ディープラーニング で音声データのノイズリダクション 〜 その① - kouohhashi's tech blog
ディープラーニングを使って音声データのノイズリダクションに挑戦してみることにしました。 ソツーで音声認識をやる上で、入力値となる音声データのノイズを事前に減らしておけると良いのではと思ったのと、単純に面白そうで勉強にもなるかなと思ったのが動機です。上手いこと動いてくれれば、上記以外でも使い道がありそうっていうのも魅力的です。 折角なので、Tensorflowを使ってend-to-endのモデルがトレーニング出来たら良いなと思っています。 1週間もあれば、成果を出せるかなと思ったのですが、舐めてました。end-to-endの音声のノイズ除去は調べてみると中々大変。また、取り組んでいる開発者が少ないせいか、説明してくれているウェブサイトもGithubのソースコードも少ないかったです。 というわけで、一気にやり切ることは断念し、3回か4回にわけてプロジェクトを進めることにしました。 作戦 調査
JDLA（日本ディープラーニング協会）は、日本各地でディープラーニングの普及に向けた活動を行なっている。そのひとつに「CDLE（Community of Deep Learning Evangelists）」がある。 CDLEは2018年に設立された、JDLA資格試験の合格者が情報交換などを活発にするコミュニティ。合格者だけが入ることができるSlackワークスペースは、合格者約1万人のうち7,000人以上が参加する大規模なコミュニティになりつつある。 この記事では、レッジのオフィスで行われたミートアップから、当日行われたLTの様子をお伝えする。CDLEメンバーがどのように社内でディープラーニングの普及に努めているかが語られた。 NECグループのITエンジニアが北海道でAIの仕事を広めようとする話最初にLTへ登壇したのは、NECソリューションイノベータ（北海道支社）のエンジニアで札幌在住の為
GitHub - makaishi2/math_dl_book_info: 書籍「最短コースでわかる ディープラーニングの数学」用サポートサイト
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.
TOYO TIRE、ゴム材料開発にディープラーニングを導入、SAS Institute製品を採用 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 事例ニュース ＞ TOYO TIRE、ゴム材料開発にディープラーニングを導入、SAS Institute製品を採用 AI AI記事一覧へ [事例ニュース] TOYO TIRE、ゴム材料開発にディープラーニングを導入、SAS Institute製品を採用 2020年5月1日(金)日川 佳三（IT Leaders編集部） リスト TOYO TIREは、ゴムの材料開発を効率化・自動化するため、ディープラーニング（深層学習）を導入した。材料が持つ特性の予測や、新材料・代替材料の探索に利用する。データ分析ソフトウェアとして「SAS Visual Data Mining and Machine Learning」と「SAS Optimization」を提供したSAS Institute Japanが2020年4月28日に発表した。 TO
コニカミノルタは、同社の成長戦略として強みである画像・映像の高速処理技術を活かした画像IoT、AI技術開発を推進している。 ディープラーニングの活用により、画像・映像の解析処理などの分野で劇的な精度向上が実現されてきたが、一方で膨大な計算が必要となるため、とくに現場にあるIoTデバイス（エッジデバイス）での活用に向けて省電力かつ高性能な専用ハードウェア（アクセラレータ）の重要性が増してきている。 このような専用ハードウェアを実現する方法のひとつに、回路構成の変更可能な集積回路である「FPGA（Field Programmable Gate Array）」を用いる方法がある。近年では、FPGAと高性能なCPUや高速I/Oなどがワンチップに集積されたFPGAが製品化され、システム全体をワンチップで構成でき、性能と柔軟性を高い電力効率で実現できる。 ディープラーニングモデルを手軽にかつ効率的にF
AI（人工知能）研究の第一人者として知られる松尾豊・東京大学大学院教授が2021年4月9日、東京ビッグサイト（東京都江東区）で行われたイベント「AI・人工知能EXPO春」で講演した。 日本のDXの特徴は 講演の背景にあるのは、最新技術でビジネスに変革をもたらす「DX（デジタルトランスフォーメーション）」の動きだ。松尾氏は現在、日本ディープラーニング協会（JDLA）の理事長を務めている。ディープラーニングとは「深層学習」とも呼ばれ、AIを活用して、より複雑な判断ができるようにする技術を指す。 ディープラーニング分野では、2012年に画像認識精度が高まり、18年には自然言語処理でも急激に発展した。松尾氏は活用事例として、施設入館者の体温測定や顔認識をあげる。これらはコロナ禍で需要が高まっている技術で、同じく医療系ではワクチン開発にも寄与していると紹介した。 日本のDXの特徴は、アナログのものを
