世界コンピュータ将棋選手権とは 林隆弘氏（以下、林）：今回「将棋AIの開発秘話を語る」ということで、座談会形式で秘話を語るということで、まずどのあたりからいきましょうか。 山口祐氏（以下、山口）：まずその「コンピュータ将棋選手権」という大会について、私から簡単に説明してから、ここにいる3人の開発者が、それぞれどういった感想を持ったのかを順番に聞いていければと思っています。 林：お願いします。 山口：はい。今回我々が参加したのは、「第31回世界コンピュータ将棋選手権」という大会でして、こちらは非常に歴史の長い大会です。将棋AI同士が対局をして最強を決めるといった、この業界では一番格式が高いというか、みなさん気合いを入れて参加する大会になっています。 毎年ゴールデンウィークの5月3日から5月5日にかけて開催されていまして、3日に一次予選、4日に二次予選、5日に決勝リーグが開催される流れになって
著者のTyler Folkman氏は、アメリカ・ロサンゼルスやイギリス・ロンドンに拠点を置くコンテンツマーケティング会社Branded Entertainment NetworkでAI技術部門のリーダーを務めています。同氏がMediumに投稿した記事「小さいデータにもとづいてディープラーニングを使う方法」では、小さいデータでディープラーニングモデルを構築するノウハウが解説されています。 同氏は、小さいデータでディープラーニングモデルを構築するノウハウとして以下のような7つの方法を提案します。 小さいデータでディープラーニングモデルを構築する7つのノウハウ データ収集
作って試そう！ ディープラーニング工作室
パープレキシティーと呼ばれる指標を用いて、どのくらいの精度で文を生成できるかを確認した後、ドロップアウトと呼ばれる手法で過学習状態を回避してみましょう。
ディープラーニングに対して多少興味はあるも一切触れたことのない自分が、今話題というだけ、ミーハー心丸出しでSonyのNeural Network Consoleに手を出してみました。 先に言っておくと、ドキュメント見た方が確実に早いです。ただの備忘録です。ドキュメント見てください。 Neural Network Console とは 公式サイトはこちら Sonyが開発したディープラーニングのためのGUIツールです。 これまでのディープラーニングはTensorflow、caffe、Chainerなどのソフトウェアライブラリでの提供がほとんどでしたが、こちらはGUIツールです。これでもう環境構築や複雑なコーディングに悩まされない...かも！？ちなみにライブラリの提供もされているそうです。 1. 開発環境 自身の開発環境は以下の通りです。 OS : Windows10 Home 64bit CP
VOICEVOXというテキスト読み上げソフトウェアを作りました。特徴は次の３つです。1. そこそこ品質が良い2. 無料で使える3. イントネーションの細かい調整ができるぜひ使ってみてください！----------------------------------------・VOICEVOXホームページ（ダウンロードもこちら）https://voicevox.hiroshiba.jp/・VOICEVOX (GitHub)https://github.com/Hiroshiba/voicevox・ツイッターhttps://twitter.com/hiho_karuta・イラスト浅井麻 @asaiasa0・謝辞無料で配布できるのは東北ずん子チームのご厚意のおかげです。本当にありがとうございます。東北イタコ音声合成データベース制作プロジェクト https://greenfunding.jp/pub
ウマ娘はレース場で「馬」となる？（darknet・ディープラーニング） - えいあーるれいの技術日記
きっかけはちょっと余計な疑問でした。 デビットカードをようやく作ったことでサブスクやネット注文が容易にできるようになり動画をサブスクし始めたのが一ヶ月前。 いろいろ探して番組を視聴しているうちに年齢や性別の関係からかオススメに「ウマ娘」がでてきて視聴し始めたのがこの作品を知るきっかけになりました。 ゲームベースのアニメで好きなものと言ったら、ポケモンとかイナズマイレブン（無印）くらいで、実は今年の秋まで1期12話のアニメをほとんど見ていませんでした。 「ウマ娘」。名前は耳にしたことあるけど馬って言われても分からんしな〜〜。でもなんか人気らしいしな〜〜と思いつつ1期を見たらとても良かった。 個性豊かな可愛らしいキャラクターたちがレース場を爆走するというギャップ、憧れの先輩を目指して（というよりも仲間）とともに練習に励みたとえ挫折しても仲間たちと協力して乗り越えていくという誰でも没入できるスト
