Create unlimited content with GPT-4o, FLUX, DALL-E 3, Brand Voice, SEO analysis, 100+ text templates and much more Start for free
基盤モデルの記事の後日談 私は普段、農作物の外観を選別する画像認識AIや物体検出AIをディープラーニングで作成しています。 対象の農作物の画像や動画を収集してディープラーニングすれば簡単にAIを作れるので、便利な時代です。 ところで、農作物の収穫や選別の基準は、対象の農作物ごとに異なります。 そのため、収穫ロボットや選別機に搭載するAIを開発する場合、まずは農作物ごとに分類項目を明確に決めて、それぞれのデータを収集します。 分類項目が増えれば、その分集めるデータの種類も増えて手間が増えます。 データ収集はメジャーな農作物であればAIの利用者も増えてはかどりますが、そうでない場合はデータがなかなか集まりません。 また、同じ農作物でも巨峰やシャインマスカットのように基本的な色や形が違うものは、それぞれ別にAI開発をしなければなりません。 さらに、地域ごとに出荷規格が変わればアノテーションもその
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