Terminal Phase of Training(TPT) — Training beyond 0 training error i.e training error is at 0 while we’re pushing training loss further down. Aim is to reduce the loss as much as possible even if misclassification rate is already 0. Why would someone do that? One would expect such a model to be highly overfitted to the training data, and noisy but recently it’s shown empirically that the reverse i
第230回CVIM研究発表会 チュートリアルでの「深層学習を用いた三次元点群処理入門」のスライド資料です 図などは各論文から引用しています
●プログラム Googleドライブから入手できます. https://drive.google.com/drive/folders/1HklDMySFi2fbeBZGr6xIQ5Umm5wQHKqZ?usp=share_link ●実験用データ https://drive.google.com/drive/folders/1HNjfC5Kg0tfprSlXn12HdSimQK6WfYHB?usp=share_link ●第1特集第7章のカラー画像 図7 画像が読み込めているかの確認は視覚化する 左(a)元のマスク画像(カラー画像) 右(b)処理後のマスク画像(グレー・スケール画像) 図8 convert()関数でマスク画像をグレー・スケール化する 図9 学習モデルには「U-Net」を使う これは入力画像を特徴画像に畳み込んだ後に再びここから画像を再生成する深層学習ネットワークのこと 左(a
AI線画抽出を試す(Informative Drawings) - えいあーるれいの技術日記 の続きです。 最近、ChatGPT系の汎用LLMやstable diffusion等の画像生成AIが注目を集めがちですが、何かしらに特化したAIも少しずつ進歩しているようです。 特化型のAIは汎用AIと比べると創造性に乏しいところはありますが、少ないリソースで動作してある程度出力の予想はつくので、要所における使いやすさは汎用AIを大きく上回ることでしょう。 数年前からメタバース・ブロックチェーン・汎用AI…と話題を掻っ攫う技術がビジネスワードとして持て囃され過大評価されがちですが、自分に必要なツールをしっかりと見極めて使いこなせるようにしたいですね。 ところで、私は以前から画像から線画抽出して壁紙に貼り付けることで、宇宙ネコを壁紙にしようというプロジェクトを作っており、うまくいかずかなり苦労してい
(大学サーバのページは(更新方法を忘れた&)サーバが稼働終了予定なので, こちらのドメインで更新することにします.) 東京理科大学 理工学部 数学科 助教(2018年4月―) 居室:東京理科大学野田キャンパス4号館2階. (map around my office, キャンパスマップ.) 住所:〒278-8510 千葉県野田市山崎2641 東京理科大学理工学部数学科 site top / 授業資料 授業で配布した資料の一部をここで公開しています. なお,履修学生にのみ関係のある内容(組番号など)を除去するなどの改変を行っています. 履修学生の方は,ここにあるものではなく 配布した資料または LETUS に置いてあるものを見て下さい. このページで書いてある日付はここで公開した日であり,PDFファイルに書いてある日付はそれとは一般に異なります. 基礎数学および演習 全称と存在 [2019/0
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