最終更新日： 2020年8月4日 みなさん、「ディープラーニング」という言葉を聞いたことがありますか？ AIの分野について関心がある方なら一度は聞いたことがある言葉だと思います。 「聞いたことはあるけどよくわからない」という方も多いと思います。 今回は、ディープラーニングについて解説し、ディープラーニングができること・できないこと、また、ディープラーニングを活用するツールについてご紹介します。 AIの分野で耳にする「ディープラーニングとは？」 ディープラーニングとは、「深層学習」とも呼ばれる、注目を集めるAIの要素技術の1つです。 ディープラーニングでは、今までのシステム以上の精度で、画像や音声、テキストを認識することができるようになり、さまざまな分野で注目されています。 ディープラーニングは「ニューラルネットワーク」という人間の神経回路をモデルに作られたネットワークをベースにしていて大量
こんにちは。今回はGoogleの開発するディープラーニング向けライブラリ⭐️であるJAXの紹介をします。 https://github.com/google/jax ディープラーニング向けライブラリとしてはTensorflowやPyTorch、最近開発終了が宣言されたChainerなどが有名かと思います。これらは多次元配列と自動微分をサポートした計算ライブラリをコアとしていて、それにニューラルネットの実装を容易にするラッパーなどが付属しています。 GoogleといえばTensorflowが有名ですが、JAXはTensorflowとは何が違うのでしょうか。 JAXを一言で表現すると、高速なautogradです。 もう少し詳しくいうと、多次元配列の計算ライブラリであるnumpyに自動微分とJITがくっついたものです。さらに、GPUやTPUといったアクセラレーター上でも動作します。Tensorf
大澤昇平 :: AI 救国論 🇺🇳 on Twitter: "なのでこの問題の本質はヘイトスピーチじゃなくて、一部の過激派による「サイバーテロ」であることを正しく認識した方がいい。ディープラーニングが発達した今だって、企業はイタ電で撃沈する。 ご安心ください。シンギュラリティはしばらく来ませ… https://t.co/pmSKlAQRbJ"
なのでこの問題の本質はヘイトスピーチじゃなくて、一部の過激派による「サイバーテロ」であることを正しく認識した方がいい。ディープラーニングが発達した今だって、企業はイタ電で撃沈する。 ご安心ください。シンギュラリティはしばらく来ませ… https://t.co/pmSKlAQRbJ
▶AIのアルゴリズムとは？｜図を用いてわかりやすく解説！>> アルゴリズムの重要性 AIが複雑な処理や分析を行うためには、膨大な量のデータの中から特徴やパターンを見つける必要があります。 例えば、AIで代表的な画像認識・音声認識・自然言語処理といった機能も、アルゴリズムが構造化された画像・音声データ・言語の特徴やパターンを学習することで実現されています。 そのため、AIの複雑な処理や分析に必要な特徴やデータを見つけるアルゴリズムは、AIの本質と言っても過言ではなく非常に重要です。 アルゴリズムの特徴 ディープラーニングのアルゴリズムの特徴は「隠れ層」の存在にあり、この「隠れ層」が何層にも重なることで複雑な処理を実現しています。 「隠れ層」とは、人間の神経回路を模したニューラルネットワークが何層にも重なることで、層と層の間に生じた隙間のことを指しています。 ディープラーニングの日本語訳である
AI・機械学習・ディープラーニングを始めるが、Pythonプログラミングも初めての人に向けて、Pythonでデータを取り扱うための基礎知識として、「リスト」や「NumPy」「数学のテンソル」について分かりやすく紹介する連載。 全4回【完結】 （ 1時間30分） 必須条件： 知識ゼロから誰でもスタートできます。 こんな方にお勧め： 初めてディープラーニングや機械学習を学び始めるが、Pythonも初めて学ぶ方 学習内容： AIのデータ構造としてNumPyと数学計算について学べる はじめに ― 本連載の読み方 AI・機械学習・ディープラーニングを始めるが、Pythonプログラミングも初めての人に向けて、「リスト」や「NumPy」といった、AIでのデータ取り扱いの基礎を紹介する連載記事です。 Lesson 1では、「データはどう表現できるのか？」をテーマに、多次元リスト型のデータ構造に関する基礎の
