This is a table documenting some of the best results some paper obtained in CIFAR-10 dataset. Spatially-sparse convolutional neural networks (ARXIV 2014) Cited 12 times. 93.72% Additional info: DeepCNiN(5,300) With data augmentation and Network-in-Network layers Deep Residual Learning for Image Recognition (ARXIV 2015) Cited 1 time. 93.57% Additional info: ResNet 110 layers, 1.7 million parameters
アマゾン傘下の検索技術企業 A9 が、画像認識技術を用いた iOS 用 AR アプリ " Flow Powered by Amazon " を公開しました。書籍やDVD、ゲームなどに iOS端末のカメラを向けると画像認識により自動的にAmazon.comのデータベースに問い合わせ、価格や評価といった情報をポップアップ表示します。 面白いのはバーコードだけでなく、表紙やパッケージをかなりの速度・精度で認識してくれること。バーコードで蔵書を管理したりネット上の商品データベースを引くアプリは1ジャンルをなすほど歴史があり、また画像認識といえば Google モバイルアプリの Google Goggles が有名ですが、" Flow " はシャッターを切って認識を待つ必要もなく、カメラを向ければシームレスかつ連続的に認識が可能です。 また検索結果ページに飛ぶのではなく、画面はリアルタイムに対象
GoogleのAIカメラDIYキットはRaspberry Piを活用、5000円の自分専用機械学習機！ | Techable(テッカブル)
Tech GoogleのAIカメラDIYキットはRaspberry Piを活用、5000円の自分専用機械学習機！ Googleはベストショットを自動で撮り溜めてくれるAIカメラ「Clips」を10月に発表しところたが、撮影タイミングをすべてAIに任せることに物足りなさを感じた方もいるだろう。そんな方たちが待ち望んでいた、認識対象を独自に設定できる世界が思ったより早くやってきそうだ。 Googleは11月30日、ラズベリー・パイ・ゼロ（Raspberry Pi Zero）Wボードを活用するAIカメラ「AIY Visionキット」を発表した。 Visionキットは、ローカルでニューラルネットワークモデルが活用でき、クラウドへの接続を必要としない。そしてなんと、プリセットされたモデルだけでなく、機械学習により独自のモデル追加が可能だ。 VisionキットではRaspberry Piを活かした連携
Applying Deep Learning to Enhance Momentum Trading Strategies in Stocks
This version: December 12, 2013 Applying Deep Learning to Enhance Momentum Trading Strategies in Stocks Lawrence Takeuchi * ltakeuch@stanford.edu Yu-Ying (Albert) Lee yy.albert.lee@gmail.com Abstract We use an autoencoder composed of stacked restricted Boltzmann machines to extract features from the history of individual stock prices. Our model is able to discover an en- hanced version of the mome
Image recognition (i.e. classifying what object is shown in an image) is a core task in computer vision, as it enables various downstream applications (automatically tagging photos, assisting visually impaired people, etc.), and has become a standard task on which to benchmark machine learning (ML) algorithms. Deep learning (DL) algorithms have, over the past decade, emerged as the most competitiv
February 4, 2016 by Sam Gross and Michael Wilber The post was co-authored by Sam Gross from Facebook AI Research and Michael Wilber from CornellTech. In this blog post we implement Deep Residual Networks (ResNets) and investigate ResNets from a model-selection and optimization perspective. We also discuss multi-GPU optimizations and engineering best-practices in training ResNets. We finally compar
If you have additions or changes, send an e-mail (remove the "nospam"). This material is presented to ensure timely dissemination of scholarly and technical work. Copyright and all rights therein are retained by authors or by other copyright holders. All persons copying this information are expected to adhere to the terms and constraints invoked by each authors copyright. Session 1: Recognition A
3つの要点 ✔️ 画像分類タスクに必要不可欠なData Augmentationの体系をまとめた ✔️ 基本的なData Augmentationについて手法と利点/欠点をまとめた ✔️ 基本的なDAは実装が簡単な上に絶大な効果を発揮する A survey on Image Data Augmentation for Deep Learning written by Connor Shorten, Taghi M. Khoshgoftaar (Submitted on 06 July 2019) Comments: Published by Journal of Big Data Subjects: Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG); Image and Video Proc
Adversarial Machines
Adversarial A.Is are a common sci-fi theme: Robot VS Robot. In recent years, real adversarial examples have emerged. This experiment explores how to generate images to fool A.Is (and turn everyone into manga). Convolutional Neural NetworksAt the heart of many modern computer vision systems are Convolutional Neural Networks. On some vision tasks, CNNs have surpassed human performance. Industries su
