顔認証トップのパナソニックが動作予測AIコンテストに挑む、Facebookに肉薄：組み込み開発 インタビュー（1/2 ページ） 顔認証トップのパナソニックが、新たなAI技術分野に展開を図るべく、台所での動作認識や予測の精度を競うコンテスト「EPIC-KITCHENS-100」に参加。動作予測部門の23チームの中で、第1位のFAIR（Facebook AI Research）に次ぐ第2位の成績を収めた。 パナソニックが近年注力している事業の一つに顔認証ソリューションがある。デジタルカメラ向けなどに長年培ってきた技術を基にした同社の顔認証技術には定評があり、2017年5月には、米国標準技術研究所（NIST）が公開している映像セキュリティ市場で撮影され得るあらゆる条件を網羅したベンチマークデータセットで、世界最高水準の顔照合性能を獲得して名実ともに「顔認証のトップ企業」となった。現在は、この高度
Unlike Computer Vision where using image data augmentation is standard practice, augmentation of text data in NLP is pretty rare. Trivial operations for images such as rotating an image a few degrees or converting it into grayscale doesn’t change its semantics. This presence of semantically invariant transformation made augmentation an essential toolkit in Computer Vision research. I was curious i
適用対象: Python SDK azure-ai-ml v2 (現行) 自動機械学習 (自動 ML または AutoML とも呼ばれます) は、時間のかかる反復的な機械学習モデルの開発タスクを自動化するプロセスです。 これにより、データ サイエンティスト、アナリスト、開発は、モデルの品質を維持しながら、高いスケール、効率性、生産性で ML モデルを構築することができます。 Azure Machine Learning の 自動 ML は、Microsoft Research 部門の最先端技術に基づいています。 コードの経験がある場合: Azure Machine Learning Python SDK に関する記事。 「チュートリアル: AutoML と Python を使用して物体検出モデル (プレビュー) をトレーニングする」を開始する。 AutoML のしくみ トレーニング中、Az
Info This is the page for the 2021 edition of the course. For the 2022 edition, click here. We've updated and improved our materials for our 2021 course taught at UC Berkeley and online. Synchronous Online Course We offered a paid synchronous option for those who wanted weekly assignments, capstone project, Slack discussion, and certificate of completion. Enter your email below or follow us on Twi
研究開発ライブラリ 市販の単眼カメラでステレオカメラ並みに高精度な距離計測を実現する立体認識AIを開発−ディープラーニングを活用して高精度、省コスト、省スペースな距離測定を実現。ロボットピッキング、無人配送車の自律移動、ドローン遠隔操作によるインフラ点検などに活用− | 研究開発センター | 東芝
知能化システム 前のページに戻る 市販の単眼カメラでステレオカメラ並みに高精度な距離計測を実現する立体認識AIを開発 －ディープラーニングを活用して高精度、省コスト、省スペースな距離測定を実現。 ロボットピッキング、無人配送車の自律移動、ドローン遠隔操作によるインフラ点検などに活用－ 当社は、レンズによって生じる画像のぼけをディープラーニングで解析することで、市販のカメラで撮影した1枚の画像からステレオカメラ（注1）並みに高精度な距離計測を実現する立体認識AIを開発しました。ステレオカメラを必要としないため、コストとスペースの削減が可能となります。 当社は本AIの成果を、2019年10月30日 10:00から韓国で開催される International Conference on Computer Vision（ICCV2019）で発表します。 近年、ロボットによる物品のピックアップや工場
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
IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020 Using a handheld smartphone camera, we capture two images of a scene, one with the subject and one without. We employ a deep network with an adversarial loss to recover alpha matte and foreground color. We composite the result onto a novel background. Abstract We propose a method for creating a matte – the per-pixel foreground
自然と話題の「DeepL翻訳」、「Google翻訳」「みらい翻訳」と比較してみた AAも翻訳できる｜男子ハック
ドイツのAI翻訳サービス「DeepL翻訳」が日本語・中国語に対応したことを受け、ネット上で「Google翻訳より自然」などと注目されています。実際にDeepL翻訳が、「Google翻訳」や昨年話題になった「みらい翻訳」より優れているのか、比較してみました。 「DeepL翻訳」はどれだけ凄いの？他サービスと比較DeepLドイツのAI翻訳サービス「DeepL翻訳」が3月19日、日本語・中国語に対応したと発表しました。 DeepL翻訳が翻訳結果の精度について、Google、Microsoft、Amazonと比較するために実施したブラインドテストの結果では、DeepL翻訳が他よりも優れていると選ばれる頻度が最も高かったとのこと。 DeepL翻訳が日本語と中国語を習得発表を受け、日本ではDeepL翻訳を使って比較してみたというユーザーの投稿がTwitterで話題になっていました。 試しに、いま僕が読
AI技術の無償トレーニングサービス「PyGrade」、画像とデータ分析に関する２つのトレーニングを追加で公開Numpy, Pandas, 画像処理などAI技術に関するプログラミングをオンラインでトレーニング 実践的なAI人材育成サービスを提供する「iLect」（運営：AI総合研究所「NABLAS株式会社」、本社：東京都文京区７−３−１ 東京大学 南研究棟）は、AIの開発を行う上で欠かせない「Python」のプログラミング技術をトレーニングできるアプリケーション「PyGrade Training」にて、表形式のデータと画像データを扱うトレーニングセットを追加で無償公開しました。 ◾PyGradeとは 「PyGrade」は、Pythonのプログラミングに必要な技術を身につけるためのトレーニングとテストが行えるアプリケーションです。 PyGrade Top 2020年5月に「トレーニング機能」を