長野県塩尻市と一般社団法人日本ディープラーニング協会、職員のデジタル人材育成を実施 | DXを推進するAIポータルメディア「AIsmiley」
8月2日より、長野県塩尻市は一般社団法人日本ディープラーニング協会(JDLA)の行政会員として登録し、企業や民間人材との共創による職員のデジタル人材化、育成を進めることを発表しました。 このAIニュースのポイント 2021年5月に「塩尻市デジタル・トランスフォーメーション戦略」を策定 長野県塩尻市とJDLAは連携し、塩尻市職員のデジタル人材育成を実施 DX人材育成プログラムを展開 塩尻市は、2021年5月に策定した塩尻市デジタルトランスフォーメーション戦略実現に則り、行政や地域のDXを推進すべく、企業や民間人材との共創による職員のデジタル人材化、育成を進めています。 デジタルトランスフォーメーション戦略 塩尻市では、2021年5月に「塩尻市デジタル・トランスフォーメーション戦略」を策定しました。 「行政DX」と「地域DX」の両輪で「自治体DX」を進め、デジタル技術により既存の行政サービスや
楔形文字とディープラーニング(2)
ユニグラムの表よりも随分コンパクトになりましたね。𒂊も𒉡もそれぞれ5種類の翻字表現があったわけですが、𒂊𒉡という並びではコーパス全体でもe-nu e-nu- e nu-の3つの組み合わせでしか使われていなかったことがわかります。 またe-nuのようにここで単語が区切られる場合とe-nu-のようにあとに文字が続く場合はだいたい同じ頻度ですが、nu-maとnu ma-ではだいぶ開きがあることもわかりました。この3文字をつなげた𒂊𒉡𒈠で考えると、e-nu ma-よりもe-nu-maと読むほうが確率が高そうだと予想できます。 それぞれのバイグラムのつながりを図示したものがこちらです。 こうしてみると、先頭から最後までつながるルートはずいぶん限られていることがわかります。正解のルートをオレンジの線で図示してみました。 ただ、つながりだけを考えるとe-nu ma-an-me-ešとい
「つくりながら学ぶ！PyTorchによる発展ディープラーニング」の自然言語処理の章(7,8章)をローカルPCのDocker上で動かす - Qiita
「つくりながら学ぶ！PyTorchによる発展ディープラーニング」の自然言語処理の章(7,8章)をローカルPCのDocker上で動かすDockerPyTorch はじめに 「つくりながら学ぶ！PyTorchによる発展ディープラーニング」というPyTorchの良書があります。本の内容は以下。 この本の第7,8章を動かすためのDocker環境構築です。(GPUは非対応です。) なぜDocker？ 素晴らしい本ですが、AWSインスタンスを立てて動かす方法しか書いてありません。学習を回すにはGPUが必要なのでAWSを使うといいと思いますが、著者が学習済みの重みを配布してくれていますし、コードは全て写経して、実行するのは学習以外ならば、ローカルCPUマシンで十分です。 ですが、特に第7,8章の自然言語処理は、OSのパッケージのインストールが必要ですし、Linux環境が前提の記述です。そこで、Docke
ディープラーニングおじさんの話 | ドクセル
スライド概要 ディープラーニングおじさんの代理でアップロードしました。 2019/09/07「AIchi勉強会」 #StudyAIchi での発表資料です。 https://connpass.com/event/134720/
東大松尾研が無料で公開しているディープラーニングの実践的教育プログラム「DL4US」をやってみた｜Seiya Kitazume
東大の松尾研が「DL4US」という素晴らしい教材を公開されています。Deep Learningに興味ある方はダウンロードして実行する事で、雰囲気がつかめると思います。 Google Colaboratoryを使えば、Python等セットアップ不要ですぐに始められます！ Google driveへアクセスします。「新規」を押して「その他」「 アプリを追加」を選択し、「Colaboratory」と検索します。 その後、「接続」をクリックすると、Colaboratoryを使えるようになります。 その後、こちらから松尾研のコンテンツページに飛んで、規約に同意してダウンロード。 ダウンロードしたファイルをgoogle driveにアップロードして「.ipynb」ファイルを開けば学習を始められます。 これだけ！やばいよね？これだけでDeep Learningが出来るようになる準備が整っている時代になっ
