前回、本サイトにて高性能マスクの重要性をご紹介する記事＊が大きな反響を頂きました。 ＜＊＊ウレタンマスクは「無意味」！　科学者が教える「本当に効果的なマスク」 2021/08/31 牧田寛 日刊SPA!＞ しかしその反響の中に、咳エチケットで十分とか、韓国のマスクの売り込みだなどと言った見当違いのものが散見されましたので、何故高性能マスクが必要なのか踏み込んだ説明が必要と考えました。 なお、韓国規格のKF94マスクは、その類似品が本邦でも大手電機メーカーなどで製造・販売されはじめています。それ自体はたいへんに好ましいことなのですが、マスクの性能を保証する規格が本邦では漸く整備されはじめましたが貧弱で、日本版KF94類似品の性能を担保する公的なものが存在しません。N95マスクの例で明らかですが、公的規格による裏付けと偽物防止はきわめて重要です。日本政府が韓国政府と規格の共通化に関する協定を結

RSAの公開鍵暗号技術を利用するためには、鍵や証明書のファイルを扱う必要があるため、そのファイルフォーマットについて理解しておく必要があります。 実際、いろんな拡張子が登場するので、それぞれの意味を理解していないとすぐにわけがわからなくなります。そんなときのために備忘録をまとめてみました。 ファイルの拡張子の注意点 .DERと .PEMという拡張子は鍵の中身じゃなくて、エンコーディングを表している デジタル暗号化鍵やデジタル証明書はバイナリデータなのですが、MD5のハッシュ値のような単なる 値 ではなく、データ構造をもっています。.DERや .PEMはそのデータ構造をどういうフォーマットでエンコードしているかを表しています。そのため、.DERや.PEMという拡張子からそのファイルが何を表しているのかはわかりません。暗号化鍵の場合もあるし、証明書の場合もあります。 .DER 鍵や証明書をAS

ディープラーニング（AI）を用いた多文字のくずし字OCRサービスを提供します。 なお、スマホアプリについては、みを（miwo） - AIくずし字認識アプリをご利用下さい。 KuroNetくずし字認識サービス KuroNetくずし字認識サービス KuroNetくずし字認識サービスは、IIIF (International Image Interoperability Framework)に準拠した画像を対象に、RURIを利用した多文字くずし字OCR機能を提供します。無料サービスですが、ログインが必要です。具体的な利用方法につきましては、リンク先をご覧下さい。 KuroNetくずし字認識ビューア KuroNetくずし字認識ビューア KuroNetくずし字認識ビューアは、KuroNetくずし字認識サービスを利用するための入口となります。ビューアにIIIF (International Image

はじめに Deep Learningを使った距離学習（Metric Learning）では、Contrastive LossやTriplet Lossなどを用いて、画像間の類似性（や非類似性）を直接学習していく方法が広く利用されていますが、学習データの組み合わせや選び方が難しく、学習自体が難航するケースが多い事も知られています。それだけに、これまで様々な改良と工夫が提案されています。 しかし、最近はこのような学習データ選びに難航することなく、一般的なクラス分類タスクの感覚で、Softmax関数をベースに学習できるMetric Learningが注目を浴びています。ArcFaceなどはその代表的手法でこちらで詳しく説明されています。 Softmax関数をベースにしたMetric Learningがうまくいく理由、またさらなる改良の余地はあるのか？これらに関して少し紹介しようと思います。 Ce

日本で仕事をしながらオンラインでコンピュータサイエンスの修士号を取得できる、ジョージア工科大学大学院について紹介します なお、学費等の計算には為替レイトとして、１ドル＝105円を使用しました 公式サイトはこちら ジョージア工科大学大学院　コンピュータ・サイエンス Georgia Tech’s online Master of Science in Computer Science (OMS CS) とは ジョージア工科大学はジョージア州の州立大学で、米国工科大学の超名門校 米国工科大学の御三家とされ、マサチューセッツ工科大学、カリフォルニア工科大学と肩を並べる。卒業生には、合衆国第39代大統領のジミー・カーター氏や、ispaceの袴田 武史さんがいます ジョージア工科大学大学院　オンライン・コンピュータ・サイエンス（以下、OMSCS）は、2013年に開始されたオンラインの大学院 コロナ禍で

本記事は，自然言語処理 Advent Calendar 2019 - Qiita です． はじめに 本記事ではトピックモデルと呼ばれるモデル・分野の中で最も有名なLatent Dirchlet Allocation, 通称LDA*1 とその周りのトピックモデルに関して,どんな資料があるのか？,どういった研究があるのか? といったことに主眼をおいてトピックモデルの研究とかを昔していた私の独断と偏見によるリストアップを行いました. 私の頭は2017年くらいで止まっているので、間違っている点があったり、今の主流とは異なる可能性もありますが、 暖かくご指摘いただけると助かります. Latent Dirchlet Allocation[Blei+,03]を始めとするトピックモデルを学ぶに当たって 何が参考になるのか どういった研究があるのか？ 実際にどうやって使うのか？(まだ出来てないよ・・・) と

