深層学習の最新テクニック、AIコンペの成績上位5人が披露 | 日経 xTECH（クロステック）
人工知能学会は2018年6月5日、同学会が主催した画像認識コンペティション「JSAI Cup 2018」の結果を発表し、入賞者5人を表彰した。1位～5位の入賞者が実施したプレゼンテーションを通じ、深層学習（多層のニューラルネットを使った機械学習）で画像認識AIの精度を高める最新のテクニックを紹介しよう。 今回のコンペのテーマは「食材の分類」。食材の画像データから、タマネギ、きゅうりなど55種類の材料を分類する画像分類器を設計し、正解率の高さを競う。 「タマネギ」「きゅうり」などの正解ラベルが付与された学習用の画像データは1万1995枚、正解ラベルを付与していない評価用のテストデータは3937枚 主催者が提示した学習用の画像データは、協賛のクックパッドが提供した1カテゴリ約290枚×55カテゴリの1万5932枚である。コンペの開催期間は2018年1月22日～3月29日。応募者は121人で、う
料理きろくにおける料理/非料理判別モデルの詳細 - クックパッド開発者ブログ
研究開発部の菊田（@yohei_kikuta）です。機械学習を活用した新規サービスの研究開発（主として画像分析系）に取り組んでいます。 最近読んだ論文で面白かったものを３つ挙げろと言われたら以下を挙げます。 Poincaré Embeddings for Learning Hierarchical Representations Training Group Orthogonal Neural Networks with Privileged Information Fluctuation Theorem for Many-Body Pure Quantum States クックパッドのアプリには「料理きろく」という機能があります。 携帯端末から料理画像のみを抽出して表示することで自分が食べたものを振り返れるようになっており、ここからレシピ投稿やつくれぽを送ることもできるようになっています
コーディング不要のディープラーニング開発ツール、ソニーが無償提供
コーディング不要で、ディープラーニングのプログラムを生成できるソフトウェア「Neural Network Console」を、ソニーが無償提供。 ソニーは8月17日、コーディングの知識がなくても、ディープラーニング（深層学習）のプログラムを生成できるソフトウェア「Neural Network Console」の無償提供を始めた。自社の製品・サービス開発にも利用しているツールを多くの開発者や研究者に使ってもらうことで「ディープラーニング技術の発展につなげる」という。 同社は今年6月、ディープラーニングのプログラムを生成する際に使うコアライブラリー（基盤ソフトウェア）「Neural Network Libraries」（以下、Libraries）をオープンソース化した。人間の脳を模倣した「ニューラルネットワーク」の設計、製品・サービスへの搭載を効率化する演算モジュール群だが、利用には高度なプロ
GitHub - HFTrader/DeepLearningBook: MIT Deep Learning Book in PDF format
MIT Deep Learning Book in PDF format Update: we just added a section [Deep Learning Papers] to this repository. We feel it complements very well the intention of this repository that is to help students to get all the relevant information about deep learning in one place. This book was downloaded in HTML form and conviniently joined as a single PDF file for your enjoyment. Please notice the known
機は熟した！グラフ構造に対するDeep Learning、Graph Convolutionのご紹介 - ABEJA Tech Blog
はじめまして。ABEJAでResearcherをやらせていただいている白川です。 先日、化合物の物性推定をDeep Learningをつかって従来手法より300,000倍高速に処理するという論文がでました（[1], [2]）。この論文の手法は、Graph Convolutionというグラフ上に定義されたConvolution演算がベースとなっています。物性推定に限らず、グラフ解析全般を Deep Learning で上手にこなせるようになれば、Deep Learningのアプリケーションの幅がぐっと拡がり、さらなるイノベーションが起きそうな予感がします。 ICMLやNIPSなどの機械学習系の主要国際会議でも数年前からGraph Convolutionについての論文がちらほら出現しはじめており、とくに最近その勢いが増してきている印象があります。個人的にも最近（前から？）にわかにグラフづいてい