iCAST 2020 Invited Talk: Fairness in AI Service and Awareness for Computational Social Science
日本ディープラーニング協会の松尾豊理事長が、年頭所感で2019年のAI業界を振り返り、20年の予測を語った。 「2020年は、ディープラーニングの技術とビジネスモデルがひも付いて、挑戦する人々の中から大きく成長する事業が生まれてくる」――日本ディープラーニング協会が1月6日に発表した年頭所感で、同協会の松尾豊理事長（東京大学教授）がこうコメントした。 松尾理事長によると、19年に大きく発展したディープラーニングの技術は、20年にさらに進化し、ロボット・機械への応用や言語処理のブレークスルーが進む見込みという。同協会はこの動きを後押しするため、人材育成や政策の提言などを加速させるとしている。 また、松尾理事長は年頭所感で19年を振り返り、「ディープラーニングの活用が着実に広がった年」と評した。医療の画像診断や顔認証など、さまざまな分野でディープラーニングの活用が進んだことを受け、「もはやディ
日本ディープラーニング協会、機械学習やPythonを学べる講座を無料公開 外出控える人に「学ぶきっかけを」（要約）
自宅でディープラーニングを学べる学習コンテンツが無料公開日本ディープラーニング協会が提供AIの概要やPythonの基礎などが学べる
渡辺明名人、１秒間に8000万手読むコンピュータを購入しディープラーニング系のソフトも導入（４）（松本博文） - エキスパート - Yahoo!ニュース
「AIイコール神」ではない （渡辺名人が超ハイスペックのマシンを購入。ディープラーニング系のソフトも導入され、研究の準備が整って） 松本 そうだそうだ。△３一銀のやつ、やってみてくださいよ。 （△３一銀は2020年棋聖戦第２局▲渡辺明棋聖－△藤井聡太挑戦者で藤井挑戦者が指し『AI超え』『神の手』などと評判になった一手） 杉村 あれ、よくなかったですね（苦笑） 松本 まず反省から（笑） 杉村 「AIが読みづらい手はこうやって探すんですよ」というツイートの一環としてあれを出しただけなんです。 杉村 その前に豊島－永瀬戦とかの棋譜で「これも読みづらい」みたいな話をしてたんですけど。そのツイートから「棋聖戦第２局もそうでした」みたいに書いたのがバズってしまってよくなかったです。 松本 先日、ある大御所の先生にお会いしたときに「△３一銀、全然いい手に思えないんですけど。△３二金と比較してどうなんです
ディープラーニングの学習コンテンツを無料公開 日本ディープラーニング協会が期間限定で：データサイエンティスト育成コースなど 日本ディープラーニング協会は、ディープラーニングのオンライン学習コンテンツを期間限定で無料提供する。データサイエンティスト育成コースやG検定対策に役立つ模擬試験、ディープラーニング入門講座、Python入門講座など全部で8講座。
AppleがMac向けに独自開発する「Apple Silicon」の記念すべき最初のチップとなる「M1」は、海外メディアから「コンピューティング革命」や「信じられない偉業」など絶賛レビューの数々を受け取っています。そんなにM1チップは「ディープラーニングに適しているのか？」ということを、データサイエンス関連メディアのBetter Data Scienceが検証しています。 Are The New M1 Macbooks Any Good for Deep Learning? Let's Find Out | Better Data Science https://www.betterdatascience.com/m1-deep-learning/ M1チップは8コアCPUと8コアGPU、16コアニューラルエンジンなどがひとつになったチップセットで、CPU性能やGPU性能だけでみても、前世
前々回はPyTorchの核となる部分を、前回はPyTorchの基礎部分といえる「テンソルとデータ型」の説明を行った。今回は、4層のディープニューラルネットワークを題材に、PyTorchによる基本的な実装方法と一連の流れを解説する。 全3回の大まかな流れは以下の通りである。 （1）ニューロンのモデル定義 （2）フォワードプロパゲーション（順伝播） （3）バックプロパゲーション（逆伝播）と自動微分（Autograd） （4）PyTorchの基礎： テンソルとデータ型 （5）データセットとデータローダー（DataLoader） （6）ディープニューラルネットのモデル定義 （7）学習／最適化（オプティマイザ） （8）評価／精度検証 このうち、（1）～（3）は前々回、（4）は前回で説明済みである。今回は（5）～（8）を説明する。それでは、前々回の核となる部分を簡単に振り返ったうえで、さっそく今回の説
