Dogs are the most popular pet in the U.S.: 65.1 million households have one, according to the American Pet Products Association. But while cats are not far off, with 46.5…
Dogs are the most popular pet in the U.S.: 65.1 million households have one, according to the American Pet Products Association. But while cats are not far off, with 46.5…
Neural Network-based Sketch Simplification全層畳込みニューラルネットワークによるラフスケッチの自動線画化 Edgar Simo-Serraシモセラ エドガー*, Satoshi Iizuka飯塚里志*, Kazuma Sasaki佐々木一真, Hiroshi Ishikawa石川博 (*equal contribution筆頭著者に相当) Project Siteプロジェクトサイト Regarding this service本サービスについて We provide a service to use AI to clean rough sketches based on "Learning to Simplify: Fully Convolutional Networks for Rough Sketch Cleanup" [Simo-Serra
概要: 本研究では,ディープネットワークを用いて白黒画像をカラー画像に自動変換する手法を提案する.提案手法では,画像の大域特徴と局所特徴を考慮した新たな畳込みネットワークモデルを用いることで,画像全体の構造を考慮した自然な色付けを行うことができる.提案モデルにおいて,大域特徴は画像全体から抽出され,局所特徴はより小さな画像領域から計算される.これらの特徴は“結合レイヤ”によって一つに統合され,色付けネットワークに入力される.このモデル構造は入力画像のサイズが固定されず,どんなサイズの画像でも入力として用いることができる.また,モデルの学習のために既存の大規模な画像分類のデータセットを利用し,それぞれの画像の色とラベルを同時に学習に用いることで,効果的に大域特徴を学習できるようにしている.提案手法により,100年前の白黒写真など,様々な画像において自然な色付けを実現できる.色付けの結果はユー
NeuPy is a python library for prototyping and building neural networks. NeuPy uses Tensorflow as a computational backend for deep learning models. User Guide Install NeuPy Check the tutorials Learn more about NeuPy in the documentation Explore lots of different neural network algorithms. Read articles and learn more about Neural Networks.
Figure 1. NVIDIA GPU Inference Engine (GIE) provides even higher efficiency and performance for neural network inference. Tests performed using GoogLenet. CPU-only: Single-socket Intel Xeon (Haswell) E5-2698 v3@2.3GHz with HT. GPU: NVIDIA Tesla M4 + cuDNN 5 RC. GPU + GIE: NVIDIA Tesla M4 + GIE. [Update September 13, 2016: GPU Inference Engine is now TensorRT] Today at ICML 2016, NVIDIA announced i
東京大学は6月1日、人工知能関連領域の研究者を育成する「先端人工知能学教育寄付講座」をドワンゴ、トヨタ自動車など8社による寄付講座として設置した。ドワンゴの川上量生会長は「日本が人工知能の分野で先進国になることを期待したい」と取り組みの意図を話す。 ドワンゴ、トヨタ自動車、オムロン、パナソニック、野村総合研究所、ディー・エヌ・エー(DeNA)、みずほフィナンシャルグループ、三菱重工業の8社が計9億円を支援し、2021年5月までの5年計画で講座を設置する。寄付金は優秀な研究員や教員の雇用、人工知能研究に必要な機材の調達など、研究・教育の環境整備に使う予定だ。 講座の目的として、ディープラーニングを含む先端人工知能技術に関する体系的な教育プログラムの構築と人材育成を掲げる。機械学習などを活用した手法の確立・応用のほか、体外的な連携、基礎研究も実施する。 主に修士・博士過程の学生が対象。すでに4
