GitHub - otaha178/Emotion-recognition: Real time emotion recognitionYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
あなたの生産性を向上させるJupyter notebook Tips | リクルートテクノロジーズ メンバーズブログ
このエントリは全9回を予定する18卒新人ブログリレーの第3回です． はじめまして．今年度よりリクルートテクノロジーズに入社した河野 晋策です． 7月からQassチームにて検索ロジックの改善を行っています． Qassチームは，検索基盤の運用や検索ロジックの改善を行っているチームです． 詳しくは以下の記事をご覧ください． 検索組織の機械学習実行基盤 リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか Elasticsearch＋Hadoopベースの大規模検索基盤大解剖 本記事の想定読者：普段Jupyter notebook・Jupyter Lab，Google Colaboratoryを使っている方，またこれから使おうと考えている方 本記事の概要：jupyter notebookの知見共有 はじめに Jupyter notebookとは 近年，データの重要性が様々な
Deepに理解する深層学習による物体検出 by Keras - Qiita
誰向け 深層学習をすでに理解して画像の分類から物体検出への仕組みをマスターしたい方へ 数式が多いのでコード確認したい方は下記へGo 具体的な実装例 おまけ Kerasに関する書籍を翻訳しました。画像識別、画像生成、自然言語処理、時系列予測、強化学習まで幅広くカバーしています。 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ 目的 物体検出に関しての技術を体系的にまとめてコードベースまで理解したかったので書きました。 良書である画像認識の物体認識の章を参考にこの記事を作成しています。 画像認識 全体像 大きく分けて3つのフェーズに分かれます。 1: 物体領域候補の抽出 画像中から物体の領域候補を抽出する手法になります。精度と速度を左右する部分になります。図のように小ウインドウ(バウンディングボックス)を用意して一定の画素数ずらしながら領域候補を抽出する
GitHubでFork/cloneしたリポジトリを本家リポジトリに追従する - Qiita
2019/12/11 分かりやすいサイトへのリンクを追加しました hub コマンドの hub fork について追加しました 2013/04/11 興味深い手法があれば随時追加していきます ネットを検索すると、色々な手法が出てきますが、自分としては「WEB+DB PRESS plus 開発ツール徹底攻略」p.71 に載っていた以下の手法がシンプルで良く理解できました。 本家リモート upstream を追加する方法 本家リポジトリの例として、実際にGitHubに存在する練習用リポジトリ git@github.com:DQNEO/Renshu.git を使います あなた (youraccount) が既にForkしているRenshuリポジトリをcloneします。 $ git clone git@github.com:youraccount/Renshu.git Cloning into 'R
Read-through: Wasserstein GAN
In a world where everyone has opinions, one man...also has opinions Last edited February 26, 2017. I really, really like the Wasserstein GAN paper. I know it’s already gotten a lot of hype, but I feel like it could use more. I also think the theory in the paper scared off a lot of people, which is a bit of a shame. This is my contribution to make the paper more accessible, while hopefully retainin
論文：Beating the World’s Best at Super Smash Bros. Melee with Deep Reinforcement Learning - うどん記
モデルフリー系の深層強化学習の手法を用いてスマブラDXのゲームAIを作ったという論文が出ていたので読んだ。以下はそのメモ。 概要 論文URL : https://arxiv.org/abs/1702.06230 著者のグループは github でコードを公開しており、そのデモ動画が twitch や youtube に上がっている。 www.youtube.com 上の動画はその一例。明記されていないが、動きからして 2P のキャプテン・ファルコンが強化学習 AI で、1P が人間だと思われる。スマブラの素人が見てもあまりピンと来ないのだが、人間側は世界ランキングでトップ50相当のプレイヤー(二人いて、途中で交代している)らしい。 reddit や hacker news でも活発に議論されている模様。 内容 環境の定義について Atari のゲーム環境などとは異なり、画像ではなくエミュレ
深層学習による自然言語処理 - RNN, LSTM, ニューラル機械翻訳の理論
本稿ではニューラルネットワーク，誤差逆伝播法，言語モデル，RNN，LSTM，ニューラル機械翻訳の一連の手法について数理的に解説する． 前編の目次 ニューラルネットワーク 順伝播 (Forwardpropagation) 逆伝播 (Backpropagation) リカレントニューラルネットワーク (RNN) Recurrent Neural Network Language Model (RNNLM) Backpropagation Through Time (BPTT) Long Short-Term Memory (LSTM) Gated Recurrent Unit (GRU) RNN のドロップアウトとバッチ正規化 ニューラル機械翻訳 (NMT) Sequence to Sequence (seq2seq) 注意 (Attention) 双方向エンコーダー・多層LSTM 評価手法
統合開発環境（IDE）はどれを使えば善いか？（独断と偏見の遥か彼方） - Qiita
追記 多くの方が目を通してくれているのでIDE情勢が変化し次第、内容を随時更新することにした。 特に最近、C#周りがホットになってきている気がするのでその辺も含めて少し情報を変更、追加した。 マイクロソフトの独壇場なイメージがあったC#は今では様々な分野、プラットフォームで利用されており、大変有用な言語となっている。 IDEってどれがいいの？ 結論から言うとJetBrains社が出してるIDE使っておけばもっといいのがあるよって異論を言われるはずがない。 もちろんこれまで長くコーディングを嗜んできた人やポリシーがある人はそれで構わないしVimとかいう前世紀の賜物を使いこなせる人はそれでいいと思う。俺には使えないが。 比較対象 とりあえずこれまである程度使ったものだけで比較する。 Eclipse, Xcode, JetBrainsのIDE(AppCode, Android Studio, I
CRF as RNN Semantic Image Segmentation
CRF as RNN Semantic Image Segmentation Live Demo Our work allows computers to recognize objects in images, what is distinctive about our work is that we also recover the 2D outline of the object. Currently we have trained this model to recognize 20 classes. The demo below allows you to test our algorithm on your own images – have a try and see if you can fool it, if you get some good examples you
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
WaveNetが音声合成研究に与える影響
Seeing Theory
Information Dropoutの数理とKeras実装
DeNA流データエンジニアリングの極意
A Brief Introduction to Recent Segmentation Methods
最近のDeep Learning (NLP) 界隈におけるAttention事情
Variational Inference using Implicit Models Part III: Joint-Contrastive Inference, ALI and BiGAN
GitHub - MichaelMure/3DMM: 3D Morphable Model software (https://www.cs.cmu.edu/~efros/courses/AP06/Papers/Blanz-siggraph-99.pdf)
https://arxiv.org/pdf/1701.09175.pdf
GitHub - weiliu89/caffe at ssd
Latent Dirichlet Allocation ゆるふわ入門 - あらびき日記
