ImageFlux Goにおける画像ファイル処理 Golang.Tokyo #19 Talks.2 / 2018-11-03
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
Introducing AI Hub and Kubeflow Pipelines: Making AI simpler, faster, and more useful for businesses Whether they’re revolutionizing the clothing manufacturing supply chain or accelerating e-commerce, businesses from every industry are increasingly turning to AI to advance what’s possible. Yet for many businesses, the complexities of fully embracing AI can seem daunting. Our goal is to put AI in r
In recent years, compute-intensive artificial intelligence tasks have prompted creation of a wide variety of custom hardware to run these powerful new systems efficiently. Deep learning models, such as the ResNet-50 convolutional neural network, are trained using floating point arithmetic. But because floating point has been extremely resource-intensive, AI deployment systems typically rely upon o
終了 2018/11/07(水) 19:00〜 CI/CD Test Night #1 Bitrise CTO と VP of Growth がこのイベントのために初来日!! tarappo 他 東京都渋谷区渋谷2-21-1 ヒカリエ21F
チームが機能するとはどういうことか――「学習力」と「実行力」を高める実践アプローチ 作者: エイミー・C・エドモンドソン,Amy C. Edmondson,野津智子出版社/メーカー: 英治出版発売日: 2014/05/24メディア: 単行本この商品を含むブログ (3件) を見る 一ヶ月くらい前にnaoya_ito さんの記事を急に思い出して読んでみたらとても良い事が書いてあった。この本は、資料の参考文献で強くおすすめされていたので買って読んでみた。 まとめ プロセス知識スペクトル この本で繰り返し言われているのは、仕事の中にも「知識の成熟度」と「不確実性」に応じてルーチンの業務、複雑な業務、イノベーションの業務 があり(本の中ではプロセス知識スペクトルと言われる)、それにより適切なチーミングと学習のあり方を変える必要があるということだった。新規事業のような不確実性の高い仕事と、書類仕事のよ
カルビー株式会社(本社:東京都千代田区、代表取締役社長:伊藤 秀二)は、通常のポテトチップスの約3倍の厚さのポテトチップス『ポテトデラックス マイルドソルト味/ブラックペッパー味』を11月12日(月)から信越エリア限定で発売します。 ※コンビニエンスストアでは発売しません。 【開発経緯】 本商品は、「お客様の生活の一部となるような、これまでありそうでなかった新しいポテトチップスを作りたい」との担当者の熱い想いから開発に着手しました。約10ヶ月間の開発期間を経て、2018年2月にテスト販売を行い、お客様から大変ご好評いただいたことから、このたび本発売する運びとなりました。 【商品特長】 ●本商品は“カルビー史上最厚級”となる“超厚切り”ポテトチップスです。通常のポテトチップスの約3倍の厚さがあり、食べ応えがあります。 ●じっくり揚げて香ばしさを実現する「2度揚げ製法」を採用しています。「2度
This document summarizes several datasets for image captioning, video classification, action recognition, and temporal localization. It describes the purpose, collection process, annotation format, examples and references for datasets including MS COCO, Visual Genome, Flickr8K/30K, Kinetics, Charades, AVA, STAIR Captions and Actions. The datasets vary in scale from thousands to millions of images/
ここでは、最強のMarkdownエディタTyporaについて紹介する。 機能に関しては随時更新予定。 ざっくり概要 Typoraを使ってMarkdown書いているときの様子は以下のような感じになる。 後述するが、記述したその場でスタイリングしていく仕組みなので、「プレビュー表示」という概念がない。 そのため、目線を行ったり来たりさせる必要がない。 例えば、 上記のように#記号に続いて文字入力を行い、Enterキーで改行すると.... このように、自動的にその場でMarkdownの見出し表示になってくれる。 Typoraのいいところ 記述したその場でスタイリングしていく仕組み そのため、2つの画面を目で行ったり来たりする必要がない 操作が極めて直感的 高機能であるにも関わらず、インターフェースがとてもシンプル 数式・画像の挿入、表の作成など、通常のエディタだと苦戦するような操作も非常に簡単に
サービス開発部の外村 (@hokaccha)です。 クックパッドのアプリには「料理きろく」という機能があります。 モバイル端末から料理画像のみを抽出して記録することで食べたものが自動的に記録されていくという機能です。 今回はこの料理きろくで画像判定をおこなっているバックエンドのアーキテクチャについて紹介します。なお、実際に判定をおこなう機械学習のモデルのはなしは以下の記事に書かれているのでそちらを参照してください。 料理きろくにおける料理/非料理判別モデルの詳細 - クックパッド開発者ブログ また、以下のスライドでも料理きろくのバックエンドについて紹介されているのでこちらも参照してみてください。 処理の概要 ざっくりとした画像判定のフローとしては、次のようになります。 クライアントアプリは端末内の画像を判定用に縮小してサーバーにアップロードする サーバーはアップロードされた画像を機械学習を
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