日本のプラ包装文化、レジ袋有料化で終焉の兆し？
東京（ＣＮＮ） １本のバナナ。ゆで卵。チョコチップクッキー。日本全国のコンビニエンスストアで目にするこれらの商品には共通点がある。どれも決まって、きっちりとプラスチック包装を施したうえで売られているのだ。 そうするのが当たり前になってから、数十年が経つ。 店舗側としては、商品がプラスチック包装されていないとサプライチェーンにおける食品の安全性基準を保証するのが難しくなるのではないかという懸念がある。コンビニ全国チェーンのローソンの広報担当者はそう説明する。 ただ日本がプラスチックに深く依存している事例は、商品の個包装にとどまらない。 全世界で年間５４００億枚使用されるプラスチック製買い物袋（レジ袋）のうち、約３００億枚は日本の消費者が使っている。日本の人口は英国の２倍だが、レジ袋を使う量は１７倍に上る。米国については、両国をはるかにしのぐ１０００億枚を毎年使用していると推計される。 ２０１
文字認識はCNNで終わるのか？
電子情報通信学会「パターン認識・メディア理解研究会」（2016年2月14日＠九州工業大学，福岡県飯塚市)でのプレゼン資料です． 対応する原稿は以下です． 電子情報通信学会技術研究報告, PRMU2015-133 http://www.ieice.org/ken/paper/20160221UbGo/ 以下はアブストラクトです．=========================== 印刷数字，手書き数字，多フォント数字を対象として，畳み込みニューラルネッ トワーク(CNN) による認識実験を試みた．いずれのタスクにも大規模な データセットを用いた．得られた認識率は，印刷数字について99.99%，手書き数字について99.89%，そして多フォント数字について96.4%であった． さらに印刷数字と手書き数字の混合認識という，予想される困難性からか従来あまり試みられなかった課題についても，CNNの利
画風を変換するアルゴリズム - Preferred Networks Research & Development
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic Style”(元論文)というアルゴリズムです。生成される画像の美しさと、画像認識のタスクで予め訓練したニューラルネットをそのまま流用できるというお手軽さから、世界中で話題になっています。このアルゴリズムの仕組みなどを説明したいと思います。 概要 2枚の画像を入力します。片方を「コンテンツ画像」、もう片方を「スタイル画像」としましょう。 このプログラムは、コンテンツ画像に書かれた物体の配置をそのま
この頃クリエイティブな人工知能たちの夢 - PlayGround
コンピュータには創造的な仕事は不可能だとか言われていますが、そうは言っていられない最近のクリエイティブな人工知能たちについてまとめてみようと思います。 Deep Dream まずはGoogleが開発した悪夢生成器です。一時期話題になりましたが、やっぱりめちゃくちゃ気色悪いですね。今思えばこれがクリエイティブな人工知能のはじまりだったのかも。 これが... こうなります 気持ち悪っっ...。 なぞの生物が大量に生成されていますね... ここで実際に悪夢を見ることができます...。 ※絶対に食べ物でやらない方がいいです。 画風変換 次はその名の通り、入力した画像を好きな画風に変換する技術です。CNNを応用したアルゴリズムのようです。 ということで、こちらで公開されているコードを用いて、モネっぽい風景画を描かせてみました！ こちらが私のMacBook Airが頑張って描いたモネ風風景画です(27
Deep LearningとConvolutional Neural Network - Stimulator
- はじめに - 前回機械学習ライブラリであるCaffeの導入記事を書いた。今回はその中に入ってるDeep Learningの一種、Convolutional Neural Network(CNN:畳み込みニューラルネットワーク)の紹介。 CNNは今話題の多層ニューラルネット、Deep Learningの一種であり、画像認識等の分野に大きな成果をもたらしています。 まあCNNすごい。本当、画像認識系だと一強といった感じ。 実装経験もあるのでよしなに書いてみようという記事。 追記：2018-10-24 この記事は2014年終盤、Deep Learningに関連するネット記事も数個しかなく、各論文でもCNNに関する理解が分かれていたような時期に、大学生であった筆者が書いた記事です。概念の理解の助けになるよう残していますが、正しくない箇所も後々多く出てくるかと思います。考慮の上、お読み頂ければと
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