require "dnn" require "dnn/datasets/mnist" # require "numo/linalg/autoloader" # numo-linalgを入れると高速化できます。 # 名前空間のインクルード include DNN::Models include DNN::Layers include DNN::Optimizers include DNN::Losses # MNISTデータの読み込み x_train, y_train = DNN::MNIST.load_train x_test, y_test = DNN::MNIST.load_test # MNISTデータを[画像枚数, 28 * 28]の形状に変形する x_train = x_train.reshape(x_train.shape[0], 784) x_test = x_test.re
近年、マーケティング分析や介護、看護支援、工場入退室管理などに使用するための人物属性推定や動作検出といった複雑な画像解析技術への利用ニーズが高まっている。 同社によると、IoTカメラを利用した画像解析には、画像を意味のあるデータに変換する「画像解析」と、IoTカメラ内で画像を解析し、クラウドと分散して処理する「分散処理」、顧客、現場ごとにカメラの状態を管理する「個別管理」の3つの要素が不可欠だという。 Vieurekaプラットフォームはこの3要素を実現するためのプラットフォームで、IoT機器による画像解析や、クラウドからIoT機器（CPU内蔵のIoTカメラ）の管理、IoTカメラ内のアプリのアップデートができ、IoT機器とAIを組み合わせたサービスを実現するために必要なアプリ開発のためのSDK（ソフトウェア開発キット）と運用基盤を提供している。 アプリケーション開発環境を拡張 関連記事 Mi
MACのGPU（非Nvidia）で機械学習・ディープラーニングを実現する！PlaidMLを解説 | 最新の音楽テクノロジー全７０時間以上の講義をオンラインで自宅受講できる未来の音楽TECH学校
音楽制作で使用するPCといえば、いまでもMACという方多いと思います。 ではそのMACで自動作曲のために機械学習・ディープラーニングにも取り組んでみたい、、、、と考えたとしましょう。 現在ほとんどの機械学習・ディープラーニング環境（対応するフレームワーク）はNvidiaのGPUが一強独占の状態です。 が、現在MACはNvidiaのGPU（より正確にはCUDAというGPUコンピューティング用のプラットフォーム）が使用できないのです、、、 そのためMACでGPU を使用した機械学習・ディープラーニングの実践は難しい状況です。 そこでご紹介したいのが”PlaidML”です。 https://vertexai-plaidml.readthedocs-hosted.com/en/latest/# PlaidMLはOSやGPUなどの環境に対してオープンな機械学習フレームワークを目指して開発されており、
飛行船ヒンデンブルグ号は空前絶後の巨大飛行物体。その爆発炎上事故の動画も史上稀にみる壮絶さでよく知られています。この記録映画をディープラーニング技術で4K解像度・60fpsにアップルスケールした動画です。 動画はこちらから。 Hindenburg Disaster in 1937 – [60FPS – Color – 4K] – Old footage restoration with AI – YouTube まずAfter Effectsなどを使用してフィルムのノイズやキズを除去や安定化を行った後、ディープラーニング技術を用いたソフトでさらに修復、24FPSから60FPSにコマ間を補完し、さらにカラー化、4Kへのアップスケーリングを行っています。 元の動画はこちら。比べてみるといかにディティールが描き足されているのかが分かると思います。 Hindenburg Disaster: Rea
【深層学習】Deeplabv3+を用いたセマンティックセグメンテーション 〜Googleが発表した最先端のディープラーニング技術〜 - 社会人博士の深層学習ブログ
今回は、セマンティックセグメンテーションで最も性能が高い手法の1つであるDeeplabv3+を、基本的な手法であるU-Netと比較しながら紹介します。 上の図にDeeplabv3+の構造を示します。従来のモデルとしてよく使用されるU-Netと同様に、エンコーダー/デコーダー構造を備えています。エンコーダーブロックは、高レベルの特徴を抽出するたたみ込みニューラルネットワークです。 Deeplabv3 +は、特徴抽出にXceptionモジュールを使用し、元のスペクトログラムの1/16のサイズの特徴マップを出力します。 U-Netとの最大の違いは、Xceptionモジュールの後に実行されるAtrous Spatial Pyramid Pooling（ASPP）と呼ばれる異なるレートの拡張畳み込み層を持つピラミッド構造です。拡張畳み込みは、定義されたギャップを持つ入力に適用される一種の畳み込みです
4月新刊情報『ディープラーニング実践ガイド』