こんにちは。XI 本部 AI トランスフォーメンションセンター所属の後藤です。 本記事は「 電通国際情報サービス Advent Calendar 2023 」の12月20日（水）の回の記事になります。 本記事では、つい先日利用が可能となったAzureの「GPT-4 Turbo with Vision」の紹介と使い方の解説をします。 使ってみた所感として、今回のAzure版GPT-4 Turbo with Visionは単なるOpenAIの機能の追随に留まらず、Azure固有の追加機能である「Vision enhancement」が印象的でした。特に、画像や動画の扱いにおいて、OpenAIのモデルよりも応用範囲が大きく広がっていることが感じられました。 OpenAIのGPT-4Vに関してはTechBlogの以下の記事でも紹介されていますので、ぜひご参照ください。 参考：https://tec
How Much Do We Trust Our Models? Machine learning has found its way into our everyday life in the form of personal assistants like Siri who recognize our desires most of the time. In fact, machine learning has proven to work so well that models are introduced to more and more critical applications. Autonomous driving heavily relies on computer vision based on Deep Neural Networks. Recent EU copyri
裏世界ピクニックアニメが終わって｜宮澤伊織
2021年1月に始まった『裏世界ピクニック』のTVアニメが12話で完結した。空魚鳥子の三ヶ月の旅と同様、放送期間もおよそ三ヶ月で、あっという間だったのに、終わってみるとぽっかりと何かが抜けたような、寂しい感じがする。 あっ言い忘れたけど『裏世界ピクニック』はわたしが書いている小説です。原作者原作者。早川書房刊。 三ヶ月があっという間だろうというのは最初からわかっていて、というのも三月下旬発売予定の原作小説6巻の原稿がアニメ1話放送開始時点でまだ64ページまでしか書けていなかったので、アニメ放送期間中は終始やべーという面をしていた。本当にあっという間だった。 著作のアニメ化でさぞ浮かれているだろうと思われるのが普通だろうが、私はまったく油断できなかった。正直なところこの映像化企画はさまざまな要因でポシャり得ると思っていた。デリケートなテーマをいくつも扱っているから、アマプラやネトフリならまだ
Published: May 19, 2021 ● Updated: Mar 21, 2024 IntroDeep learning has been very successful when working with images as data and is currently at a stage where it works better than humans on multiple use-cases. The most important problems that humans have been interested in solving with computer vision are image classification, object detection and segmentation in the increasing order of their diff
Amazon Science
Are you excited about developing generative AI, reinforcement learning and foundation models? Are you looking for opportunities to build and deploy them on real problems at truly vast scale? At Amazon Fulfillment Technologies and Robotics, we are on a mission to build high-performance autonomous decision systems that perceive and act to further improve our world-class customer experience - at Amaz
Diffusion models have emerged as a powerful new family of deep generative models with record-breaking performance in many applications, including image synthesis, video generation, and molecule design. In this survey, we provide an overview of the rapidly expanding body of work on diffusion models, categorizing the research into three key areas: efficient sampling, improved likelihood estimation,
3つの要点 ✔️ 生成AIを活用してUI画像を生成し、UIデザインを効率化 ✔️ UIコンポーネントとテキストからUIを自動生成 ✔️ 現時点ではUIデザイナーにアイデアを提供するツールとして有用 Boosting GUI Prototyping with Diffusion Models written by Jialiang Wei, Anne-Lise Courbis, Thomas Lambolais, Binbin Xu, Pierre Louis Bernard, Gérard Dray (Submitted on 9 Jun 2023) Subjects: Software Engineering (cs.SE); Artificial Intelligence (cs.AI); Computer Vision and Pattern Recognition (cs.CV)
The Best GPUs for Deep Learning in 2023 — An In-depth Analysis
Deep learning is a field with intense computational requirements, and your choice of GPU will fundamentally determine your deep learning experience. But what features are important if you want to buy a new GPU? GPU RAM, cores, tensor cores, caches? How to make a cost-efficient choice? This blog post will delve into these questions, tackle common misconceptions, give you an intuitive understanding
