The Elements Of The Mobile User Experience — Smashing Magazine
Mobile users and mobile usage are growing. With more users doing more on mobile, the spotlight is on how to improve the individual elements that together create the mobile user experience. Mobile users and mobile usage are growing. With more users doing more on mobile, the spotlight is on how to improve the individual elements that together create the mobile user experience. The mobile user experi
「Photo Discovery」はレコメンド精度を飛躍的に向上させる：popIn CEO 程涛氏 | DIGIDAY［日本版］
popInは1月31日にディープラーニングによる画像レコメンド「Photo Discovery」を発表した。記事中の「画像」を解析して、ユーザーに対し関連性の高いコンテンツをレコメンドする仕組みだ。同サービス提供の背景や、今後パブリッシャーに対して提供する独自価値について、同社 代表取締役 程 涛氏に聞いた。 人々がマルチデバイスを活用し、多量の情報に触れるいま、より読者の興味・関心にマッチした記事を、最適なタイミングで届けることが求められている。コンテンツと読者のマッチングの鍵になるのがレリバンシー（関連性）だが、コンテンツレコメンデーションpopIn（ポップイン）は、これまでとは異なる新しいアプローチを提示する。それはディープラーニングによる画像認識を活用したおすすめだ。 popInは1月31日にディープラーニングによる画像レコメンド「Photo Discovery」を発表した。記事中
Apache Tika – Apache Tika
Apache Tika - a content analysis toolkit The Apache Tika™ toolkit detects and extracts metadata and text from over a thousand different file types (such as PPT, XLS, and PDF). All of these file types can be parsed through a single interface, making Tika useful for search engine indexing, content analysis, translation, and much more. You can find the latest release on the download page. Please see
Posted by Sujith Ravi, Staff Research Scientist, Google Research Recently, there have been significant advances in Machine Learning that enable computer systems to solve complex real-world problems. One of those advances is Google’s large scale, graph-based machine learning platform, built by the Expander team in Google Research. A technology that is behind many of the Google products and features
MultiModel: Multi-Task Machine Learning Across Domains
Posted by Łukasz Kaiser, Senior Research Scientist, Google Brain Team and Aidan N. Gomez, Researcher, Department of Computer Science Machine Learning Group, University of Toronto Over the last decade, the application and performance of Deep Learning has progressed at an astonishing rate. However, the current state of the field is that the neural network architectures are highly specialized to spec
Yes, androids do dream of electric sheep | Technology | The Guardian
A hallucinatory filter over a red tree. Spot the animals. Photograph: Google
近年、AI・人工知能の技術は急速に進歩しており、さまざまな業界でAIを導入するケースが見受けられます。実際、AIを活用したサービスを利用する方や、実際に業務でAIを活用する方も増えてきていることでしょう。 そんなAI領域ですが、専門用語も数多く存在しているため、正しく理解した上でAIを使いこなしていくには専門用語の理解が欠かせません。そこで今回は、AIを理解する上で重要な「アノテーション」について詳しく解説するとともに、アノテーションを行うツールをご紹介していきますので、ぜひ参考にしてみてください。 アノテーションについて詳しく知りたい方は以下の記事もご覧ください。 アノテーションとは？AI機械学習に欠かせない作業の種類を解説 アノテーションのサービス比較と企業一覧を見る アノテーションとはどんな意味？ アノテーションとは、音声や画像、テキストといったさまざまな形態のデータに対し、関連する
Neural Networks and Deep Learning What this book is about On the exercises and problems Using neural nets to recognize handwritten digits How the backpropagation algorithm works Improving the way neural networks learn A visual proof that neural nets can compute any function Why are deep neural networks hard to train? Deep learning Appendix: Is there a simple algorithm for intelligence? Acknowledge
AI Solution realizing virtual agent, optimization, image recognition, and so on
Predicting the future: Strata 2014 hot topics - O'Reilly Radar