ディープラーニングについて学ぶならこの2冊を読むしかない｜加藤貞顕
年末年始はこの２冊を読んでいた。 『はじめての深層学習プログラミング』清水亮 『ゼロからつくるDeep Learning』斎藤康毅 結論から言うと、いま、人工知能やディープラーニングに興味があるひとは、２冊とも必読ではないかと思った。 アプローチが完全に対称的なので、両方読んだら、理論と雰囲気について、見通しがつくようになったのがとてもよかった。 『ゼロからつくるDeep Learning』は、ていねいに書かれたオーソドックスな入門書だ。人工知能開発によく使われる言語・Pythonの基本や数値計算ライブラリの使い方からはじまり、ニューラルネットワーク、ディープラーニング、畳み込みときて、最後に画像認識を解説する。随所に適切な例題やサンプルコードを交えて、理論と実践をバランスよく説明している。 対して、『はじめての深層学習プログラミング』は、まったく真逆のアプローチだ。なんと、理論の解説など
AWS Solutions Architect ブログ
SA岩永です。Amazon CTO Wernerのブログで、深層学習フレームワークであるMXNetについての投稿がありました。AWSを使って機械学習・深層学習をお考えの方に非常に重要な内容なので、日本語訳しましたのでご覧ください。 また、記事内にもありますが今週ラスベガスにて開催されるre:Invent 2016では11月30日に機械学習についてのMini Conもありますので、現地にいらっしゃる方はぜひご参加下さい。 追記: re:Invent 2016の中で、深層学習フレームワークのベンチマーク用のコードが公開されました。https://github.com/awslabs/deeplearning-benchmark 原文: MXNet - Deep Learning Framework of Choice at AWS 機械学習は、私達のビジネスや生活の多くの領域において段々と重要
ディープラーニングと英語学習の関係
今、AI（人工知能）が大きな話題となっています。コンピューターのアンチウイルスなど、これまでは新たに出てきたウイルスに対応する流れだったため、常に後手に回ってきたのですが、AIを使うことでこれから出現するウイルスを高い精度で予測できるようになりました。これこそ、「革新」といえるものでしょう。 ところで、少し整理すると、AIはこれまでに大きく2段階のステップを踏んでいます。第一世代のAIは、直列処理という情報処理理論に基づくもので、私たちのパソコンはすべてこの直列処理に基づいて動いています。第二世代は、並列分散処理といわれ、簡単に言えば「脳の働き方」を真似したものです。 ディープラーニングはこの情報処理と関係しています。ディープラーニングというのは、はじめごく簡単な作業しかできなかったものが、より複雑な作業ができるようになったことを指し、さらに言えば、膨大なデータから自力でそこに含まれる特徴
富士通研究所が深層学習の高速化技術を開発、GPU64台で速度27倍、「世界最高速」実現
富士通研究所は、ディープラーニング（深層学習：多層ニューラルネットによる機械学習）を複数のサーバーで効率的に分散処理させ、学習を高速化する技術を開発した。これまで学習に1週間かかっていたところを、6時間ほどに短縮できる。ニューラルネットの設計と検証のサイクルを高速に回すことができ、研究開発の効率を高められる。 データ容量が大きく分散化が難しいとされる画像認識用ニューラルネット「AlexNet」で実験したところ、GPU64台の並列化で、GPU1台と比較して処理速度を27倍に高められた。「我々が確認しているAlexNetの高速化では、これが世界で最も速い」（富士通研究所 コンピュータシステム研究所 データシステムプロジェクト 主任研究員の田原司睦氏）。 富士通研究所は、今回の技術について特許を出願済み。富士通のAI技術「Human Centric AI Zinrai」の一つとして2016年度中
GoogleとUDACITY、「TensorFlow」で学ぶディープラーニング講座を開設
米Googleは1月21日（現地時間）、無料オンライン学習プログラム（MOOC）UDACITYと協力し、ディープラーニングを学べる無料コース「Deep Learning：Taking machine learning to the next level」を開設したと発表した。 この短期間の集中コース（約3カ月）は、ニューラルネットワークやLong short term memory network（LSTM）など、ディープラーニングの基本を学べる。学習にはGoogleが昨年11月にオープンソース化した機械学習システム「TensorFlow」を使う。 このコースを履修すると、機械学習のナノ学位を取得できる上級コース「Machine Learning Engineer Nanodegree」（月額199ドルから）を受講できる。 Googleは「このコースの目標は、機械学習に高い関心のある人々に
AWS Solutions Architect ブログ