Capture the flag. Hide and seek. Marco Polo. These location-based games brought hours of fun to many of us as children. Then video games came along and suddenly the only location you played in was the living room. Now this shift is coming full circle as innovative mobile games are using geo-location, image recognition and augmented reality technologies to combine the real and virtual worlds. Locat
![Why Location-Based Gaming Is The Next Killer App [OPINION]](https://cdn-ak-scissors.b.st-hatena.com/image/square/99a9d941acf4ba37b578789ed87ae21c22bcb4b4/height=288;version=1;width=512/https%3A%2F%2Fhelios-i.mashable.com%2Fimagery%2Farchives%2F037MBbM0M4ozEtLzuBrCIHZ%2Fhero-image.fill.size_1200x675.v1647020093.jpg)
New to Microsoft 365 in February—advancing security and empowering a modern workplace | Microsoft 365 Blog
This month, we released several new capabilities to help you stay ahead of threats, create a more productive workplace, and keep you in the flow of work. Here’s a look at what’s new in February. Stay ahead of threats and collaborate securely New features and services help you better manage a complex threat landscape and communicate and collaborate securely. Extend your security team’s capability w
The scene opened on a room with a red sofa, a potted plant and the kind of bland modern art you’d see on a therapist’s wall. In the room was Michelle Obama, or someone who looked exactly like her. Wearing a low-cut top with a black bra visible underneath, she writhed lustily for the camera and flashed her unmistakable smile. Then, the former first lady’s doppelgänger began to strip. The video, whi
Reading the VGG Network Paper and Implementing It From Scratch with Keras | HackerNoon
Too Long; Didn't ReadThere are hundreds of code examples for Keras. It's common to just copy-and-paste code without knowing what's really happening. In this tutorial, you will implement something very simple, but with several learning benefits: you will implement the VGG network with Keras, from scratch, by reading the VGG's* original paper. There are hundreds of code examples for Keras. It's comm
NeurIPS 2022 参加報告 後編
はじめに プロダクトオーナー兼機械学習エンジニアの本田志温です。 弊社高橋による前回の記事「NeurIPS 2022 参加報告 前編」 に引き続き、同会議の参加報告をします。本記事では、個人的に気になった論文（計53本）をいくつかのカテゴリで分類し、カテゴリごとに研究トレンドを大づかみにできるような形で書きます。特に重要だと感じた論文は詳しめに取り上げます。 会場の様子 また、本記事に関心をお持ちになった方は以下の過去記事もお楽しみいただけるのではないかと思います。ぜひ合わせてご覧ください。 AI開発の新たなパラダイム「基盤モデル」とは NeurIPS 2021 参加報告 前編 NeurIPS 2021 参加報告 後編 深層学習の原理 深層学習は様々なタスクで高い性能を発揮することが経験的に知られていますが、「なぜうまくいくのか」という原理についてわかっていることは多くありません。そのため
＜サービス支配論理＞ iTunesに対する一発逆転を狙ったアマゾンの音楽サービス「クラウドドライブ」が引き起こした激しい波紋！！: SNS,ソーシャルネットワーキング.jp
＜サービス支配論理＞ iTunesに対する一発逆転を狙ったアマゾンの音楽サービス「クラウドドライブ」が引き起こした激しい波紋！！ ＜炎上＞ イオングループ企業、取締役なりすましTwitterが原因で炎上 「法的措置も」 ＜スマートテレビ＆ソーシャルテレビ＞ 近未来のスマートテレビの動画 ＜スマートテレビ＞YouTubeがスマートテレビ時代に合わせて変化中！！ ＜ネット世代論＞ デートの様子をネットで中継！？ ネット世代の「リアルな関係」とは何か ＜スマートテレビ＞米国ディズニーのスポーツチャネルＥＳＰＮがiPad視聴アプリ発表！！ ＜アップス＞ スポーツＥＳＰＮのiPad視聴アップスの動画！！ ＜マイクロ取引＞米国新聞トップのＵＳＡトウディが記事へのアクセス数をボーナスに反映か？ ＜プロダクトプレースメント＞ リーバイスがフェースブックのソーシャルゲームMall World
この記事について 画像解析ができる強力な生成AI、Claude 3がAWSで使えるようになりました 現時点(2024/03/10時点)で、AWSではミドルクラスのSonnetしか使えないのですが、それでも十分な精度があります この記事では、難問と名高いサイゼリヤの間違い探しをClaude3にさせてみました 実施した環境 boto3(Python 3.12) AWS Bedrock Claude 3 Sonnet(バージョン：bedrock-2023-05-31) ※最上位のOpusはまだAWSで使えないため、Sonnetで検証します。 いまさらながら、サイゼリヤの間違え探しとはなんぞや サイゼリヤ（全国チェーンのレストラン）のキッズメニューにある間違い探しゲームです。 「大人が１５分かけてようやく解けるレベル」に設定されているのですが、その難易度がたびたびニュースに取り上げられます。 日刊
PyTorch developer ecosystem expands, 1.0 stable release now available - Facebook Code