はじめに OpenAIが3月に発表していたものの実装していなかった、画像および音声を取り扱うことのできるマルチモーダルモデル「GPT4-V」のdeployが発表されました。本当に全部この会社がやればいいんじゃないか？ ChatGPTのPlus/Enterpriseユーザーに2週間かけて提供するそうです。最近ChatGPTのほうの処理能力が落ちつつあってGPT-4のAPIばっかり使ってるんですが、ChatGPT Plusは解約できそうにないですね。 GPT4-Vを中心としたV&LのLLMはDocumentUnderstandingの文脈での活用が期待されており、先日Googleを中心としたグループもLMDX: Language Model-based Document Information Extraction and Localizationという論文を発表していました。Geminiなん
産業技術総合研究所(産総研)の人工知能研究センターが数年前から研究開発を進め、実用化を目指してきた数式から画像パターンなどを自動生成する大規模画像データセットを基にした画像認識AI(人工知能)の有効性が確認され、「医療分野や交通解析分野、物流分野などでの利用が進み始めている」と、新エネルギー・産業技術総合開発機構(NEDO)のロボット・AI部は解説し、高く評価する。 そうした医療分野や交通解析分野、物流分野などでの画像認識AIが目指す利用開発事例を図1に示す。 図1 医療分野や交通解析分野、物流分野などでの画像認識AIの利用開発事例 (産総研とNEDOの資料から引用) 従来の画像認識AIは、大量の実画像を画像認識タスクとしてAIに学習させる事前準備が不可欠であり、かつその実画像が何の画像かという“教師ラベル”を付けて学習させるために膨大な手間がかかり、かつそのためのコストがかかるという課題
見るだけで押せる「視線スイッチ」 - Qiita
カメラを見つめるだけでスイッチを押せる「視線スイッチ」の作り方を紹介します。 「使うときにしか見ないモノ」 が 「見るだけで使える」 ようになります。 カメラ付きのパソコンがあれば今すぐ簡単に作れます。（Windows、Mac、Linuxに対応） トレたま で取り上げて頂きました！（テレビ東京、WBS ワールドビジネスサテライト） （視線スイッチは 私 の個人開発であり、株式会社バッファローとは一切関係ありません。） 視線スイッチは、汎用的なスイッチなので、繋げるモノ次第で色々な使い方ができます。 例えば、物理ボタンを押してくれる小型の指ロボットSwitchBotを繋げば、見るだけで物理ボタンを押せます。 赤外線家電を操作してくれるスマートリモコンを繋げば、見るだけでリモコン操作できます。 このように設置すれば、見るだけでエアコンをON/OFFできます。 また、「OK Google」と喋っ
Localizing and Editing Knowledge In Text-to-Image Generative Models (ICLR2024) 今回はtext-to-imageの概念消去に戻ってDiffQuickFixという手法をみます. 論文は60ページ以上あり, 非常に多くの結果が提供されていますが主にmain paperの部分を見ていきます. 図や表はことわりのない限り論文からの引用です. 書籍情報 Samyadeep Basu and Nanxuan Zhao and Vlad I Morariu and Soheil Feizi and Varun Manjunatha. Localizing and Editing Knowledge In Text-to-Image Generative Models. The Twelfth International Con
LINEのコンピュータビジョン技術の現状と将来 栄藤稔氏（以下、栄藤）：ここからは、LINEのコンピュータビジョン技術の現状と将来について、パネルディスカッションのかたちでトークしたいと思います。みなさん40分間、どうぞお付き合いをよろしくお願いします。 まず自己紹介から始めます。私、大昔に実はコンピュータビジョンで学位を取りまして。今は大阪大学の教員やっていますが、LINEのAIカンパニーの技術アドバイザリーとして、いろいろとコンピュータビジョン関係、AIに関する技術についてのディスカッションをやっています。今日はモデレーターを務めますので、よろしくお願いいたします。 7月1日に、LINEではコンピュータビジョンラボ（Computer Vision Lab）という組織が、AIカンパニーの中で立ち上がりました。コンピュータビジョンを得意とする専門家が集まってこれからの技術開発をやっていこう
Unbundling Data Science Workflows with Metaflow and AWS Step Functions
by David Berg, Ravi Kiran Chirravuri, Romain Cledat, Jason Ge, Savin Goyal, Ferras Hamad, Ville Tuulos tl;dr Today, we are releasing a new job scheduler integration with AWS Step Functions. This integration allows the users of Metaflow to schedule their production workflows using a highly available, scalable, maintenance-free service, without any changes in their existing Metaflow code. The idea o
Introducing SAM 2: The next generation of Meta Segment Anything Model for videos and images
Introducing SAM 2: The next generation of Meta Segment Anything Model for videos and images Following up on the success of the Meta Segment Anything Model (SAM) for images, we’re releasing SAM 2, a unified model for real-time promptable object segmentation in images and videos that achieves state-of-the-art performance.In keeping with our approach to open science, we’re sharing the code and model
Skin Tone Research @ Google
Introducing the Monk Skin Tone (MST) Scale, one of the ways we are moving AI forward with more inclusive computer vision tools.