『ディープラーニング実践ガイド ―クラウド、モバイル、ブラウザ、エッジデバイス向けAIアプリ開発入門』 Anirudh Koul, Siddha Ganju, Meher Kasam 著、足立 昌彦、太田 満久、新村 拓也、藤原 秀平、松田 実法 監訳、牧野 聡 訳 2023年4月21日発売予定 612ページ（予定） ISBN978-4-8144-0028-7 定価4,950円（税込） 本書では、ディープラーニングの研究で受賞歴のある3人の著者が、アイデアを現実世界の人々が使用できるものに変換するプロセスをステップバイステップで丁寧に解説します。構築するのは、クラウド、モバイル、ブラウザ、エッジデバイス向けの実用的なディープラーニングアプリケーションです。一部の章ではその章で扱うトピックの専門家をゲスト執筆者に迎えてさまざまな手法を解説しているので、読者のニーズにマッチするアプリケーション
ディープラーニングを始めるための、作業環境の特長と使い分け指針：Google Colaboratory入門 機械学習やディープラーニングの作業環境にはどのようなものがあるのか。「PyCharm」「Visual Studio Code」「Jupyter Notebook」という3つの主要な作業環境の概要と特徴を説明し、その使い分け指針を示す。
AI（ディープラーニング）について、これ以上はないというくらい簡単に解説してみました。数式は一つも出てきません。
【文系向け】G検定対策はテキストkindle版がおすすめ（JDLA ディープラーニング ジェネラリスト検定） ある日twitterを見ていたら「G検定」なる資格がある事を発見しました。 ... Copyright © 2024 AI人材になる All Rights Reserved.
はじめに ライス大学とインテル社の共同開発によって、GPUのような特別なアクセラレーションハードウェアなしでディープラーニングを高速化できるSLIDEが考案されました。そのSLIDEについて解説します。 Deep Learning Breakthrough Results In A 44-Core Intel Xeon Destroying NVIDIA Tesla V100 GPU TL:DR GPUが得意とする行列演算をやるのではなく、LSHによって直接計算せず活性化したニューロンを取得することができます。 Locality Sensitive Hashing Locality Sensitive Hashing（LSH）は、大量なデータから類似度が高いデータのペアを高速に抽出してくれるアルゴリズムです。以下は参考ページです。SLIDEはこのLSHの考え方に基づいて設計されています。
ディープラーニングの社会実装を阻むものは何か？ DLLAB2周年イベントは6月8日開催 基調講演には東大・松尾豊教授ら - ロボスタ ロボスタ - ロボット情報WEBマガジン
日本マイクロソフトが主催するDLLABのイベントが今年も開催される。6月8日（土）に2周年イベントとして開催される今回のイベントは、大手町全域で深層学習の実用化を推進するDeepConの一部として行われ、基調講演やセッション、LTセッションやワークショップが実施される。 DLLABは、Deep Learning Lab（ディープラーニング・ラボ）の略。Deep Learning Labは、ディープラーニングを中心とした先端技術の持つ可能性を、実際のビジネスへ応用するべく、技術とビジネスの両面に精通したプロフェッショナルたちが集まるコミュニティだ。Microsoft AzureとChainerを主要なプラットフォーム/フレームワークとして、ニーズに合わせた最適な技術を選択し開発した事例や、最新技術動向の情報発信を行い、ディープラーニング領域のソリューション検討を具体的に進められるように講演会
【初心者向け】Pythonを使ってディープラーニングによる画像分類を体験してみよう！ - AI Academy Media
はじめに このテキスト(章)は、手っ取り早く深層学習プログラミングを体験することを目的としています。 そのため、Pythonプログラミング基本文法及び、scikit-learnやnumpyやpandas、matplotlibの基本的な使い方や、TensorFlowまたはKerasなどの深層学習フレームワークのチュートリアルの説明や専門用語等の説明は別のテキストに譲り、このテキストでは説明しておりませんのでご了承ください。 Google Colaboratoryで深層学習をはじめよう！ Googleが機械学習の教育及び研究用に提供しているGoogle Colaboratory（グーグル・コラボレイトリー）の使い方を説明し、Pythonプログラミングと機械学習プログラミングを行っていきます。 Colaboratoryを利用することで、インストール不要かつ、すぐにPython環境を整えることが可
『ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ』へのコメント
