
一緒に研究開発していただける社員を募集しています! https://www.wantedly.com/projects/102946
Deep Learningでの認識に興味がありやす 時間があるときに論文よみたい 参考: pjreddie.com YOLOv2/YOLOv2.md at master · leetenki/YOLOv2 · GitHub GitHub - leetenki/YOLOv2: YOLOv2のchainerの再現実装です(darknetのchainerローダと、完全なchainer上での訓練コードを含みます) ペンパイナッポーとアッポーペンを識別する(ChainerでYOLO ver2) - Qiita ChainerでYOLO - Qiita Deep Learningをお手軽に試してみる : Darknetを使ってオブジェクト認識 - Qiita Yoloで物体検出 - PukiWiki Deep Learningによる一般物体検出アルゴリズムの紹介 - ABEJA Tech Blog D
大まかにいうと v1よりちょっと早くなったよ 検出できるクラス数が増えたよ(9000クラス) 犬の中にいろんな種類がいるよねってのまで学習できてる。すごい。 imagenet自体がwordnetという階層構造になっているので、 それでクラスを増やして各ノードで条件付き確率を予測が可能なようだ。 imagenet http://image-net.org/about-overview ImageNetは、WordNet階層に従って編成された画像データセットです。 WordNetの意味のある概念は、複数の単語や語句によって記述される可能性があり、「同義語セット(synonym set)」または「synset」と呼ばれます。WordNetには100,000以上のsynsetがあり、その大部分は名詞(80,000+)です。ImageNetでは、各synsetを説明するために平均1000枚の画像を提
はじめに YOLOとはYou Only Look Onceの略とのことですがまあ当て字ですかね。速度に特化した画像検出・認識用ニューラルネットワークで、Cベースのdarknetというフレームワーク上に構築されています。元論文はこちらです。特徴は、全画像からいきなりクラス確率と物体のバウンディングボックス座標を推論する点です。R-CNNなどと違って複数の候補領域に対して何度も推論しないでよいので、Look Onceだから速い、というわけですね。 TensorFlowに変換した例はすでにあるようなので、今回はchainer化をしてみます。Cで組まれているものをわざわざスクリプト言語に変換するのは中身を理解するためです。今回の記事では学習済の係数を使った推論のみを行いますが、論文を読んだ感じだと学習手順が最大の特徴の一つに思われるので、そのうちトレースしたいです。 コードはこちらを参照してくださ
本記事はChainer Advent Calendar 2016の20日目のエントリです。 ペンパイナッポー(以下PP)とアッポーペン(以下AP)の画像識別方式の確立は急務です。下記は"PPAP"のここ三ヶ月のGoogle Trend推移ですが、すごい速度で減衰しています。正直もう遅いのかもしれませんが、であったとしても次のビッグウェーブに一目散に乗れるように反射神経を鍛えておく必要があります。 PPとAPをひと目で見分ける認識器の必要性についてご理解いただいたところで、昨今のディープラーニングによる物体認識の進展に目を向けますと、Deep Learningによる一般物体検出アルゴリズムの紹介という記事にまとまっているように、優れた手法が次々と提案されています。最後のコメントにあるように、最大の課題は学習用のデータセットをどう準備するかというところです。 残念なことに、PPAPデータセット
最近はatcoderの黄色を目指すべく、競プロの問題を解いています。 atcoderの過去問なども解いていますが、基本問題を整理しておきたいと思ったので、プログラミングコンテスト攻略のためのアルゴリズムとデータ構造をやっていました。 AOJ本の例題には、競プロには直接役に立ちづらいもの(stackの実装とか)もあるので、競プロに役立ちそうな基本問題をまとめてみます。 章 概要 問題番号 5 二分探索 ALDS1_4_B 6 DFS(組み合わせ列挙) ALDS1_5_A 11 DP(フィボナッチ) ALDS1_10_A 11 DP(連鎖行列積) ALDS1_10_B 11 DP(最長共通部分列) ALDS1_10_C 12 グラフDFS ALDS1_11_B 12 グラフBFS ALDS1_11_C 13 単一始点最短経路-ダイクストラ ALDS1_12_C 14 UnionFind DSL
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