Examining the design of interactive articles by synthesizing theory from disciplines such as education, journalism, and visualization. Computing has changed how people communicate. The transmission of news, messages, and ideas is instant. Anyone’s voice can be heard. In fact, access to digital communication technologies such as the Internet is so fundamental to daily life that their disruption by
Introducing Amazon One—a new innovation to make everyday activities effortless
Introducing Amazon One—a new innovation to make everyday activities effortless We’re always looking for ways to make our customers’ lives better, and one area where we’ve spent time innovating is the customer shopping experience in stores. Today, our physical retail team is excited to introduce a new innovation called Amazon One. Amazon One is a fast, convenient, contactless way for people to use
Enum の代わりに union 型を使おうという風潮があるらしい TypeScript v3.4 から使えるconst assertionを用いると、使い勝手を損なわず Enum の代わりに union 型が使えるらしい Enum とは 列挙型とも呼ばれる TS にはあって JS には無いもの、他の言語（C、C#、Java とか）にもある 定数をひとまとめに定義できる enum Card { Clubs, // 0 Diamonds, // 1 Hearts, // 2 Spades, // 3 } const card: Card = Card.Hearts; console.log(card); // 2 上記のように値には連番が振られる 意味のある分かりやすい値をもたせたい場合は、文字列や任意の数値を設定することもできる enum Card { Clubs = "clubs", D
NeRF at CVPR 2022
There are more than 50 papers related to Neural Radiance Fields (NeRFs) at the CVPR 2022 conference. With my former student and now colleague at Google Research, Andrew Marmon, we rounded up all papers we could find and organized them here for our edification, and your reading pleasure. Below are all the papers at CVPR’22 that we could find by scanning titles and reading the associated papers, som
🤗 PEFT: Parameter-Efficient Fine-Tuning of Billion-Scale Models on Low-Resource Hardware Motivation Large Language Models (LLMs) based on the transformer architecture, like GPT, T5, and BERT have achieved state-of-the-art results in various Natural Language Processing (NLP) tasks. They have also started foraying into other domains, such as Computer Vision (CV) (VIT, Stable Diffusion, LayoutLM) an
Data2vec 2.0: Highly efficient self-supervised learning for vision, speech and text
Data2vec 2.0: Highly efficient self-supervised learning for vision, speech and text Many recent breakthroughs in AI have been powered by self-supervised learning, which enables machines to learn without relying on labeled data. But current algorithms have several significant limitations, often including being specialized for a single modality (such as images or text) and requiring lots of computat
はじめまして，インターンの中村です。今回は，アノテーションコストを抑えつつも，高性能な機械学習モデルを学習するための手法である能動学習 (Active Learning) について，その自然言語処理における研究例を紹介したいと思います。特に，自然言語処理において，大量のラベルありデータを集めることが難しく，必要最低限のアノテーションで高性能なモデルを効率的に学習したいといった方にぜひ一読をお勧めしたい内容となっています。 はじめに 深層学習の課題 Active Learningとは Active Learningの概要 1. ラベルなしデータの選択方法 2. ラベルなしデータの抽出基準 自然言語処理における Active Learning テキスト分類における Active Learning 事前学習済みモデル以前の Active learning 事前学習済みモデルを使った Active
The Amazon Artificial General Intelligence (AGI) team is looking for a passionate, highly skilled and inventive Senior Applied Scientist with strong machine learning background to lead the development and implementation of state-of-the-art ML systems for building large-scale, high-quality conversational assistant systems. Key job responsibilities - Use deep learning, ML and NLP techniques to creat
GitHub - xenova/transformers.js: State-of-the-art Machine Learning for the web. Run 🤗 Transformers directly in your browser, with no need for a server!
