タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
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
GitHub - AlturosDestinations/Alturos.Yolo: C# Yolo Darknet Wrapper (real-time object detection)
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. Dismiss alert
Jetson NanoにニューラルネットワークのフレームワークであるDarknetをインストールして、物体検出モデルのYOLOv3が動作する環境を構築しました。 YOLOv3とTiny YOLOv3による物体検出結果 下の画像は、構築した環境のYOLOv3とTiny YOLOv3を用いて、GitHub – udacity/CarND-Vehicle-Detection: Vehicle Detection Projectのテスト画像を物体検出した結果です。 環境構築 Darknet Darknetは、ニューラルネットワークのフレームワークです。詳細は、Darknet: Open Source Neural Networks in Cをご覧ください。ソースが、GitHub – pjreddie/darknet: Convolutional Neural Networksで公開されています。
【更に倍速 YOLO / Darknet】NVIDIA Jetson Nano vs Raspberry Pi with NCS2 | MIKI-IE.COM（みきいえMIKIIE）
全242回のめざましじゃんけん結果取得を通じて一番のテーマは、信頼性の向上です。 「全部の回次を正しく結果取得」 １回１回の信頼性向上・・・まだ、道半ば。誤判定をなくす、（運用コストが低く）信頼性の高いH/Wの導入。そして、H/Wの冗長化 イレギュラー開催などへの対応・・・見えていない部分もありますが、ダブルポイントなどへの対応、年末年始など、個別開催時間への対応など 信頼性を向上するうえで、システムの構成予想削減（よりシンプルに）、より高信頼なハードウェアで。 最近ホットな出来事は、USBカメラの画像が悪い時（太陽の高さなど、テレビの設置環境に依存）の画像検出率低下、さらには誤判定。 これらを回避する途中に、エッジコンピューティングでの画像検出エンジンの高速化が実現しました。 （高速化や信頼性を主テーマとすると、他の方式もありますが、あくまで気になる分野や楽しそうな技術の採用を優先させて
Chapters 📘 Chapter #0 YOLOとは 📘 Chapter #1 環境設定 📘 Chapter #2 アノテーション 📘 Chapter #3 📗 Chapter #3-1 YOLOv3 Keras版実装 📗 Chapter #3-2 YOLOv3 Darknet版 📘 Chapter #A 📗 Chapter #A-1 YOLOの各バージョンについてまとめ 📗 Chapter #A-2 YOLOv3 Keras版実装に関して関連記事のまとめ 📗 Chapter #A-3 ONNX変換・確認ライブラリ、アプリケーションまとめ TL;DR YOLOv3 Darknet版でのオリジナルデータ（独自データ）学習手順について、記載します。 重みファイル、cfgファイルはYOLOv3-tinyについての記述となっていますので、必要に応じて公式ドキュメントを参考に
はじめに 2GBが$59で販売されることが直近で話題になったJetson Nanoを使ってDarknetフレームワークのYolov4を動かしてみたいと思い、実践した記録を残しています。 使用した機材 JetsonNano Development Kit B01 4GB ACアダプター Jetson Nano ケース & ファン USBマウス USBキーボード SDカード 128GB UHS-I(最大104MB/s) V30(最低保証30MB/s) A2規格 USBカメラ 前提条件 ここでインストールする環境はJetPack4.4を使用する その他著名なライブラリは下記がプリインストールされている package version
概要 YOLOモデルを評価したかったので、Darknetをインストールした。 実施時期：2019年12月 OS: Ubuntu18.04LTS cmake: 3.10.2 CUDA: 10.2 ←cuDNNともに前にインストール済み cuDNN: 7.6.5 CC (Compute capability GTX1070): 6.1 OPENCV: 3.4.8 ←前にインストール済み インストール 試行錯誤の結果、最終的に下記のDarknetに行き着き、これをインストールする。 https://github.com/AlexeyAB/darknet Darknetは上記以外に次の２つも試したが、このAlexeyABの解説がとても丁寧でよかった。Q&Aも豊富。 YOLOオフィシャル GPUを使わないNNPACK ちなみに、NNPACKはNinjaのインストールやコンパイルが必要で、A
【深層学習】Colab・YOLOv3・darknet でYOLO形式の独自データセットを学習させる手順 – Kazuki Room ～ モノづくりブログ ～
今回はGoogleColab・YOLOv3・darknetの環境でYOLO形式の独自データセットを学習させる手順を紹介していきます。 深層学習で使用されるデータセットの形式は数種類あるようですが、今回はその中でYOLO形式のデータセットを用意して実施していきます。 独自データセットとアノテーションファイルを用意 使用したい画像を収集し、今回の独自データセットとして使用します。画像収集が完了したらアノテーションツールを使用してアノテーションファイルを作成していきます。 今回はペットボトルの画像を30枚用意して管理しやすいように「bottle_0001.jpg」のように全てリネームしておきました。 リネームは以下の記事で紹介したツールを利用します。 WordPressなどのブログの画像を用意するときにファイル名を一括変換する方法 また、今回使用する画像はリサイズして画像の大きさをそろえておきま
Marc Ruef on Twitter: "Full phone number database of #Clubhouse is up for sale on the #Darknet. It contains 3.8 billion phone numbers. The… https://t.co/EBrbL2NlDG"
Full phone number database of #Clubhouse is up for sale on the #Darknet. It contains 3.8 billion phone numbers. The… https://t.co/EBrbL2NlDG
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
Darknet YOLOv3 on Jetson Nano – AI4SIG
YOLOのオリジナルデータ学習手順 #3-2 YOLOv3 Darknet版 - Qiita
Jetson NanoでDarknetのYolov4を試してみる
Darknet Install 備忘録 - Qiita
bunshun.jp
newrelic.com
news.yahoo.co.jp
ksl-live.com
gamingindustry.hatenablog.com
popeyemagazine.jp