Predicting the future: Strata 2014 hot topics Eleven areas of focus for deeper investigation. Conferences like Strata are planned a year in advance. The logistics and coordination required for an event of this magnitude takes a lot of planning, but it also takes a decent amount of prediction: Strata needs to skate to where the puck is going. While Strata New York + Hadoop World 2013 is still a few
CartoonGAN: Generative Adversarial Networks for Photo Cartoonization
CartoonGAN: Generative Adversarial Networks for Photo Cartoonization Yang Chen Tsinghua University, China chenyang15@mails.tsinghua.edu.cn Yu-Kun Lai Cardiff University, UK Yukun.Lai@cs.cf.ac.uk Yong-Jin Liu∗ Tsinghua University, China liuyongjin@tsinghua.edu.cn Abstract In this paper, we propose a solution to transforming pho- tos of real-world scenes into cartoon style images, which is valuable
Recent Advances in Convolutional Neural Networks Jiuxiang Gua,∗ , Zhenhua Wangb,∗ , Jason Kuenb , Lianyang Mab , Amir Shahroudyb , Bing Shuaib , Ting Liub , Xingxing Wangb , Gang Wangb aInterdisciplinary Graduate School, Nanyang Technological University, Singapore bSchool of Electrical and Electronic Engineering, Nanyang Technological University, Singapore Abstract In the last few years, deep lear
Playing Mortal Kombat with TensorFlow.js. Transfer learning and data augmentation
Playing Mortal Kombat with TensorFlow.js. Transfer learning and data augmentation Edit · Oct 20, 2018 · 25 minutes read · Follow @mgechev Machine learning TensorFlow CNN Transfer learning Data augmentation ML While experimenting with enhancements of the prediction model of Guess.js, I started looking at deep learning. I’ve focused mainly on recurrent neural networks (RNNs), specifically LSTM becau
Developing neural network image classification models often requires significant architecture engineering. In this paper, we study a method to learn the model architectures directly on the dataset of interest. As this approach is expensive when the dataset is large, we propose to search for an architectural building block on a small dataset and then transfer the block to a larger dataset. The key
How AI Training Scales
We've discovered that the gradient noise scale, a simple statistical metric, predicts the parallelizability of neural network training on a wide range of tasks. Since complex tasks tend to have noisier gradients, increasingly large batch sizes are likely to become useful in the future, removing one potential limit to further growth of AI systems. More broadly, these results show that neural networ
At the end of every year, I like to take a look back at the different trends or papers that inspired me the most. As a researcher in the field, I find it can be quite productive to take a deeper look at where I think the community has made surprising progress or to identify areas that, perhaps unexpectedly, we did not make much progress. Here, I hope to give my perspective on the state of the fiel
Practical Sikuli: using screenshots for GUI automation and testing
Sikuli is a tool that uses image recognition to automate and test graphical user interfaces (GUIs). It works by using screenshots of the screen and image matching to interact with GUI elements. This allows it to be platform independent and work across different operating systems and applications. Sikuli can be used for test automation by adding visual assertions and integrating with testing framew