Uberが開発、ノーコードでディープラーニングを実現するAutoML OSS「Ludwig」：AutoML OSS入門（8）（1/3 ページ） AutoML OSSを紹介する本連載第8回は「Ludwig」を紹介します。Ludwigは「データ型ベース（Datatype-based）」という思想を取り込むことでさまざまな課題に対する柔軟かつ容易な最適化を可能にしたAutoML OSSです。
近年さまざまな分野でAI（人工知能）の導入が急速に進められています。ディープラーニングによってAIは大きな飛躍を遂げ、このブームの火付け役となりました。本稿では、ディープラーニングの基本知識、AI、機械学習との違い、仕組み、学習方法から応用例まで、分かりやすく解説します。 ディープラーニングとは？ディープラーニング（Deep Learning）とは、脳の神経回路のしくみを模したニューラルネットワークを多層に重ねることで、学習能力を高めた機械学習の手法の一つです。ディープラーニングによって、データの特徴をより深く学習し、複雑な処理ができるようになりました。 日本語では深層学習と訳され、これはディープラーニングを構成する「ニューラルネットワーク」の層が多いことを「層が深い」と表現することから由来します。 ディープラーニングの誕生 出典：松尾 豊『人工知能は人間を超えるか』P61より ディープラ
AIサービスの開発現場－PoCに求められるものは？ 現在、産業や社会へのAI技術の利活用に注目が集まり、多くの企業がAIを用いた新サービスの開発に取り組んでいます。 新しいサービスを開発する際には「目的が実現できそうか」を検証するPoC（概念実証）が行われることが一般的です。PoCにおいて検証対象とする内容は目的やスコープによってさまざまですが、システム化を前提とした開発現場でのPoCでは「サービス的にどこまで実現できるか（サービス観点）」「性能的にどこまで実現できるか（技術観点）」を、プロトタイプを作成して検証・評価することになります。 PoCにおけるAIエンジニアの役割 一般的にPoCが計画・開始される時点でその検証内容は要件として定義されていますが、具体的なレベルで定義されているのは試行のライフサイクルにおける1回目までであり、2回目以降の検証内容は試行結果を見て逐次的に決めていくこ
渡辺明名人、１秒間に8000万手読むコンピュータを購入しディープラーニング系のソフトも導入（５）（松本博文） - エキスパート - Yahoo!ニュース
ソフトはなぜすぐ千日手を主張するのか？ 松本 将棋の中継を見ていると、ソフトはすぐに千日手を主張するような気がしますね。 渡辺 dlshogiはあまり千日手は言わないんですか？ 杉村 言わないです。基本的には（評価値が）１ケタぐらいになったら千日手に近づくんですけど。 渡辺 水匠はわりとすぐに千日手って言うんじゃないですか？ いままでのソフトは。 杉村 水匠はそうですね。でもdlshogiはほとんど千日手は言わないです。dlshogiの仕組みは「この局面から指し継がせるとどっちが勝つか」っていう仕組みに近い形で評価値を出すので。千日手で探索が終わるってパターンっていうのが少ないみたいですね。 松本 dlshogiは知らないんですけど、水匠はすぐに千日手が最善と言ってくるイメージがあります。 杉村 水匠が千日手ばっかりを示すのは千日手の評価値の設定を「1」にしてるからですね。人間同士の対局だ
OKIは10月3日、高速ディープラーニング推論処理の実行をエッジで可能にする耐環境性を有したAIエッジコンピュータ「AE2100」の販売を開始したことを発表した。 AIエッジコンピュータ「AE2100」の外観 同コンピュータは、「Intel Atom x7-E3950」プロセッサとAIアクセラレータ「Intel Movidius Myriad X VPU」を最大2チップ搭載でき、Intelの提供するOpenVINOツールキットやOKIのソフトウェアを活用することで、AI推論処理を可能とする。また、クラウドとの連携機能としてMicrosoft Azure IoT Edge認定を取得しており、クラウドで作成されたAIモデルのエッジへの展開・利用を容易に行うことが可能となっている。 Intel、マイクロソフトとのパートナーシップにより、AIエッジコンピューティングに最適なソリューションの提供を目
この動画は3Blue1Brownの動画を東京大学の学生有志団体が翻訳・再編集し公式ライセンスのもと公開しているものです。 チャンネル登録と高評価をよろしくお願いいたします。 このシリーズが良いと思った方はぜひ共有もよろしくお願いします！ 前回（第一回） https://youtu.be/tc8RTtwvd5U?si=15_MXStvqOZqL74O （英語版概要欄より）------------------------------------- さらに学びたい方へ、Michael Nielsenの本 http://neuralnetworksanddeeplearning.com こちらの本ではシリーズで扱われている例のコードを説明していきます： https://github.com/mnielsen/neural-networks-and-deep-learning MNIST d