PyTorch developer ecosystem expands, 1.0 stable release now available As the PyTorch ecosystem and community continue to grow with interesting new projects and educational resources for developers, today at the NeurIPS conference we’re releasing PyTorch 1.0 stable. The latest version, which was first shared in a preview release during the PyTorch Developer Conference in October, includes capabilit
In probability theory, the Chinese restaurant process is a discrete-time stochastic process, analogous to seating customers at tables in a restaurant. Imagine a restaurant with an infinite number of circular tables, each with infinite capacity. Customer 1 sits at the first table. The next customer either sits at the same table as customer 1, or the next table. This continues, with each customer ch
Machine learning libraries are becoming faster and more accessible with each passing year, showing no signs of slowing down. While traditionally Python has been the go-to language for machine learning, nowadays neural networks can run in any language, including JavaScript! The web ecosystem has made a lot of progress in recent times and although JavaScript and Node.js are still less performant tha
functional APIでKerasを始めてみよう functional APIは，複数の出力があるモデルや有向非巡回グラフ，共有レイヤーを持ったモデルなどの複雑なモデルを定義するためのインターフェースです． ここではSequentialモデルについて既に知識があることを前提として説明します． シンプルな例から見てきましょう． 例1: 全結合ネットワーク 下記のネットワークはSequentialモデルによっても定義可能ですが， functional APIを使ったシンプルな例を見てきましょう． レイヤーのインスタンスは関数呼び出し可能で，戻り値としてテンソルを返します Modelを定義することで入力と出力のテンソルは接続されます 上記で定義したモデルはSequentialと同様に利用可能です from keras.layers import Input, Dense from kera
Otaku Haven
When you are thinking about how to start a ohio llc, there are some important things that you should know. All businesses should follow the guidelines laid out by the state government, which usually include certain types of licenses and permits. If you want to open a limited liability company in Ohio, you will first need to file an application for a certificate of authority. This process can take
翻訳の方法論
英語をどう日本語に翻訳するか、MITテクノロジーレビュー編集部は真剣に考えています。基本方針は単なる「和訳」ではなく、「ローカライズ（日本化）」することです。この場合ローカライズとは「通常の生活を送る日本人が、米国の生活様式や社会問題、政治課題、学術知識なしに理解できる日本語にすること」とします。なお、当社はライセンサーから記事のローカライズについても許諾を得ています。 グーグル翻訳についてMITテクノロジーレビュー編集部は、グーグル翻訳の使用を推奨します。機械翻訳の水準に満たない人間の翻訳に価値はありません。一方で、手を抜くためにグーグル翻訳を使うことは、翻訳という仕事の否定と同じです。効率を高めるためにグーグル翻訳を使うのは構いませんが、そのまま完成とせず、人間らしい工夫をしてください。また、グーグル翻訳には重大な欠点があります。グーグル翻訳特有の欠点がある場合は「手抜き」とみなし、編
概要この記事は 2019/12/7 に開催された Japan.R の発表原稿である.github.com speakerdeck.com 小難しいテクニックを使ったことをアピールせず, なるべく単純な方法だけで, データから何が言えるのか, 何を示せるのかを作業の流れに沿ってチュートリアル風に説明する, というのがコンセプトである. スクレイピングによるデータの取得, 加工, そして要約統計量の計算やグラフの見せ方, といった事柄はほとんどのデータ分析で必要な基礎技術だと思うので, 実践的な例になると踏んでいた. 当初は 5分間のLTの予定だったので要約統計量 (記述統計量) の見方とかだけを話すつもりだったが, 20分枠に変更したことに合わせてボリュームを増そうとしたらバランスが狂った感じになった. (小難しいことをしないとか言いながら色気を出してディープラーニングに手を出そうとしている
We all know about the incredible progress that deep learning has made in recent years. In just 5 years, we went from near-unusable speech recognition and image recognition, to near-human accuracy. We went from machines that couldn't beat a serious Go player, to beating a world champion. We went further than anybody could have foreseen --if you went back to 2010 and told AI researchers about the th
Powerful and Portable Mobile Augmented Reality metaio's Unifeye Mobile platform is the most comprehensive solution to create Augmented Reality applications for iPhone, Android, Symbian and WinMobile devices. Featuring a high-level API and latest image recognition technologies it allows developers to produce high-quality applications with low effort.The code-base is prepared for easy porting to new
Gartner Identifies the Top 10 Strategic Technology Trends for 2013