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
ニューラルネットワークの「事前学習」 ニューラルネットワークを構成する技術の１つ、「バックプロパゲーション（誤差逆伝播法）」が抱えていた課題は、ニューラルネットワークの層が多くなると「誤差に関する情報が十分に届かない」というものでした。この問題は層が増えれば増えるほど解決が難しくなります。層を増やさなければ性能を発揮しないニューラルネットワークにとっては致命的な問題でした（詳しくは前回の記事をチェック）。 しかし、「事前学習」という手法においては、層を増やす前段階の「まだ小さなニューラルネットワークの状態」で学習をさせます。層が少ない状態であればバックプロパゲーションの技術も使えますし、学習も容易です。 つまり、あらかじめ学習させておいた小さなネットワークを集めて大きなニューラルネットワークを作れば最初の時点で誤差が小さくなり、バックプロパゲーションによる修正が容易になると考えたのです。
ニューラルネットとディープラーニングの違い （司会者）：ではそろそろ質疑応答に移りたいと思います。よろしくお願いします。 井口圭一氏（以下、井口）：発表中に何件かもらっていたので、そこからいきますか？ 「ユーザーからすると、読み筋が出るのが将棋ソフトのありがたいところですが、dlshogiでもディープラーニングで読み筋は出せるのでしょうか？」 川島馨氏（以下、川島）：はい、出せます。さっき言ったモンテカルロ木探索で、数手先を読むという探索もしていて、読み筋を出すのはdlshogiでも対応しています。 井口：これもまた川島さんにかな。「従来の将棋AIとの違いというスライドで、従来でもニューラルネットを使うと書いてありましたけど、一番顕著な違いは何でしょうか？」 川島：特徴量がニューラルネットだと、今はNNUEっていう仕組みが使われていて、それは2駒の関係を入れているんですが、ディープラーニン
ディープラーニングの登場はストラテジーゲームを一変させた？ 三宅陽一郎に聞く“戦略ゲームAI”進化の歴史と未来 ゲームAI研究者・開発者の三宅陽一郎氏が、『戦略ゲームAI 解体新書 ストラテジー&シミュレーションゲームから学ぶ最先端アルゴリズム』を上梓した。 スマホゲームをはじめ、数多くのストラテジー＆シミュレーションゲームに利用されるなど、ゲーム開発において非常に重要な技術となっている戦略ゲームAI技術。国内や海外の事例や論文、研究を元に、戦略ゲームAI技術の仕組みや戦略的意思決定プロセスを紐解く同著について、三宅氏本人へのインタビューを行った。 「日本のゲームAIは海外に大幅に遅れをとっている」と過去に発言したこともある同氏が、2021年のいま思うこととは。2022年以降に出るかもしれない未来のゲームに想いを馳せながら、ゲームAIの現在地を紐解いていく。（編集部） ストラテジーゲームの
・自己教師あり学習 ・半教師あり学習 ・転移学習 ・メタ学習 ・模倣学習 ・逆強化学習 ・能動学習（Active Learning） について 「概要」、「代表的アルゴリズム名」、 「各内容を学ぶためのおすすめチュートリアル動画」を解説しています 2020年9月25日 理系ナビ DLエンジニアトレーニングプログラム Read less
AI戦略室の椎橋です。弊社で取り組んでいるディープラーニングの活用事例を紹介します。 空飛ぶホームズくん 空飛ぶホームズくんとは、平面の間取り図から3Dの部屋を生成する技術を用い（※特許取得済み）、バーチャル内見できるVRサービスです。詳細は以下のリンクに書いてあります。 lifull.com 平面の間取り図から３Dの部屋を生成する技術では主にディープラーニングを使っていて、今回はその計算処理について紹介します。 先行研究 間取り図の画像解析の先行研究では"Deep Floor Plan Recognition Using a Multi-Task Network with Room-Boundary-Guided Attention"があります。 https://openaccess.thecvf.com/content_ICCV_2019/papers/Zeng_Deep_Floor_
大容量データの音声認識(CNN)をCPU上でやった作業ログ【機械学習・ディープラーニング】 - アプリとサービスのすすめ
今回は音声認識のデータセット「ESC-50」をCNNで分類した。 特にこだわったのが、GPUでも普通にやったらOOMエラーが出るくらいの大容量のデータセットを、kerasのfit_generatorメソッドを使ってCPU上でもできるようにしたこと。 あとは音声認識は触れたことなかったので、前処理から学習するまでの作業ログ。 目次 1.音声データセット(ESC-50) 2.音声データの水増し(Augmentation) 3.水増した音声データの保存と読み込み 4.データ前処理とCPU上で学習(CNN) 1.音声データセット(ESC-50) 今回は音声データセット「ESC-50」を使う。 ESC-50の音声は環境音・自然音からなる声を含まない音。 動物の鳴き声、雨の音、人間の咳、時計のアラーム、エンジン音など50クラス。それをCNNで分類してみる。 ファイル形式は拡張子が.wavの音声。サイト
