ヤン・ルカン - Wikipedia
ヤン・アンドレ・ルカン（Yann André LeCun[1]、1960年7月8日 - ）は、フランス出身の計算機科学者で、主に機械学習、コンピュータビジョン、移動ロボット（英語版）、計算神経科学の研究を行っている。ニューヨーク大学クーラント数理科学研究所のシルバー教授、Meta（旧Facebook社）のヴァイスプレジデント兼チーフAIサイエンティストである[2][3]。 畳み込みニューラルネットワーク(CNN)の主要な創始者の一人であり、それを用いた光学文字認識やコンピュータビジョンの研究で知られる[4][5]。また、レオン・ボトゥー（英語版）、パトリック・ハフナーらとともに画像圧縮技術DjVuを創始し、ボトゥーとともにプログラミング言語Lushを開発した。 ディープラーニングに関する研究が評価され、ヨシュア・ベンジオ、ジェフリー・ヒントンとともに2018年のチューリング賞を受賞した[6
Facebook、リアルタイムで体のポーズを検出し、人を背景から分離させる新しい機械学習フレームワーク「Mask R-CNN2Go」を発表。モバイル使用も可能
Facebook、リアルタイムで体のポーズを検出し、人を背景から分離させる新しい機械学習フレームワーク「Mask R-CNN2Go」を発表。モバイル使用も可能 2018-01-26 Facebookは、リアルタイムで体のポーズを正確に検出し、人を背景から分離させる新しい技術「Mask R-CNN2Go」を発表しました。 本技術は、ResNetに基づいたMask R-CNNフレームワークを用いており、画像内のオブジェクトを検出すると同時に、キーポイントを予測し、オブジェクトごとにセグメンテーションマスクを生成します。 また、NNPack、SNPE、MetalなどのモバイルCPUとGPUライブラリを利用することで、モバイル計算速度を大幅に向上させ、スマートフォンでの実行も可能にします。 現在は研究段階ですが、将来的にはボディマスクの作成、ジェスチャゲームの制御などの新しいアプリケーションで使用
Facebook、Deep learningベースのコンピュータビジョン物体検出アルゴリズム「Detectron」をオープンソース化。活用した研究論文も多数公開済み
Facebook、Deep learningベースのコンピュータビジョン物体検出アルゴリズム「Detectron」をオープンソース化。活用した研究論文も多数公開済み 2018-01-24 Facebook AI Research（FAIR）は、Deep learningを用いたコンピュータビジョン・オブジェクト検出アルゴリズム「Detectron」をオープンソースにて公開しました。 Detectronは、Facebookが開発したDeep learningフレームワーク「Caffe2」上に構築した物体検出を可能にするプラットフォームです。GitHubにてApache License 2.0下で提供されます。 また、FAIRでは、Detectronを活用した研究もすでに進められており、論文も多数公開されています。 [1612.03144] Feature Pyramid Networks f
Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour - Meta Research | Meta Research
Accurate, Large Minibatch SGD: Training ImageNet in 1 HourData @ Scale Deep learning thrives with large neural networks and large datasets. However, larger networks and larger datasets result in longer training times that impede research and development progress. Distributed synchronous SGD offers a potential solution to this problem by dividing SGD minibatches over a pool of parallel workers. Yet
AL: A new declarative language for detecting bugs with Infer
At Facebook, every change made to our mobile code is checked by our static analyzer Infer. Static code analyzers are tools that scan the source code of a program to detect possible bugs. The main advantage of a static analyzer is its ability to detect bugs without running the program and before the software is shipped to the users. One benefit of Infer over other static analyzers is that it perfor
AIの進化で実現したスマホARのオープン化 ：Facebook f8 2017 - Scrum Ventures | Scrum Studio
今月から始まるGAFA各社の開発者向け会議シリーズの先陣を切って、4/18-19にFacebookの開発者会議f8が開催されました。 昨年のf8では、「今後10年間の開発のロードマップ」が初めて公開されましたが、今回はその中身がより具体的になったという印象です。 これが今回のf8での10年ロードマップですが、Instagramが[Product]から[Ecosystem]に格上げになったのと、Workplaceが[Product]に追加になった程度で、去年から大きな変化はありません。 10年の視野で「Connectivity」「AI」「VR/AR」という三つの[Technology]を柱に据え、それを徐々に[Product]化をしていき、そこから花開いたものについては開発者コミュニティを巻き込みながら[Ecosystem]化していくという構成になっています。 現時点でEcosystemに位
PyTorch
Join us in Silicon Valley September 18-19 at the 2024 PyTorch Conference. Learn more. Learn Get Started Run PyTorch locally or get started quickly with one of the supported cloud platforms Tutorials Whats new in PyTorch tutorials Learn the Basics Familiarize yourself with PyTorch concepts and modules PyTorch Recipes Bite-size, ready-to-deploy PyTorch code examples Intro to PyTorch - YouTube Series
Lighting the way to deep machine learning
Open source Torchnet helps researchers and developers build rapid and reusable prototypes of learning systems in Torch. Building rapid and clean prototypes for deep machine-learning operations can now take a big step forward with Torchnet, a new software toolkit that fosters rapid and collaborative development of deep learning experiments by the Torch community. Introduced and open-sourced this we
Introducing DeepText: Facebook’s text understanding engine
Text is a prevalent form of communication on Facebook. Understanding the various ways text is used on Facebook can help us improve people's experiences with our products, whether we're surfacing more of the content that people want to see or filtering out undesirable content like spam. With this goal in mind, we built DeepText, a deep learning-based text understanding engine that can understand wi
Facebookのメッセンジャープラットフォームの本当の狙いは正しく報道されていないと（僕は）思う。｜決算が読めるようになるノート
（今回は完全に主観なので「オレ（私）は違うと思う」という方もいらっしゃるかもしれませんが、悪しからず。） さて、LINEに続き、Facebookもボットプラットフォームをリリースして、盛り上がっていますね。「F8カンファレンス：FacebookがMessengerのチャットボットのプラットフォームを発表」が詳しいので詳細はこちらをご覧ください。 がしかし、Facebookが本当に何を狙っているのか、というのが正しく報道されていない気がするので、僕の解釈を書いておこうと思います。（繰り返しますが、あくまで主観です。） メッセンジャープラットフォームにおける3つのリリース今回、f8カンファレンスで発表されたメッセンジャー関連の内容は、大きく分けて3つに分類できる。 #1 : ビジネスアカウントにもメッセンジャーを開放 #2 : メッセージを送受信するAPIを開放 #3 : メッセージを自動で送
Facebook、ディープラーニング技術をオープンソースに
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 米国時間1月16日、Facebookは人工知能に関する研究開発を促進するため、同社が推進する人工知能プロジェクト「Torch」のディープラーニング（深層学習）モジュールをオープンソース化し、企業や開発者に対して公開すると発表した。 Facebookにはオープンソースのコミュニティに貢献してきた歴史があり、過去には自身のデータセンター技術を公開したこともある。今回Facebookがオープンソース化する、Torch用に最適化されたディープラーニングモジュールや関連ツールなどの技術は、人工知能に関する各種分野の研究開発をおおいに促進する可能性がある。また、現時点でTorchを主に利用しているのは、学術機関の研究室や、Google、Twitte
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
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
Facebookにログイン
Caffe2
Facebook、45言語の自動翻訳に対応（と、その先に描かれている世界）
TechCrunch | Startup and Technology News
Facebookにログイン
Meta Research News | Meta Research