ORLANDO, Fla., October 23, 2012 View All Press Releases Gartner Identifies the Top 10 Strategic Technology Trends for 2013 Analysts Examine Top Industry Trends at Gartner Symposium/ITxpo, October 21-25 in Orlando Gartner, Inc. today highlighted the top 10 technologies and trends that will be strategic for most organizations in 2013. Analysts presented their findings during Gartner Symposium/ITxpo,
Google Sheet | PDF | High-res image | GCP Products Page | Tweet Machine Learning Cloud Machine Learning Engine -- Managed ML (TensorFlow) Cloud Job Discovery -- ML Job Search/Discovery Cloud Natural Language -- Text Parsing and Analysis Cloud Speech -- Convert Speech to Text Cloud Translation -- Language Detection and Translation Cloud Vision -- Image Recognition and Classification Cloud Video Int
Large-scale Video Classification with Convolutional Neural Networks (CVPR 2014)
Large-scale Video Classification with Convolutional Neural Networks Abstract Convolutional Neural Networks (CNNs) have been established as a powerful class of models for image recognition problems. Encouraged by these results, we provide an extensive empirical evaluation of CNNs on large-scale video classification using a new dataset of 1 million YouTube videos belonging to 487 classes. We study m
Transformer（トランスフォーマー）は、2017年6月12日にGoogleの研究者等が発表した深層学習モデルであり、主に自然言語処理 （NLP）の分野で使用される[1]。 自然言語などの時系列データを扱って翻訳やテキスト要約などのタスクを行うべく設計されているのは回帰型ニューラルネットワーク （RNN）と同様だが、Transformer の場合、時系列データを逐次処理する必要がないという特徴がある。たとえば、入力データが自然言語の文である場合、文頭から文末までの順に処理する必要がない。このため、Transformer では 回帰型ニューラルネットワークよりもはるかに多くの並列化が可能になり、トレーニング時間が短縮される[1]。 その導入以来、Transformer モデルは自然言語処理の多くの問題に取り組む上で広く選択されており、 Long Short-term Memory（LS
Artificial Intelligence Sector Analysis (Landscape Overview) – Venture Scanner
Artificial intelligence has become an increasingly important sector in today’s technology industry, growing by 20% annually. The field includes the design and production of technology that could simulate human intelligence and act autonomously based on its own processing of environmental stimuli, rather than following programmed directions alone. Through our exhaustive research of the sector, we h
Internet Trends 2017 Report Mary Meeker May 31, 2017 kpcb.com/InternetTrends INTERNET TRENDS 2017 – CODE CONFERENCE KP INTERNET TRENDS 2017 | PAGE 2KP INTERNET TRENDS 2017 | PAGE 2 Internet Trends 2017 1) Global Internet Trends = Solid…Slowing Smartphone Growth 4-9 2) Online Advertising (+ Commerce) = Increasingly Measurable + Actionable 10-79 3) Interactive Games = Motherlode of Tech Product Inno
Research Unsupervised learning: The curious pupil Published 25 June 2019 Authors Alexander Graves, Kelly Clancy One in a series of posts explaining the theories underpinning our research. Over the last decade, machine learning has made unprecedented progress in areas as diverse as image recognition, self-driving cars and playing complex games like Go. These successes have been largely realised by
It’s also possible to measure the distance between embeddings to approximate the distance between different painting styles. If a series of embeddings of the same style image are taken, the distances are all small and similar. For example, the L2 distances for two different (but similar) water lillies paintings by Claude Monet are <25. Likewise, the average L2 distance between different water lill
Computer Scientists Are Astir After Baidu Team Is Barred From A.I. Competition (Published 2015)
A Baidu employee enjoying recreation time at the Chinese search giant’s research center in Beijing in December.Credit...Kim Kyung-Hoon/Reuters SAN FRANCISCO — A group of researchers at the Chinese web services company Baidu have been barred from participating in an international competition for artificial intelligence technology after organizers discovered that the Baidu scientists broke the conte