東京大学松尾研究室（松尾豊教授）は5月16日、高度なディープラーニング技術者育成を目的とした、エンジニア向けオンライン教育プログラム「DL4US」の演習パートのコンテンツをWebサイトで無償公開した。個人・非商用に限って無料で利用できる。 DL4USは、2カ月間にわたる無償のオンラインプログラムで、2018年から2期にわたって開講。さまざまな業種から、のべ3800人以上の参加申し込みがあり、累計500人が受講した人気講座という。 公開した演習コンテンツは、Jupyter Notebook形式。GPUを使って実際にモデルを学習させながら技術を習得できる。コードはTensorFlowと、Numpy、Scipy、Scikit-learnなど標準的なライブラリで構成した。演習に高度な数学的知識は不要という。 研究室は「無償公開により、人工知能分野における日本の競争力を向上することに貢献することを目
『イラストで読む AI 入門』読書メモ 01 : AI ブームの歴史 (パーセプトロン, バックプロパゲーション, ディープラーニング) - Qiita
AI というネーミング AI は Artificial Intelligence (人工知能) の略で、 1956 年のダートマス会議で生まれた言葉。 アメリカの認知科学者の ミンスキー がダートマス大学で 『The Dartmouth Summer Research Project on Artificial Intelligence』（人工知能に関するダートマスの夏期研究会）という名前の学会を開催した。 ここで世界で初めて「人工知能」という言葉が使われた。 ↓「人工知能の父」と呼ばれる ミンスキー 氏 (写真は ウィキペディア『マービン・ミンスキー』 より) 『人工の知能』って、すごい名前を付けましたね！ 人工の知能。強そう。 本に戻ります。 この命名からは、機械に言語を扱えるようにさせる自分たちの研究により、機械がいずれ人間の知能に追い付くのだという意気込みが感じられると思います。
3～4ヶ月かけてA4・195ページの薄くない薄い本を書きました。タイトルは『モザイク除去から学ぶ 最先端のディープラーニング』です。TensorFlow2.0全対応です。 Inpaintingとは 画像の一部を塗りつぶしてもっともらしく画像を復元するタスク。画像全体ではなく、白く塗りつぶした部分の生成を目標とします。 画像：https://github.com/JiahuiYu/generative_inpaintingより 関連： * GLCICで無かったことにしたいアレコレ（GANを使った画像生成を Globally and Locally Consistent Image Completion で理解してみる） * 【論文読み】Image Inpainting for Irregular Holes Using Partial Convolutions ※Inpaintingという言
ディープラーニングとJetson nanoでEnd-to-Endな自動走行を実現した話〜Jetpilotを作ってみた〜 - masato-ka's diary
1. この記事について Jetson nanoを搭載した移動ロボットJetbotを作成し、前回はJetbotを使った単眼vSLAMを実行させた。 masato-ka.hatenablog.com しかしvSLAMはPC側で処理される。Jetson nanoはPCへ映像を送信するだけだ。これでは搭載されているGPUが活躍していない。せっかくなのでJetson nanoに搭載されているGPUの威力を体感したかった。 そこで今回はディープラーニング を利用して画像から直接判断して走行する、End-to-Endな自動走行にチャレンジしてみた。コースを追従するだけであれば、単純な画像認識によるライントレースと簡単なルールベースの仕組みで十分だろう。しかし、今回は前提となるルールを作るのではなくデータだけ与えて、ディープラーニングで解くのがポイントとなる。以下の画像のようにJetbotがコース上を追従
アフレルとPreferred Networks、共同開発によるプログラミング教材 「実践！Chainerとロボットで学ぶディープラーニング」を公開 - 株式会社Preferred Networks