“IIIF Curation Viewer”は、IIIF (International Image Interoperability Framework)準拠の画像ビューワであり、ページ移動やズームといった一般的なビューワが持つ機能に加え、複数の資料から画像の一部を切り取り、収集し、任意の順序で閲覧できる独自の「キュレーション」機能を備えている。 この文書は、本ビューワの画面上に示されていない動作詳細を中心に記述する。その他の情報については、以下の別資料を参照のこと。 IIIF Curation Viewer for Timeline：時系列拡張に関する情報 インストール：ビューワの設置に関する情報 プラグイン：プラグインに関する情報 アノテーションビューモード：アノテーションビューモードに関する情報 目次 動作デモ 活用例 基本利用者向け機能 ビューワ画面 キュレーションリスト画面 部分
An Overview of AI on the AWS Platform - February 2017 Online Tech Talks
An Overview of AI on the AWS Platform - February 2017 Online Tech Talks AWS offers a family of intelligent services that provide cloud-native machine learning and deep learning technologies to address your different use cases and needs. For developers looking to add managed AI services to their applications, AWS brings natural language understanding (NLU) and automatic speech recognition (ASR) wit
新たなSSDモデルを作成して検出精度（val_lossとval_acc）と性能（fps）について知見を得たいと思います。 今回は、そもそもVGG16とかVGG19ってどんな性能なのか調査・検証しました。 VGGの名前の由来が気になって、ちょっとググってみました。 ※今回これが一番価値ある知識かも ・SONY Neural Network Console でミニ VGGnet を作るによれば、 「名前の由来は、VGGチームが作った、畳み込み13層＋全結合層３層＝16層のニューラルネットワークということで、VGG-16となっているそうです。」 だそうです（笑） そして、オリジナルは以下のようです。 ・Visual Geometry Group Department of Engineering Science, University of Oxford 因みに、VGG16は、Caffe-zoo
FacebookがAI（人工知能）とAR（拡張現実）でやりたいこと：海外速報部ログ：オルタナティブ・ブログ
前回、Facebookの顔認識写真アルバム「Moments」について投稿したんですが、今回は、このアプリのキモである人工知能（AI）応用技術について、です。 このアプリには同社の誇る人工知能ラボが開発した「DeepFace」というほぼ人間レベルの顔認識技術が使われているんです。 才能の無駄遣いとも言うべき、すごく太っ腹なことだと思います。 もちろんマーク・ザッカーバーグCEOは、こんな無料アプリのために一流の人材を集めてラボを立ち上げたわけじゃありません。 Momentsをリリースした後、彼はAIラボのヤン・ルカン所長の動画を自身のFacebookで投稿しています（文末に転載しました）。下図はルカン教授の動画に出てくる、もののかたち認識システム「ImageNet Camera」がバナナをバナナとほぼ言い当てたシーンです。 この投稿の中でザックは、「想像してごらんよ。目が見えない人のためにス
Google and others think software that learns to learn could take over some work done by AI experts. Progress in artificial intelligence causes some people to worry that software will take jobs such as driving trucks away from humans. Now leading researchers are finding that they can make software that can learn to do one of the trickiest parts of their own jobs—the task of designing machine-learni
Bertille Follain, co-advised with Umut Simsekli Marc Lambert, co-advised with Silvère Bonnabel Ivan Lerner, co-advised with Anita Burgun et Antoine Neuraz Simon Martin, co-advised with Giulio Biroli Céline Moucer, co-advised with Adrien Taylor Anant Raj, co-advised with Maxim Raginsky Corbinian Schlosser, co-advised with Alessandro Rudi Lawrence Stewart, co-advised with Jean-Philippe Vert Alumni M
Visual Search Have you ever wanted to Search the Physical World™? Enter CamFind. The world’s most accurate mobile visual search engine, powered by the CloudSight Image Recognition API.
BeInteractive! ["Japanese ASer intercepts Colin" was very exciting!!]
Home > "Japanese ASer intercepts Colin" was very exciting!! // I was amazed that Colin was good at Japanese. I think I should be more good at English. So, I try to write this entry in English. I'm sorry if I wrote strange English. At that time, please tell me. (This nice photo was taken by id:takesako) Today, I took part in the event called "Japanese ASer intercepts Colin". In this event, some J
Abstract Not all neural network architectures are created equal, some perform much better than others for certain tasks. But how important are the weight parameters of a neural network compared to its architecture? In this work, we question to what extent neural network architectures alone, without learning any weight parameters, can encode solutions for a given task. We propose a search method fo
