ディープラーニングで交通量調査の映像解析精度を上げるのに苦労した - Qiita
サマリー ・映像解析による交通量調査の手法について ・解析結果の映像サンプルはこちら：https://youtu.be/kgjG6_hejE8 ・映像によっては誤認識しやすいエリアがある ・マスク機能について 映像解析による交通量調査の手法について ここではディープラーニングによる映像解析精度を上げるためには「解析しないこと」が早道だよ、という話をします。ディープラーニングそのもののチューニングによる解決ではなく、実装方法の工夫による回避なので、ディープラーニングの勉強にはならないかも。 あ、トップ画像ですが「small_truck」として軽貨物が判別できているのがちょっと自慢。ピンクの枠です。 ・やっぱり映像解析は簡単ではない 前の記事でも書いてますが、SSDにしてもMask R-CNNにしてもYOLO V3にしても物体検出は「静止画」に対して行います。動画をinputに選択できたとして
3D都市データの公開 - OPEN DATA | 3D City Experience Lab.
DATA DOWNLOAD3D CITY EXPERIENCE LAB.では都市3Dデータの活用を拡げるため、 活動で得られたデータをクリエイティブ・コモンズ 表示 4.0 国際 ライセンス(CC-BY)に基づいて公開しています。 利用規約をご確認の上、下記からダウンロードしてください。 データを使った作品制作、研究、シミュレーション、資料作成等にぜひお役立てください。
Unsupervised learning from narrated instruction videos project page
Abstract We address the problem of automatically learning the main steps to complete a certain task, such as changing a car tire, from a set of narrated instruction videos. The contributions of this paper are three-fold. First, we develop a new unsupervised learning approach that takes advantage of the complementary nature of the input video and the associated narration. The method solves two clus
Moments in Time
Moments in Time Dataset A large-scale dataset for recognizing and understanding action in videos Moments is a research project dedicated to building a very large-scale dataset to help AI systems recognize and understand actions and events in videos. Today, the dataset includes a collection of one million labeled 3 second videos, involving people, animals, objects or natural phenomena, that capture
東京大学、機械学習を用いて0.5秒後の人間の動きをリアルタイムに推定する体動予測システム「Computational Foresight」を論文にて発表
東京大学、機械学習を用いて0.5秒後の人間の動きをリアルタイムに推定する体動予測システム「Computational Foresight」を論文にて発表 2017-11-17 東京大学 篠田・牧野研究室の研究者らは、機械学習を用いて0.5秒後の運動をリアルタイム推定する体動予測システム「Computational Foresight」を提案した論文を発表しました。 Computational Foresight: Forecasting Human Body Motion in Real-time for Reducing Delays in Interactive System 本稿では、Kinectを用いて人間の動きを測定し、ニューラルネットワークを用いて、リアルタイムに0.5秒後の人間の動きを推定し出力するシステムを提案します。 提案システムは、人体の動きをリアルタイムに推定するため
CARLA
Introduction CARLA has been developed from the ground up to support development, training, and validation of autonomous driving systems. In addition to open-source code and protocols, CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created for this purpose and can be used freely. The simulation platform supports flexible specification of sensor suites, environment
Computer Vision Group, Freiburg
The original Berkeley Motion Segmentation Dataset (BMS-26) consists of 26 video sequences with pixel-accurate segmentation annotation of moving objects. A total of 189 frames is annotated. 12 of the sequences are taken from the Hopkins 155 dataset and new annotation is added. The Freiburg-Berkeley Motion Segmentation Dataset (FBMS-59) is an extension of the BMS dataset with 33 additional video seq
Google DeepMind
Latest news Discover our latest AI breakthroughs and updates from the lab Responsibility & Safety The ethics of advanced AI assistants The ethics of advanced AI assistants Exploring the promise and risks of a future with more capable AI Research TacticAI: an AI assistant for football tactics As part of our multi-year collaboration with Liverpool FC, we develop a full AI system that can advise coac
DAVIS: Densely Annotated VIdeo Segmentation
In-depth analysis of the state-of-the-art in video object segmentation The standalone DAVIS initiative is in maintenance mode: we won't be hosting any more DAVIS challenges and we will no longer update the benchmark leaderboards on this page. We have integrated the existing results into paperswithcode and you can enter the results for you latest paper in their corresponding task web pages: Semi-su
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
Result for Moments in Time Challenge 2018
IARPA - DIVA
TechCrunch
GitHub - ZheC/Realtime_Multi-Person_Pose_Estimation: Code repo for realtime multi-person pose estimation in CVPR'17 (Oral)
IBM Maximo Visual Inspection