フィードから記事をパクるサイトに狙われたので対処してみた - しばやん雑記
もう 3 週間ほど前になりますが、亀川さんからこのブログを丸パクリしてるサイトを教えてもらいました。 @shibayan の日記がrentalservernews dot comってところで丸パクされてる？GoogleではでてこないけどBingでは出るみたい— kkamegawa (@kkamegawa) 2015年7月1日 かなりめんどくさいと思ったんですが、やられっぱなしも嫌なので時間をかけて対応してみました。 現状を把握する パクってるサイトを見たところ fullrss.net というサービスを使って、全文を取得して WordPress に自動で記事にするという仕組みになっているっぽいです。fullrss.net 自体、正直評判は良くなさそうな感じです。 どのくらいの記事がパクられているのか調べるために、適当にスクリプトを書いて調べてみたところ、その当時で 101 記事が無断で全文パ
どんでん返しがすごい！おすすめ小説7選 - Colors(カラーズ)
どんでん返しがすごい！おすすめ小説7選 衝撃のラストが待ち構えている、どんでん返しがすごい小説を7冊ほどご紹介します。休日を使って一気に読めるので、読み終わった時に「やられた！」と言いたい方は、ぜひこちらの作品の中からお選びください。 注意：記事の説明で「ネタバレ」は含んでいないつもりですが、前提の知識を入れずによんでも面白い作品ばかりなので、タイトルだけみて、読みはじめてみることもオススメします。 ハサミ男 ハサミ男は、1999年に第13回メフィスト賞を受賞した殊能 将之氏のデビュー作。 2005年に豊川悦司主演で映画化した作品でもあります。ストーリー自体が面白く、叙述トリックを利用した作品でもあります。読み終わった時には、この作品を手にした時からすでに騙されていたんだと気づくことになるでしょう。最後には「やられた！」となるおすすめの作品です。 あらすじ 女子高生2人が殺害されました。被
ScreenTime – 作業風景を自動で動画化
MOONGIFTはオープンソース・ソフトウェアを紹介するブログです。2021年07月16日で更新停止しました デジタルな時代になって面白いのが、単に作品だけでなく、その作品を作る過程も簡単に残せるようになったことです。デジタルな作品は簡単に複製できてしまうので評価が難しいですが、作品の制作過程は一度きりしかできないので価値が高いと考えられます。 そんな何かを作っている様子を残せるのがScreenTimeです。デザインに限らず、プログラミングしているところを残すのも良いでしょう。 ScreenTimeの使い方 ScreenTimeはメニューバー常駐型のソフトウェアです。 そして1分ごとにスクリーンショットを撮影、保存します。さらに1時間ごとにたまったスクリーンショットを動画にします。そして1日ごとの動画も作成します。ScreenTimeは複数ディスプレイにも対応しています。 作業者は単にSc
http://eeeweba.ntu.edu.sg/computervision/Research%20Papers/2015/Fast%20Action%20Proposals%20for%20Human%20Action%20Detection%20and%20Search.pdf
Fast Action Proposals for Human Action Detection and Search Gang Yu Nanyang Technological University School of EEE, Singapore iskicy@gmail.com Junsong Yuan Nanyang Technological University School of EEE, Singapore jsyuan@ntu.edu.sg Abstract In this paper we target at generating generic action pro- posals in unconstrained videos. Each action proposal cor- responds to a temporal series of spatial b
損失関数 - 機械学習の「朱鷺の杜Wiki」
損失関数 (loss function)† 入出力をまとめたデータを \(z\)：クラス分類ならクラスと特徴ベクトルの対であり，回帰なら独立変数と従属変数の対． \(f\)：データを処理する関数 \(L(z;f)\)：損失関数 (loss function)は推定の悪さを定義した関数 回帰の場合は，データは \(z=(x,y)\) で，\(L(z,f)=(y-f(x))^2\) のような 二乗損失 (squared loss) が利用される クラス分類の場合は，データは \(z=(x,c)\) で，クラス \(c\) と関数の出力クラス \(f(x)\) が一致すれば 0，そうでなければ 1 をとる 0/1損失 (0/1 loss) が利用される \(f(\cdot;\theta)\) がパラメトリックな確率分布だったとき，対数損失は\(-\log f(\cdot;\theta)\)．この
Random forest - Wikipedia
英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Random forest|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があ
サポートベクターマシン - Wikipedia
サポートベクターマシン（英: support-vector machine, SVM）は、教師あり学習を用いるパターン認識モデルの1つである。分類や回帰へ適用できる。1963年にウラジミール・ヴァプニク（英語版）とAlexey Ya. Chervonenkisが線形サポートベクターマシンを発表し[1]、1992年にBernhard E. Boser、Isabelle M. Guyon、ウラジミール・ヴァプニクが非線形へと拡張した。 サポートベクターマシンは、現在知られている手法の中でも認識性能が優れた学習モデルの1つである。サポートベクターマシンが優れた認識性能を発揮することができる理由は、未学習データに対して高い識別性能を得るための工夫があるためである。 基本的な考え方[編集] サポートベクターマシンは、線形入力素子を利用して2クラスのパターン識別器を構成する手法である。訓練サンプルから
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
Amazon.co.jp: Evernote豆技50選 (Espresso Books): 倉下忠憲: Digital Ebook Purchas
https://www.pinterest.com/pin/439312138629469458/
xiangze on Twitter: "CV勉強会@関東 (後編) の発表資料です。Stable multi scale kernel for topological machine learning #cvsaisentan http://t.co/hEtxixxNb2"
OpenCV bindingまとめ
MOT Challenge - Results
MOT Challenge - Data
http://www.milanton.de/files/cvpr2015/cvpr2015-anton.pdf
け et al. on Twitter: "@kantocv 発表資料です. http://t.co/9FxoPt4JI9 #cvsaisentan"
Something went wrong...
https://www.cv-foundation.org/openaccess/content_cvpr_2015/app/2A_002_ext.pdf
https://www.cv-foundation.org/openaccess/content_cvpr_2015/ext/3B_102_ext.pdf
https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Li_Delving_Into_Egocentric_2015_CVPR_paper.pdf
Pooled Motion Features for First-Person Videos
Motion Part Regularization: Improving Action Recognition via Trajectory Selection
https://www.cv-foundation.org/openaccess/content_cvpr_2015/ext/1A_083_ext.pdf
http://arxiv.org/pdf/1504.03504.pdf
Koichi Takahashi on Twitter: "今日の資料です。 Global Refinement of Random Forest http://t.co/qcpYly4RLL #cvsaisentan"
Akisato KimuraさんはTwitterを使っています: "予告編のみのアップです，完成版は直前に差し替えます / CVPR2015 reading "Understainding image virality" (in Japanese) http://t.co/raPaOMNV1o #cvsaisentan #kantocv"
Minagawa Takuya on Twitter: "本日の資料です。http://t.co/W90Cfcmcc5 #cvsaisentan"
Sekico – Explore the Outdoors
https://www.pinterest.com/pin/439312138629465352/