State-of-the-art Machine Learning for the web. Run 🤗 Transformers directly in your browser, with no need for a server! Transformers.js is designed to be functionally equivalent to Hugging Face's transformers python library, meaning you can run the same pretrained models using a very similar API. These models support common tasks in different modalities, such as: 📝 Natural Language Processing: te
PyTorch Tutorial: How to Develop Deep Learning Models with Python - MachineLearningMastery.com
Predictive modeling with deep learning is a skill that modern developers need to know. PyTorch is the premier open-source deep learning framework developed and maintained by Facebook. At its core, PyTorch is a mathematical library that allows you to perform efficient computation and automatic differentiation on graph-based models. Achieving this directly is challenging, although thankfully, the mo
Pythonおよび機械学習勉強用のRaspberryPiの構築 (RaspberryPi4 & Buster版 (RaspberryPi3も可)) - Qiita
Pythonおよび機械学習勉強用のRaspberryPiの構築 (RaspberryPi4 & Buster版 (RaspberryPi3も可))PythonTensorFlowJupyterLabEdgeTPURaspberryPi4 【内容】 2020/02/19 一部内容を見直し、Raspberry Pi 3 model Bでも動作確認しました。 Node-REDの環境構築を追加しました。 ついにRaspberry Pi 4 model Bが日本で発売を開始しました。 早速使って見るべく、以前投稿した【Pythonおよび機械学習勉強用のRaspberryPiの構築】をラズパイ4版に書き直してみました。 ハードウェア以外にもRaspbianのバージョンを最新(Buster 20200213)にしてあります。 また、Raspberry Pi 3 model Bでも同じ手順で環境構築できる
Deep Learning on Graphs
This book covers comprehensive contents in developing deep learning techniques for graph structured data with a specific focus on Graph Neural Networks (GNNs). The foundation of the GNN models are introduced in detail including the two main building operations: graph filtering and pooling operations. We then discuss the robustness and scalability of the GNNs, which are extremely important for util
May 12, 2021 Volume 19, issue 2 PDF Biases in AI Systems A survey for practitioners Ramya Srinivasan and Ajay Chander A child wearing sunglasses is labeled as a "failure, loser, nonstarter, unsuccessful person." This is just one of the many systemic biases exposed by ImageNet Roulette, an art project that applies labels to user-submitted photos by sourcing its identification system from the origin
Audio Data Analysis Using Deep Learning with Python (Part 1) - KDnuggets
Audio Data Analysis Using Deep Learning with Python (Part 1) A brief introduction to audio data processing and genre classification using Neural Networks and python. Introduction While much of the literature and buzz on deep learning concerns computer vision and natural language processing(NLP), audio analysis — a field that includes automatic speech recognition(ASR), digital signal processing, an
Springer has released 65 Machine Learning and Data books for free
Hundreds of books are now free to download Springer has released hundreds of free books on a wide range of topics to the general public. The list, which includes 408 books in total, covers a wide range of scientific and technological topics. In order to save you some time, I have created one list of all the books (65 in number) that are relevant to the data and Machine Learning field. Among the 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
顔認証トップのパナソニックが動作予測AIコンテストに挑む、Facebookに肉薄
A Visual Survey of Data Augmentation in NLP
自動 ML とは AutoML - Azure Machine Learning
The Full Stack - Course 2021
三国志で学ぶデータ分析 (原稿写し) - ill-identified diary
Background Matting: The World is Your Green Screen
AI技術の無償トレーニングサービス「PyGrade」、画像とデータ分析に関する２つのトレーニングを追加で公開
Azure のGPT-4 Turbo with Visionを使ってみた - 電通総研 テックブログ
Uncertainty Quantification in Deep Learning - inovex GmbH
A Complete guide to Semantic Segmentation in 2024
Diffusion Models: A Comprehensive Survey of Methods and Applications
生成AIを活用したUIプロトタイピング「UI-Diffuser」
GPT-4V(ision) System Cardをざっくり訳した - Qiita
産総研の人工知能研究センターが研究開発した画像認識AI、利用開発が拡大中
Stable Diffusionからの概念消去⑤：DiffQuickFix (論文)
静止画像よりも数倍難しい3次元の「空間情報処理」 LINEのコンピュータビジョン研究が目指すもの
Communicating with Interactive Articles
Enum の代わりに使う union 型 | CYOKODOG
Parameter-Efficient Fine-Tuning using 🤗 PEFT
自然言語処理における Active Learning - ELYZA Tech Blog
Amazon Redshift re-invented
Biases in AI Systems - ACM Queue