物体認識モデルYOLOv3に完全勝利したM2Detの紹介｜せいしん
はじめに一般物体認識はここ数年で大きな進化を遂げました。その中でも実用的に使いやすい&よく使われている（気がする）のはYOLO v3だと思います。それは、ある程度の予測精度を持ちながら推論速度もはやいというモデルになっているためです。 今回説明するのはそのYOLOv3に対して、予測精度も推論速度も上回るようなモデルのM2Detです。予測精度と推論速度はトレードオフはありますが、どちらをとっても、下記の図のように他のモデルに優位性があることが分かります。 M2DetはAAAI2019に採録された論文のモデルでこれから使われる機会も増えるのではないかと思います。YOLOv3は著者実装や様々なフレームワークの実装、そして学習済みのモデルまで公開されていて非常に使いやすくなっていますが、M2Detも著者実装、学銃済みモデルの公開が予定されていて、公開されれば利用が増えると思います。公開予定のレポジ
Google、機械学習に最適化したクラウドサービス「Cloud TPU」ベータ公開開始。TensorFlow用の独自ASIC採用 － Publickey
Googleは、機械学習のためのフレームワーク「TensorFlow」の処理に最適化した同社独自のASIC「Cloud TPU」を用いた、同名のクラウドサービス「Cloud TPU」ベータ公開を発表しました（日本語の発表。英語での詳しい発表）。 「Cloud TPU」は2017年5月に行われたイベント「Google I/O 2017」で初めて発表されました。 ［速報］Google、機械学習に最適化した「Cloud TPU」発表。「われわれれはいま、AIファーストデータセンターの構築に取りかかっている」。Google I/O 2017 － Publickey チップとしての「Cloud TPU」は、TensorFlowでのトレーニングと推論の両方に最適化されたカスタムASIC。 上の写真は4つのチップが搭載されたCloud TPUボード。このボード1つあたり180テラフロップスの能力があると
1
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
