Deep Learningで用いるデータを｢生成｣してみた - 技ラボ
Deep Learningを使うには、問題設定に合致するデータが大量に必要になります。画像データであれば、実際に現地での撮影し、様々な状況を想定しながら地道に少しずつデータを蓄積させる必要があり、簡単ではありません。更に、それらのデータにラベルを付けて、分類して・・・となると多大な労力がかかります。 今回は、Deep Learningで使う学習用データを、ISPが持つ高品位合成技術を用いて作成し、Deep Learningの学習で良い結果を示せたので紹介します。 by Kondo Takanori 2016/1/20 ISPの取り組み～つくばチャレンジ～ ISPでは、近年培ったDeep Learningのノウハウをロボティクスに応用したいと考え、その一環として宇都宮大学の尾崎研究室のグループと共同研究で｢つくばチャレンジ｣に参加しました。 つくばチャレンジ 自律走行ロボットがこなすべき課題
『ダイレクトなR-CNN』で物体検出する - 技ラボ
ISPでは、Deep Learningを用いて物体をダイレクトに検出することに成功しました。 今までのDeep Learningを用いた物体検出(R-CNN)では、物体らしい領域を検出したうえで判別器(CNN=Convolutional Neural Network)にかけて物体を検出する方法がとられていますが、私達は物体検出を「Deep Learningの回帰問題」ととらえて学習を工夫することにより、カメラで撮影した映像から物体の位置・大きさをダイレクトに検出させました。これを『ダイレクトなR-CNN』と呼んでいます。 本記事では、この『ダイレクトなR-CNN』について説明します。 by Nagasawa Kazuki 2015/12/19 課題設定 ISPでは、宇都宮大学尾崎研究室のグループとの共同研究という形で「つくばチャレンジ2015」に参加しました。 今回は尾崎研究室の自律走行ロ
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