アフレルとPreferred Networks、共同開発によるプログラミング教材 「実践！Chainerとロボットで学ぶディープラーニング」を公開 株式会社アフレル（本社：福井県福井市、代表取締役社長：小林靖英、以下「アフレル」）と株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下「PFN」）は、深層学習（ディープラーニング）技術の学習機会の提供および実務領域への活用促進を目的に、ロボットカーを動かしながら深層学習技術の基礎知識を学ぶことのできる、実践的なプログラミング教材「実践！Chainerとロボットで学ぶディープラーニング」を共同開発しました。 この教材は本日よりWEB (https://ai.afrel.co.jp/chainer.html) にて無料公開しています。 AIのビジネス活用が大きな注目を集める一
とあるきっかけで、環境音の認識（歩く音や雨の音、掃除機の音など）について、 論文を調べたので、メモとして残しておきます。 せっかくなので、精度向上の歴史を振り返る形式で、書いていきます。 データセット 精度の基準となるデータセットをご紹介します。画像の認識では、ImageNetという圧倒的な データセットがあり、性能評価で用いられます。 一方、音の認識はImageNetほど巨大ではありませんが、ESC-50というデータセットが あります。今回の基準となるESC-50の概要は以下のとおりです。 犬の鳴き声やドアのノック音など50種類、2000個の音源を収録 音源の長さは5秒間 精度評価をするときは、学習用とテスト用に分けて(5-foldなど）それぞれ評価 音の前処理 画像の前処理は、通常255で割れば良く、非常に簡単です。 一方、音の前処理は通常logmelを用います。logmelで処理する
介護求人広告サービスのマッチングにディープラーニングを導入した話 - エス・エム・エス エンジニア テックブログ
はじめに 医療・介護・ヘルスケア・シニアライフの4つの領域で高齢社会の情報インフラを構築している株式会社エス・エム・エスのAnalytics&Innovation推進部（ 以下、A&I推進部）でデータ分析基盤開発を担当している長谷川です。 A&I推進部はエス・エム・エス社内のデータを横断的に収集し、データの分析や加工から、データに基づく施策までを行う部門で、現在は介護事業者向け経営支援サービスである「カイポケ」や、介護職向け求人情報サービスである「カイゴジョブ」のデータ分析やレコメンドシステムの開発を行っています。 今回はその中で「カイゴジョブ」における介護求人の課題をディープラーニングによる分類モデルで改善した取り組みについて紹介します。 介護業界の課題 具体的な説明に入る前に、簡単に介護求人の課題感を説明します。 ご存じの通り、昨今の日本は少子高齢化が進み、介護にまつわる課題が毎日のよ
連載目次 本連載では、第1回～第3回で、ニューラルネットワークの仕組みと、TensorFlow 2.x（2.0以降）による基本的な実装コードを説明した。また、第4回～第6回で、TensorFlow 2の書き方をまとめた。 これだけの知識を理解しただけでも、さまざまなニューラルネットワークを書けるようになっているはずなのだ。そこで今後の本連載では、より実践的な内容に入り、問題種別（回帰／分類）やニューラルネットワークモデル種別（CNN／RNN／GAN／BERT）といったさまざまな活用パターン（TensorFlow 2ベース）を紹介していく。 今回は、これまでに学んだ基礎知識を総合的に活用し、最も基本的な「回帰問題」をあらためて解いてみることにしよう。 なお、回帰問題と分類問題は、機械学習／ディープラーニングの基本的な問題種別である。今回第7回では「回帰問題」を、次回第8回では「分類問題」を取
このところ、若手棋士の躍進や記録更新の話題などがメディアでたびたび紹介され、将棋が一般の人にも身近なものになってきている。その一方、AI（人工知能）を利用した将棋ソフトの進化やネット中継の普及などによって、現在、将棋界は変動のまっただ中にいる。 そして今、将棋の対局に欠かせない｢棋譜の記録｣をAIで自動化する試みが始まった。トップ棋士のひとりである羽生善治九段に将棋界の現状を、そして日本将棋連盟と共同でAI棋譜記録システムを開発したリコーの開発者には、開発の狙いを聞いた。 AIが人間に近付く一方、人間の思考もAIから影響を受けている 1985年に史上3人目の中学生プロ棋士となって以来、数々のタイトルを獲得し、さまざまな記録を塗り替えてきた羽生善治九段。2017年12月に史上初の永世七冠となり、2018年2月には国民栄誉賞を受賞。2019年6月には、歴代単独1位となる公式戦通算1434勝を達
GCPでできるだけ安くディープラーニング
