はてなブックマーク

参考： GPipe、ARS-Aug、AutoAugment、森下らの手法 ただし、最も優れているGPipeはImageNetの学習済みモデルを利用するため、Train with 1000の条件から外れます。 GPipeを除くと、ARS-AugとAutoAugmentの双方でPyramidNet-SDが現時点で最も優れたモデルとなります。 従って、Train with 1000において現時点で最高水準の分類精度を達成しうるモデルはPyramidNet-SDと言えます。 (後記で言及しますが、実際は一応更に優れたモデルが提案されています。じ、実装できなかったんや…。) 実際にTrain with 1000に対してPyramidNet-SDを利用した所、分類精度は64.5%を達成しました。 本実験ではPyramidNet-SDをベースラインとし、更に認識精度を改善しうる手法について検討を行いまし

だめかぁ。やっぱり来るんじゃなかった…。待ち合わせは無理か…。しょうがない、シェルターへ行こう ええ、口の中がシャリシャリしますけど… いえ、僕の方こそ。葛城さん はい ミサトさん…あのー、ミサトさん いいんですか？こんなことして… 説得力に欠ける言い訳ですね そ、そうですか？ ミサトさんこそ、年の割に子供っぽい人ですね 特務機関ネルフ？ 父のいるところですね… 人類を守る、大事な仕事だと先生から聞いてます これから父のところへ行くんですか？ (父さん…) あ、はい、どうぞ ・ ・ セリフの抽出はこちらの記事を参考にしています。 ##信頼性について Personality Insightsで信頼性が高い結果を得るためには、以下の2点が重要になります。 「日々の経験や考えている事などに言及している」 「日本語の場合で原稿用紙20枚分程度の分量がある」 これらの条件はかなり厳しく、長編小説でも

「画像の自動分類プログラムってどうするんですか！？」 「ああ、それはこのページとこのページとこのページを見て。あ、それとこのコード変えないといけないから」 「えぇ…？(困惑」 毎度困られるのが忍びないので、初心者の方に向けて簡単にプログラムをまとめました。 英訳版はこちらです。 #下準備 ubuntu 14.04以降 python OpenCV 2.4.10 chainer 1.3.2,1.5.0で動作確認 GeForce Titan X #ソース github #使い方 ##1. 画像の準備 とにかく動かしてみたい場合は、画像の準備をする必要はありません。 (サンプル画像があらかじめ準備されています) "Picture"というフォルダがデフォルトで存在しています。 "Picture"は複数のフォルダをもち、各フォルダは対応するクラスの画像ファイルを持ちます。 自分で集めた画像を分類する場

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? (2017/08/16 追記) この記事は当時のアレな知識に基づくものです． 明らかな間違いも含まれてるので，ほどほどに参考にしていただければ幸いです． まだ2月半ばとやや早いですが、連日二桁気温とすっかり春の陽気ですね。 こちらをご覧の皆様の周りにも、『サクラサク』便りが届き始めていることと思います。 一方、私は見事に就活5連敗中です。 さて、3週間ほど前に『Googleの囲碁AI『AlphaGo』が史上初めてプロ棋士に勝つ』という衝撃的なニュースが飛び込んできました。 囲碁は未解決問題とされており、先日も「これが評価につかえるのでは