Holy procrastination, startup founders! Tomorrow’s your last chance to apply to the Startup Battlefield 200 at TechCrunch Disrupt 2024. Your last chance for a shot to stand on the Disrupt…
2021-03-292016-06-02 NVIDIA、「GTC 2016 ディープラーニング最新情報(画像認識、音声認識)」レポート 先日行われた「NVIDIA Deep Learning Day 2016 Spring」で発表された、「GTC 2016 ディープラーニング最新情報について」、エヌビディア合同会社 エンタープライズビジネス事業部DL ビジネスデベロップメント シニアマネージャー 井﨑 武士氏より発表があった。 エヌビディア合同会社 エンタープライズビジネス事業部DL ビジネスデベロップメント シニアマネージャー 井﨑 武士氏 この記事では画像認識、音声認識についての内容をお届けする。 アリババグループによるディープラーニングを使った画像サーチ アリババが提供するサービスの中で、カメラで撮った写真を元に商品を検索するサービスがあるそうだが、これまでの商品の特長抽出は難しかっ
印刷される方はこちらをご覧ください(PDF形式、399kバイト) このニュースリリース記載の情報(製品価格、製品仕様、サービスの内容、発売日、お問い合わせ先、URL等)は、発表日現在の情報です。予告なしに変更され、検索日と情報が異なる可能性もありますので、あらかじめご了承ください。なお、最新のお問い合わせ先は、お問い合わせ一覧をご覧下さい。 2016年6月2日 日本語での論理的な対話を可能とする人工知能の基礎技術を開発 ディープラーニングにより言語に依存することなく根拠や理由を表す文を識別 株式会社日立製作所(執行役社長兼CEO:東原 敏昭/以下、日立)は、賛否が分かれる議題に対し、大量の日本語記事を分析して賛成・反対双方の立場から根拠や理由を伴った意見を日本語で提示する人工知能の基礎技術を開発しました。今回、記事の中から議題に対する意見の根拠や理由に該当する文を識別するプロセスにディープ
移転しました。 https://chezo.uno/post/2016-05-29-sonomoderu-guo-xue-xi-siteruno-wei-xue-xi-nano-tokun-tutara/
DSSTNEとは? DSSTNEは、Deep Scalable Sparse Tensor Network Engineの頭文字を並べたもので、読み方は“Destiny”と読むらしい。 なぜ今アマゾンがDeep Learning(DL)のオープンソースを発表したのか? DSSTNEは、既存のDeepLearningのオープンソースよりも、データがSparse(疎)なときに高いパフォーマンスを示すため、Amazonのように大量の商品データ、ユーザーデータを持ち、その二つのオブジェクトが購買、評価などの行動をした行動データを持つような疎行列データを持つ場合に強いDeapLearningのオープンソースと言える。 スパース(疎)行列データとは? 疎行列(そぎょうれつ、英: sparse matrix)とは、成分のほとんどが零である行列のことをいう。 スパース行列とも言う。 有限差分法、有限体積法
Amazon.comはディープラーニングを実現するライブラリ「Amazon DSSTNE」(Deep Scalable Sparse Tensor Network Engineの頭文字、読みはデスティニー)をオープンソースで公開しました。 GitHub - amznlabs/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) is an Amazon developed library for building Deep Learning (DL) machine learning (ML) models DSSTNEは本番環境のワークロードに対応したライブラリで、以下の特長があります。 マルチGPUスケール 学習と予測のどちらも、複数のGPUにスケールアウトし、レイヤごとにモデル並列化の方法で(model-
早稲田大学の研究チームが発表した、白黒写真をディープラーニングによりカラー画像へと自動変換する論文がとにかくすごいと話題です。 研究チームが発表した手法を用いることで、100年前のモノクロ写真でも自然なカラー画像へと自動変換可能(画像は研究チームのホームページより) 論文によれば、モデル構造は「低レベル特徴ネットワーク、中レベル特徴ネットワーク、大域特徴ネットワーク、色付けネットワーク」からなる4つのネットワークによって構成されるという。なるほど…… 論文では、ディープラーニングによる「画像の大域特徴と局所特徴を考慮した新たな畳込みネットワークモデルを用いることで、画像全体の構造を考慮した自然な色付けを行うことができる」としています。100年前のモノクロ写真でも自然なカラー画像へと自動変換可能とのこと。論文内では研究チームの理論で変換されたカラー画像を、他の先端理論で変換したものと比較した
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
処理を実行中です
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