はじめに いくつかのAPIを組み合わせることで、一日で自分の好きな声・キャラ・見た目でおしゃべりできるAIキャラクターを作りました。この記事を読めば同じ感じで誰でも一日で俺の嫁を作ることができるようになります。 また今回はVR環境版とスマートフォン環境版の二種類を作成しました。 これらのアプリとUnity Projectは以下のgithubで公開しています。 軽く試してみたい人は作り方の6に従って、AgentCraftでAIの会話例を作成して、それをSebastienでデバイスIDとして発行すれば試すことができます。詳しくは6および6に載せている資料をご覧ください。 https://github.com/gyokuro33/ai-agent 何を作ったか こんなのです。 スマートフォン版 俺の嫁を一日で作ってみた pic.twitter.com/c3xbmofXH8 — おろろ (@oro

過度の教育圧力に潰れたエリートの息子、酒に溺れて親に刃物を向ける男、母親を奴隷扱いし、ゴミに埋もれて生活する娘…。現代の裏側に潜む家族と社会の闇を抉り、その先に光を当てる…。様々なメディアで取り上げられた押川剛の衝撃のノンフィクションを鬼才・鈴木マサカズの力で完全漫画化！ ［月刊コミックバンチ連載作品：2017年3月～］ 原作：押川剛 / 漫画：鈴木マサカズ 原作：押川剛 1968年生まれ。福岡県北九州市出身。専修大学中退。トキワ警備（現・株式会社トキワ精神保健事務所）を創業後、“説得”による「精神障害者移送サービス」を日本で初めて創始。移送後の自立・就労支援にも携わる。ジャーナリスト・ノンフィクション作家としても活動し、ドキュメンタリーが多数、放映される。2015年『「子供を殺してください」という親たち』上梓。2017年3月『子供の死を祈る親たち』を刊行。 漫画：鈴木マサカズ 1973年

はじめに パッケージ シミュレーション1 データ モデル DALEXによる解釈 変数重要度 PDP シミュレーション2 データの作成 DALEXによる解釈 PDP ICE Plot Conditional PDP clusterd ICE Plot まとめ 参考文献 ※この記事をベースにした2020年1月25日に行われた第83回Japan.Rでの発表資料は以下になります。 speakerdeck.com ※この記事で紹介するSHAPを含んだ、機械学習の解釈手法に関する本を書きました！ 機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック 作者:森下 光之助技術評論社Amazon はじめに 本記事では、tidymodelsを用いて機械学習モデルを作成し、それをDALEXを用いて解釈する方法をまとめています。 DALEXは Collection of tools for Visual

さまざまな業種に対応するAI画像検査システム 画像解析AI（Deep Inspection）では、画像の中で特定のパターンに一致する箇所を認識し、そのパターンが基準を満たしているかどうかを判断します。 「人間では判断できるが、画像処理システムではうまく判別できない」 そのような対象に対し、Deep Learningを用いることで、ひとの感覚のような柔軟な分類を行います。

You 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.

デスク配線がスッキリ。Ankerの全部入り12 in 1モニタースタンドが突然8,250円OFFされてた #Amazonセール

with Image.open("karen.jpg") as img: img = img.resize((img.width//2, img.height//2), Image.BICUBIC) # 1/2にリサイズ（メモリ対策） original = np.asarray(img, np.float32) / 255.0 # [0, 1]のNumpy配列に 後で使うのでNumpy配列としても保持しておきましょう。 2. エッジ検出 最終的にはこの画像を0,1に変換したいのです（二値化）。これは画像の内容にもよりますが、アニメ画像の場合は軸を求める際に、塗りつぶされた領域よりも輪郭線を見てほしいので、エッジ検出を行ってみました。特徴量を抽出しているイメージです。エッジ検出の前には一度グレースケール化をします。エッジ検出はPILの場合はImageFilter.FIND_EDGESでできま

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

-2. 解説放送 こちらの記事の解説放送です。 https://www.youtube.com/watch?v=-DbQqP7iZSE -1. 私は誰？ 秋田で 群知能(おそらくメイン) 競技プログラミング(趣味) DeepLearning(来年からやりそう) を主に研究している学生のガナリヤです。 環境構築・プログラミング言語の理解を苦手としています。 随時更新していきます！ 0. はじめに 群知能という最適化分野は、海外だとメジャーですが、日本ではかなり影が薄い分野です（工学系の方が多いので数理最適化などが多いのかもしれません）。 このままだと寂しいので(もっと流行って欲しい)、今回は、群知能のメジャーなフレームワークACOについてまとめようと思います。 僕はまだまだ群知能に関しても、Pythonに関してもプログラミングに関しても技術が未熟です。 ぜひ、わからない点や、ソースコードに変

はじめに オプティムの R&D チームで Deep な画像解析をやっている奥村です。 Edge TPU は NVIDIA GPU と同じような感覚で使うことはできません。NVIDIA GPU よりもメモリの制約が強く、Edge TPU の性能を引き出したり、複数のモデルを１つの Edge TPU で同時に実行するにはいくつかのコツが必要になります。Edge TPU Compiler | Coral をベースに、意訳・追記したものをメモしました。 Edge TPU はモデルのパラメータデータをキャッシュするための 8MB 程度の SRAM を持っており、ここにモデルが乗り切らない場合、都度外部メモリから Edge TPU にデータを転送する必要があるため、性能低下を引き起します。また、複数モデルを 1 つの Edge TPU で実行する場合、同時コンパイル (Co-Compile) しないと