私は仕事でも趣味でもディープラーニングをしています。趣味ではいつもGoogle Colaboratoryを使ってお金をかけずにディープラーニングしていたのですが、Colabは1日12時間ほどしかGPUを使えず、しかも頻繁に学習タスクを回していると弱いGPUしか利用できなくなるので、進捗があまりよくありませんでした。そこで、お金を使って進捗を出すことを考えました。 Google Cloud Platform（GCP）なら、ちょっと弱めのGPU（Tesla T4）を1時間あたり約12円で借りられます。これならまあ趣味の予算で可能だと感じたので実際にやってみたのですが、GCPは思った以上に複雑で、わかりづらい点が多くありました。そこでこのブログでは、GCPに登録するところから、１コマンドでディープラーニングできる環境を構築するまでの方法を紹介します。 手順Google Cloud Platfor
ブックマークしました ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください Twitterで共有
PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 新製品・サービス ＞ PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 AI AI記事一覧へ [新製品・サービス] PFN、ディープラーニング（深層学習）フレームワーク新版「Chainer v6」を公開、C++版も統合 2019年5月17日(金)日川 佳三（IT Leaders編集部） リスト Preferred Networks（PFN）は2019年5月16日、オープンソースのディープラーニング（深層学習）フレームワーク「Chainer（チェイナー）」と汎用配列計算ライブラリ「CuPy（クーパイ）」のメジャーアップデート版となる「v6」をリリースした。Chainer v6では、Chainer v5までのコードをほとんど変更することなくそのまま動作させられる。 Chain
ディープラーニングを学びたいと思ったとき、何から始めればいいのでしょうか。『なっとく！ディープラーニング』の著者は、学び始めるハードルは驚くほど低いと書いています。実際、本書を読み進めるには高校数学と多少のPythonの知識があれば大丈夫。しかし、大切なのはなぜティープラーニングを学ぶのかです。本書から、いまエンジニアがディープラーニングを学ぶべき理由が述べられた第1章を紹介します。 本記事は『なっとく！ディープラーニング』の「第1章：ディープラーニング入門」から抜粋したものです。掲載にあたり編集を行っています。 数学が難しいからといって気に病むことはない。私のほうがもっと苦労している。 ─アルベルト・アインシュタイン 1.1 ディープラーニングの世界へようこそ この時代に最も価値あるスキルを学ぶ このページを開いてくれてありがとう！ ディープラーニングは機械学習と人工知能が交わる刺激的な
最終更新日： 2020年1月16日 今回はコンピュータービジョン（画像認識AI）領域の研究で日本を牽引するキーパーソンの1人である、牛久祥孝氏を取材しました。 一時期「ヒントンに敗れた男」という肩書きでも話題になった牛久氏は東京大学在学時から画像認識に関する研究を行い、現在はオムロンの研究開発機関であるオムロンサイニックエックスで先端的な研究を行っています。 今回は画像認識技術に注目し、牛久氏の研究内容の紹介だけでなく、これからの画像認識業界のトレンドについて伺いました。 ヒントンに敗れた男？牛久祥孝ってだれ？ 牛久祥孝氏は東京大学 大学院情報理工学系研究科 博士課程修了の研究者（博士）です。 在学時に、ディープラーニングがブレイクするきっかけとなった有名な画像認識コンペティションであるILSVRC 2012において、東大チームのメンバーとして参加していました。 その後、NTTの研究員や東
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
ディープラーニングで自撮り画像をアニメ画像に画風変換してみました。試した理由などは、以下ブログ記事参照下さい。この記事では、具体的な実現方法を解説していきます。 ディープラーニングでアニメドラえもんの「うそつきかがみ」を再現してみた 以下のGitHubのリポジトリにあるソフトと学習済みモデルを使うと、自撮り画像をアニメ画像に画風変換することができます。 taki0112/UGATIT 学習から推論までできる素晴らしいソフトなのですが、単純に画風変換やりたい場合、ちょっと使い方が煩雑だったり、動画に対応させたかったりしたので、以下の3点を自分用に改造しました。 セットアップを簡単にした 自動的に顔周辺の画像を抜き出し 動画に対応 改造したリポジトリは以下となります。 karaage0703/UGATIT 以下使い方を説明していきます。環境は、Mac/LinuxとJetson Nanoを想定し