下落 55%
2019-07-192019-06-24 ディープラーニングの社会実装を阻むものは何か ─DLLAB 2019 基調講演 6月8日、東京都内にて「DLLAB 2 周年イベント ディープラーニングの社会実装を阻むものは何か？」が開催された。 ディープラーニングラボ（DLLAB）とは、Deep Learning Lab（ディープラーニング・ラボ）は、ディープラーニングを中心とした先端技術の持つ可能性を、実際のビジネスへ応用するべく、技術とビジネスの両面に精通したプロフェッショナルたちが集まるコミュニティだ。 本イベントはディープラーニングラボの設立2周年を記念して開催された。開催日は6月8日の土曜日と週末の開催であったが500名近い参加希望者が集まりブースやネットワーキングスペースも非常に盛況であった。 本記事では東京大学 教授の松尾豊氏の基調講演についてとりあげる。 松尾豊氏 基調講演 松尾
小学生向けディープラーニング体験教室でロボットカーの授業をしました。 - Preferred Networks Research & Development
こんにちは。丸山史郎です。 Preferred Networksでは2019年の6/8（土）に小学校高学年向けのディープラーニング体験教室を行いました。 体験教室の内容は大きく３つに分かれており、その中の30分くらいの時間でレゴ® マインドストーム®を使ったロボットカーの体験教室を行いました。この直前に「ものまね」算という形で小学生向けのディープラーニング（機械学習）の解説があり、ここではディープラーニングをロボットに使うとどのようなことができるのかということを実際に体験してもらうことを目的としました。 また、弊社としては小学生向けの体験教室は初めてのことでしたので、ロボットの準備やロボット体験の内容へのアドバイス、当日の運営などを株式会社アフレル様にご協力いただきました。 以下のようにカメラとカラーセンサーがついているロボットカーを用意しました。 ロボットカーはカメラのついている方向に進
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
無茶振り、圧力、部門の壁──ディープラーニングのエバンジェリストたちがぶっちゃける「AIあるある」 | Ledge.ai
ディープラーニングを高速処理するハードウェアのためのコンパイラ「NNgen」が一般公開
DXを加速させる「ディープラーニング」 AI研究の第一人者・松尾豊氏が講演
NVIDIA JetBotの製作: ディープラーニングで自律走行 Kindle版
ディープラーニングができること・できないことを紹介！苦手分野は例外処理！ | AI専門ニュースメディア AINOW
JAXで始めるディープラーニング｜ディープラーニングネイティブ
ディープラーニングの7つのアルゴリズムまとめ – 機械学習との違いを解説 | AI専門ニュースメディア AINOW
機械学習＆ディープラーニング入門（データ構造編）
PFNと鹿島開発の自律型清掃ロボット、建築現場へ。ディープラーニングで周辺環境を認識
ruby-dnnでディープラーニング - Qiita
ディープラーニングなどに活用可能なカメラ「VRK-C301」を発表 パナソニック
巨大飛行船ヒンデンブルグ号爆発事故をディープラーニングで4k60fpsに補完した動画
ディープラーニングを始めるための、作業環境の特長と使い分け指針
AI（ディープラーニング）超入門
【文系向け】G検定対策はテキストkindle版がおすすめ（JDLA ディープラーニング ジェネラリスト検定）
【論文読み】CPUでディープラーニングを高速化するSLIDEの紹介 - Qiita
オートエンコーダ（自己符号化器）とは？ ディープラーニングとの関係を図解で解説
プロ棋士がもっとディープラーニング由来ソフトを使えばいい AIの普及が将棋界を変える
ディープラーニングの登場はストラテジーゲームを一変させた？ 三宅陽一郎に聞く“戦略ゲームAI”進化の歴史と未来
最近のディープラーニングのトレンド紹介_20200925
間取り図をディープラーニングで解析して3Dモデルをつくる - LIFULL Creators Blog
2019/9/9(月)の日経平均予想 - AIディープラーニングで日経先物予想！
ディープラーニングの社会実装を阻むものは何か ─DLLAB 2019 基調講演 | IoT NEWS