並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 2 件 / 2件

新着順 人気順

ディープラーニングの検索結果1 - 2 件 / 2件

  • GPT解説2 アテンションの仕組み (Attention, Transformer) | Chapter6, 深層学習

    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。 日本語版Twitter https://twitter.com/3B1BJP 元チャンネル(英語) https://www.youtube.com/c/3blue1brown 元動画(英語) https://www.youtube.com/watch?v=eMlx5fFNoYc&t=795s&pp=ygUVYXR0ZW50aW9uIDNibHVlMWJyb3du 新チャンネルUfolium https://www.youtube.com/watch?v=nF7gFRebGTk&pp=ygUHdWZvbGl1bQ%3D%3D https://www.youtube.com/watch?v=wrNCjIjIzuk&p

      GPT解説2 アテンションの仕組み (Attention, Transformer) | Chapter6, 深層学習
    • YOLOv8モデルで物体検出する際の前処理・後処理を解説してみる - Qiita

      はじめに 本記事では、YOLOv8モデルを使用して推論を行う際の前処理と後処理の手順について詳しく解説します。 特に、ポーズ推定タスクにおける顔認識を例に、一般的な処理方法を紹介します。後処理のkps(キーポイント)に関する部分以外は他のタスクにも応用できます。 コードはgithubで公開しているので、チェックしてみてください。 基本的な流れ 前処理 推論 後処理 モデルの準備 ultralyticsライブラリでは、pytorch形式のモデルを様々なフォーマットにエクスポートする機能があります。 以下のコードを実行することで、モデルをエクスポートします。 from ultralytics import YOLO model = YOLO('../models/yolov8n-face.pt') model.export(format='onnx', imgsz=640, opset=12,

        YOLOv8モデルで物体検出する際の前処理・後処理を解説してみる - Qiita
      1