リアルタイム画風変換とその未来
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog こんにちは。LINE Fukuoka でデータ分析やその基盤作りをしている tkengo です。この記事は LINE Advent Calendar 2016 の 12 日目の記事です。 2016 年の 11 月下旬、LINE Fukuoka で 2 日間の社内ハッカソンが開催されました。その時にいくつかのチームが結成され、IoT や VR、機械学習など、それぞれのチームで挑戦的なプロダクトが作られ、大いに盛り上がりました。今日は、その時に私たちのチームが作ったディープニューラルネットワークを使った以下のようなリアルタイム画風変換アプリケーションのお話をしたいと思います。 ※ちょっとわかりにくいですが、下側のスマホのカメラに映
Performance of Distributed Deep Learning using ChainerMN By Takuya Akiba Feb 8, 2017 In General At Deep Learning Summit 2017 in San Francisco on this January, PFN announced advancements on distributed deep learning using Chainer in multi-node environment. In this post, I would like to explain the detail of the announcement. (This post is translated from the original post written by Takuya Akiba.)
This glossary is work in progress and I am planning to continuously update it. If you find a mistake or think an important term is missing, please let me know in the comments or via email. Deep Learning terminology can be quite overwhelming to newcomers. This glossary tries to define commonly used terms and link to original references and additional resources to help readers dive deeper into a spe
Update with 162 new papers to Deeplearning.University Bibliography | Memkite
Update with 162 new papers to Deeplearning.University Bibliography Added 162 new Deep Learning papers to the Deeplearning.University Bibliography, if you want to see them separate from the previous papers in the bibliography the new ones are listed below. There are many highly interesting papers, a few examples are: Deep neural network based load forecast – forecasts of electricity prediction The
Image Recognition Software, ML Image & Video Analysis - Amazon Rekognition - AWS
Quickly add pre-trained or customizable computer vision APIs to your applications without building machine learning (ML) models and infrastructure from scratch. Analyze millions of images, streaming, and stored videos within seconds, and augment human review tasks with artificial intelligence (AI).
IIIF Curation Viewer with Hentaigana Image Recognition
人文学オープンデータ共同利用センターにより公開されている「IIIF Curation Viewer」(MIT License)に、2SC1815Jにより公開されている「変体仮名の画像認識システム」Web API利用機能を組み込んだカスタム版ビューワです。 ビューワ左上の黒四角ボタンまたはsキーを押下し、変体仮名（1文字分）を選択すると、文字認識結果がダイアログ表示されます。 また、「日本古典籍データセット」（国文学研究資料館所蔵・人文学オープンデータ共同利用センター配信）をはじめとして、「国立国会図書館デジタルコレクション」など、任意のIIIF配信画像を閲覧できるように機能を拡張しています。 以下のテキストボックスにIIIF配信資料のmanifestファイルURLを入力し「閲覧」ボタンを押下すると、当該資料を閲覧できます。 （例：http://codh.rois.ac.jp/pmjt/bo
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
Table of results for CIFAR-10 dataset
Engadget Japanese for Mobile
A Visual History of Interpretation for Image Recognition
Torch | Training and investigating Residual Nets
ICCV 2011 papers on the web - Papers
【基本編】画像認識に使用されるData Augmentationを一挙にまとめてみた！
Why Location-Based Gaming Is The Next Killer App [OPINION]
Here Come the Fake Videos, Too (Published 2018)
Claude3でサイゼリヤの間違い探しを解いてみる - Qiita
Chinese restaurant process - Wikipedia
10 Machine Learning Examples in JavaScript
Functional APIのガイド - Keras Documentation
三国志で学ぶデータ分析 (原稿写し) - ill-identified diary
On the importance of democratizing Artificial Intelligence
metaio | Mobile SDK | Augmented Reality 3D
GCP products described in 4 words or less
)
Transformer (機械学習モデル) - Wikipedia
Internet Trends 2017 Report
Unsupervised learning: The curious pupil
Multistyle Pastiche Generator
Performance of Distributed Deep Learning using ChainerMN
Deep Learning Glossary – WildML