背景 CycleGANはあるスタイルの画像から他のスタイルに変更できます。 区別 CycleGANは非ペアのデータセットが必要。 データセット アニメ写真7000枚 アイドル写真7000枚 データセットの収集には、クローラプラスopencvターゲット検出アルゴリズムを使用して、画像を切り取ります。 code opencvターゲット検出アルゴリズム import cv2 import sys import os.path from glob import glob def detect(filename, cascade_file="haarcascade_frontalface_alt.xml"): if not os.path.isfile(cascade_file): raise RuntimeError("%s: not found" % cascade_file) cascade
ユーザーが2オクターブのUSBキーボードでメロディを入力し、ジャンル（ロック、ポップ、ジャズ、クラシック、ユーザーによるオリジナル）を選択すると、ピアノ、ギター、ベース、ドラムで構成した音楽を“作曲”できる。 キーボード本体の価格は99ドル（約1万円）で、AWS上のDeepComposerサービス（チュートリアル、サンプルコード、トレーニングデータ）へのアクセスは1時間単位で課金される。最初の12カ月はDeepComposerサービスを無料で利用できる。 DeepComposerの目的は、作曲のための学習、実験、モデルのトレーニングを通して開発者に生成AIアルゴリズムを学んでもらこと。生成AIアルゴリズムとは、コンピュータが特定の問題の根本的なパターンを学習し、その知識を使って新しいコンテンツ（音楽だけでなく、画像やテキストなど）を生成できるようにするアルゴリズム。従来の機械学習モデルと異
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
ディープラーニング系将棋ソフトはどこまでいけるのか 世界コンピュータ将棋選手権の結果から将棋AI将来性を探る
小さいデータにもとづいてディープラーニングを使う方法 | AI専門ニュースメディア AINOW
ディープラーニング未経験だけどNeuralNetworkConsole入れてみた - Qiita
【VOICEVOX】ディープラーニングの力でテキスト読み上げソフトウェアを作ってみた
日本ディープラーニング協会主催 NeurIPS 2023 技術報告会講演資料
「2020年は、ディープラーニングで成長する事業が生まれる」 東大・松尾教授
産総研、ディープラーニングで赤外線画像の色を復元する技術
ディープラーニングの学習コンテンツを無料公開 日本ディープラーニング協会が期間限定で
M1搭載Macはディープラーニングに適しているのか検証した結果
第3回 PyTorchによるディープラーニング実装手順の基本
Uberが開発、ノーコードでディープラーニングを実現するAutoML OSS「Ludwig」
ディープラーニングとは|意味・AI、機械学習との違い・仕組み・学習方法から応用例まで | Ledge.ai
ディープラーニングによる時系列データ予測モデル――精度を高める2つの方法とは？
NVIDIA GPU搭載の監視用NAS、Synology「ディープラーニング NVR DVA3219」
OKI、高速ディープラーニング推論処理が可能なAIエッジコンピュータを発売
深層学習の仕組み, 勾配降下 | Chapter 2, 深層学習（ディープラーニング）
東大松尾研、高度ディープラーニング技術者養成講座「DL4US」の演習コンテンツ無償公開
Inpaintingからディープラーニング、最新のGAN事情について学べる本を書いた - Qiita
【やじうまPC Watch】 ディープラーニング技術で古い写真の顔を動かすサービス
【まとめ】ディープラーニングによる環境音の認識 - Qiita
第7回 回帰問題をディープラーニング（基本のDNN）で解こう
羽生善治九段が語る｢AIで進化する将棋界｣。ディープラーニングで｢棋譜記録｣が変わる
『ディープラーニングさえあれば、競馬で回収率100%を超えられる - Qiita』へのコメント
なぜディープラーニングを学ぶべきなのか？ 『なっとく！ディープラーニング』より
ヒントンに敗れた男、牛久祥孝氏が語る画像認識のトレンド「ディープラーニングの次のトレンドは情報変換」 | AI専門ニュースメディア AINOW
音声認識とは | 基本知識、仕組み、ディープラーニングとの関係、活用事例 | Ledge.ai
ディープラーニングで自撮り画像をアニメ画像に画風変換する方法 - Qiita
ディープラーニングを用いて、乃木坂46 メンバーからアニメキャラクター変更 - Qiita
AWS、ディープラーニング向け自動作曲キーボード「DeepComposer」を99ドルで予約開始