readme.md ResNet-152 in Keras This is an Keras implementation of ResNet-152 with ImageNet pre-trained weights. I converted the weights from Caffe provided by the authors of the paper. The implementation supports both Theano and TensorFlow backends. Just in case you are curious about how the conversion is done, you can visit my blog post for more details. ResNet Paper: Deep Residual Learning for Im
工場などでの不良品検知やスマートフォンなどでの顔認証をはじめ、AIによる画像認識技術が急速に広まっている。 製造業では検査工程や従業員管理にAI画像認識を活用している事例が多く、また昨今では大型商業施設でコロナ対策のために混雑検知システムの導入が広がり、利用されている例も増えてきた。 なぜ急速にAI画像認識が広まったのか。その理由と、これからAI画像認識の導入・活用を検討している企業はどのように進めればよいかについて、株式会社マクニカ クラビス カンパニー ビジネスソリューション第２統括部営業第１部第２課 課長 山田 智教氏、同課 田中 翔志也氏、技術統括部技術第２部第５課 課長 野本 裕輔氏、同課 主席 古瀬 勉氏の4名に話を聞いた。 業種業界問わず活用の幅が広いAI画像認識古くから画像認識技術は存在しており、開発に必要なアルゴリズムもたくさんあった。しかし、AI画像認識の開発は予測AI
On May 15th Yann LeCun answered “ask me anything” questions on Reddit. We hand-picked some of his thoughts and grouped them by topic for your enjoyment. Toronto, Montreal and New York All three groups are strong and complementary. Geoff (who spends more time at Google than in Toronto now) and Russ Salakhutdinov like RBMs and deep Boltzmann machines. I like the idea of Boltzmann machines (it’s a be
Although deep learning has historical roots going back decades, neither the term "deep learning" nor the approach was popular just over five years ago, when the field was reignited by papers such as Krizhevsky, Sutskever and Hinton's now classic (2012) deep network model of Imagenet. What has the field discovered in the five subsequent years? Against a background of considerable progress in areas
Getting Started with Deep Learning - Silicon Valley Data Science
A review of available tools | February 15th, 2017 At SVDS, our R&D team has been investigating different deep learning technologies, from recognizing images of trains to speech recognition. We needed to build a pipeline for ingesting data, creating a model, and evaluating the model performance. However, when we researched what technologies were available, we could not find a concise summary docu
Tech 2015: Deep Learning And Machine Intelligence Will Eat The World
Despite what Stephen Hawking or Elon Musk say, hostile Artificial Intelligence is not going to destroy the world anytime soon. What is certain to happen, however, is the continued ascent of the practical applications of AI, namely deep learning and machine intelligence. The word is spreading in all corners of the tech industry that the biggest part of big data, the unstructured part, possesses lea
If you want to blame someone for the hoopla around artificial intelligence, 69-year-old Google researcher Geoff Hinton is a good candidate. The droll University of Toronto professor jolted the field onto a new trajectory in October 2012. With two grad students, Hinton showed that an unfashionable technology he’d championed for decades called artificial neural networks permitted a huge leap in mach
Image Augmentation for Deep Learning using Keras and Histogram Equalization
In this post we’ll go over: Image Augmentation: What is it? Why is it important?Keras: How to use it for basic Image Augmentation.Histogram Equalization: What is it? How is it useful?Implementing Histogram Equalization Techniques: one way to modify the keras.preprocessing image.py file.Image Augmentation: What is it? Why is it important?Deep Neural Networks, particularly Convolutional Neural Netwo
Awesome - Most Cited Deep Learning Papers | Curated list of awesome lists | Project-Awesome.org
