cvpaper.challengeにて2016年3月にサーベイした論文のまとめです. Computer Visionの"今"をまとめています. cvpaper.challenge2016は産総研,東京電機大,筑波大学,東京大学,慶應義塾大学のメンバー約30名で構成されています. 2015年はCVPR2015の全602論文を読破し,PRMUにて論文調査からアイディア考案,論文化までをカバーする「DeepSurvey」を提案しました. 2016年は「1000本超の読破」と「コンピュータビジョンの上位会議への投稿」を目標に活動しております. Twitterで論文情報を随時アップしてます. Twitter: https://twitter.com/CVpaperChalleng 質問コメント等がありましたらメールまで. Mail : cvpaper.challenge@gmail.com Read
2. Haoyu Ren, Ze-Nian Li, “Object Detection Using Generalization and Efficiency Balanced Co-occurrence Features”, in ICCV, 2015. 【1】 Keywords: Co-occurrence Features, Generalization and Efficiency Balanced (GEB) framework for Boosting 新規性・差分 手法 結果 概要 Haar-lke特徴,Local Binary Pattern (LBP), HOGに関する共起 特徴を用いるが,効果的な弱識別器の学習として Generalization and Efficiency Balanced (GEB)フレームワークを 提案し,ブースティングに活用する. 共起特徴量を
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます NECは5月26日、ビルの電力需要や小売店舗の日配品の需要などを人工知能(AI)を使って予測するシステム構築サービスを強化し、複数サーバを使った分散処理で以前よりも大規模なデータを高速に分析できるようにする技術を開発したと発表した。2017年度の実用化を予定する。 NECはこれまで、データの中に規則性が複数存在する時に、これを自動で場合分けする「異種混合学習」技術をSIサービスで利用してきた。例えば、コンビニエンスストアの売上予測の場合、天候が雨と晴れで分けたり、曜日で分けたりする。異種混合学習技術を使うと、データの規則性を分析して、どのように場合分けすればよいかを自動的に判断できる(図1)。 今回、異種混合学習技術を複数サーバを使った
移転しました。 https://chezo.uno/post/2016-05-29-sonomoderu-guo-xue-xi-siteruno-wei-xue-xi-nano-tokun-tutara/
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