Apache SparkとAmazon DSSTNEを使った、Amazon規模のレコメンデーション生成 Amazonのパーソナライゼーションでは、お客様毎の製品レコメンデーションを生成するためにニューラルネットワークを使っています。Amazonの製品カタログは、あるお客様が購入した製品の数に比較して非常に巨大なので、データセットは極端に疎になってしまいます。そして、お客様の数と製品の数は何億にものぼるため、我々のニューラルネットワークのモデルは複数のGPUで分散しなければ、空間や時間の制約を満たすことができません。 そのため、GPU上で動作するDSSTNE (the Deep Scalable Sparse Tensor Neural Engine)を開発しオープンソースにしました。我々はDSSTNEを使ってニューラルネットワークを学習しレコメンデーションを生成していて、ECのウェブサイト
GitHub - amazon-archives/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) is an Amazon developed library for building Deep Learning (DL) machine learning (ML) models
DSSTNE (pronounced "Destiny") is an open source software library for training and deploying recommendation models with sparse inputs, fully connected hidden layers, and sparse outputs. Models with weight matrices that are too large for a single GPU can still be trained on a single host. DSSTNE has been used at Amazon to generate personalized product recommendations for our customers at Amazon's sc
Deep Learning のトレンドについて喋ってきた
Convolutional Neural NetworksのトレンドについてCasualじゃない話をしてきました． 全脳アーキテクチャ若手の会カジュアルトーク 全脳アーキテクチャ若手の会カジュアルトーク というところでお話をしてきました． ちょっと層がわからなかったのですが，IT系のエンジニアの方が多かったみたいです． （学生は4人くらい…？しかもほぼ身内） 僕のスライドはSlide Shareの方にアップロードされています． しかも，映像もアップロードされていた… 発表後記 実際はConvolutional Neural Networks(CNN)系論文128本ノックにするつもりだったとはいえない空気でしたね… 個人的には画像生成やキャプション生成系の研究速度はとても速く進んでいると感じています． Visual Turing Test の話はもう少し掘り下げたかったですね． Deep M
Deep Learning
An MIT Press book Ian Goodfellow and Yoshua Bengio and Aaron Courville The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The deep learning textbook can now be ordered on Amazon. For up to date an
HOME'Sデータセット画像をディープラーニング適用した物件画像分類 - LIFULL Creators Blog
こんにちは、おうちハッカー@リッテルラボラトリーの石田です。 先日より弊社は、「HOME'S」の物件・画像データセットを研究者に提供開始しました。 情報学研究データリポジトリ(IDR)より申請頂けます。 こちらのデータセットを用いた研究を支援させていただくため、ディープラーニングによる画像分類器の学習と、テキストマイニングをお試しいただけるツールキットを提供いたします。 GitHub 本記事では主に、画像解析ツールで行うことができる、ディープラーニングを用いた部屋画像の分類を紹介します。 ディープラーニングで物件画像の分類 公開されたデータの中には、約8,300万枚の物件画像データが含まれています。それらの画像には、間取り、外観、玄関、居間、キッチン、トイレなどの画像種別が設定されています。 こちらの画像を教師データとして学習を行い、部屋画像を入力として与えると、どの種類の部屋なのか判定す
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
GitHub - mdabros/SharpLearning: Machine learning for C# .Net
Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別
Loading...
Deep Learningライブラリ 色々つかってみた感想まとめ
AlphaGoのしくみ