[Notice] This list is not being maintained anymore because of the overwhelming amount of deep learning papers published every day since 2017. A curated list of the most cited deep learning papers (2012-2016) We believe that there exist classic deep learning papers which are worth reading regardless of their application domain. Rather than providing overwhelming amount of papers, We would like to p
Aug 3, 2014 by Sebastian Raschka Sections Sections Introduction Principal Component Analysis vs. Linear Discriminant Analysis What is a “good” feature subspace? Summarizing the LDA approach in 5 steps Preparing the sample data set About the Iris dataset Reading in the dataset Histograms and feature selection Normality assumptions LDA in 5 steps Step 1: Computing the d-dimensional mean vectors Step
■これは何 2017年12月10日に開催された、じんもんこん2017国立歴史民俗博物館 企画セッション「歴史研究と人文研究のためのツールを学ぶ」のための特設ページです。 当日は、人文情報学分野で活動する7名の研究者により、人文学研究や教育に利用できる8種類のツールのチュートリアルが実施されました。各ツールのチュートリアルで使用したスライドや、関連ページへのリンクを以下からご利用頂けます。 ■デジタルアーカイブ管理ツールOmeka 中村覚氏（東京大学）によるデジタルアーカイブ管理ツール Omeka のチュートリアル 公式サイト（英語） http://omeka.org/ 利用事例（海外） http://omeka.org/classic/showcase/ 参考サイト（日本語） omeka の検索結果 – digitalnagasakiのブログ, http://digitalnagas
自動運転の普及などで車の急速なＩＴ化が見込まれるなか、トヨタ自動車が人工知能（ＡＩ）分野で国内ベンチャーへの資本参加を広げている。小粒ながら将来の車づくりに不可欠な最先端のノウハウを蓄積する新興企業は大手メーカーにとって無視できない存在となっている。 トヨタは22日に東証マザーズ市場に新規株式公開（ＩＰＯ）したＰＫＳＨＡ Technology（パークシャテクノロジー）に10億円を出資。今年８月には2015年に同じく10億円を出資していたプリファード・ネットワークス（ＰＦＮ）に対して105億円を追加出資し、外部筆頭株主となった。両者に共通するのはディープラーニング（深層学習）の手法を用いた最先端の画像・言語処理などを得意とするＩＴベンチャーで都内に本拠を置く日本企業であるという点だ。 PKSHA Technology's image recognition engine 'Vertical
3つの要点 ✔️ 多層パーセプトロン（MLP）だけのシンプルなアーキテクチャでSoTAに匹敵する画像分類性能を達成 ✔️ 位置ごとの特徴と空間的な情報を繰り返しMixする ✔️ 計算コストを抑えつつ、同時に高い精度を達成 MLP-Mixer: An all-MLP Architecture for Vision written by Ilya Tolstikhin, Neil Houlsby, Alexander Kolesnikov, Lucas Beyer, Xiaohua Zhai, Thomas Unterthiner, Jessica Yung, Andreas Steiner, Daniel Keysers, Jakob Uszkoreit, Mario Lucic, Alexey Dosovitskiy (Submitted on 4 May 2021 (v1), last
画像の高速スタイル変換を行う論文の紹介 - Qiita
画像のスタイルを変換するアルゴリズムとしてGatysらの"A Neural Algorithm of Artistic Style"が知られていますが、これを高速に行う手法が現れました。 以下のつぶやきを見て驚愕したので早速調べました。 testing real-time style transfer published in the last week with #chainer and #openFrameworks pic.twitter.com/KrQaN8TSs9 — Yusuke Tomoto (@_mayfa) 2016年4月7日 2016/4/12追記 Yusuke Tomoto氏による実装が公開されました。Chainerを使っています。 https://github.com/yusuketomoto/chainer-fast-neuralstyle 実装の元になった論文は
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
Graph-powered Machine Learning at Google
AIアノテーションツール20選を比較！タグ付け自動化ツールの選び方
Neural networks and deep learning
Automagi株式会社 - AIやIoTなど最先端のIT技術でビジネスを加速する企業
Recent Advances in Convolutional Neural Networks (ArXiv PDF)
Learning Transferable Architectures for Scalable Image Recognition
My Favorite Deep Learning Papers of 2017
IIIF Curation Viewer | ROIS-DS人文学オープンデータ共同利用センター(CODH)
Keras：VGG16、VGG19とかってなんだっけ？？ - Qiita
AI Software Learns to Make AI Software
Francis Bach - INRIA - ENS - PSL
CamFind - Free Visual Search Engine for the Physical World
Weight Agnostic Neural Networks
Resnet-152 pre-trained model in Keras
「AI画像認識の開発ハードルが下がった」その理由は？ 活用事例が急速に増えた背景にあるもの | Ledge.ai
Yann LeCun's answers from the Reddit AMA - FastML
Deep Learning: A Critical Appraisal
Google’s AI Wizard Unveils a New Twist on Neural Networks
Linear Discriminant Analysis
「歴史研究と人文研究のためのツールを学ぶ」Webページ集 – 国立歴史民俗博物館 総合資料学の創成
トヨタが認める国産ＡＩベンチャー、「アルゴリズム時代」を開拓
【MLP-Mixer】MLPがCNN，Transformerを超える日