You (probably) don’t need ReCAPTCHA | near.blog
Google’s ReCAPTCHA is often the first tool that many webmasters reach for when confronted with the need to stop spam and automated malicious traffic from harming their services. In this post I explain several reasons why ReCAPTCHA is usually not the best solution to use for this purpose, as it is often unnecessary, inconveniences users, and subjects users to intensive tracking and fingerprinting t
Synthesizing Images of Humans in Unseen Poses[Balakrishnan+ CVPR2018] - udooom’s diary
Synthesizing Images of Humans in Unseen Poses Guha Balakrishnan, Amy Zhao, Adrian V. Dalca, Fredo Durand, John Guttag Abstranct 背景(Back ground)と人(Fore ground)を分離して、別々に生成してからくっつけると、綺麗にポーズを変えれた（Fig1）。 Method 工程を4分割(A~C)。A,C,DはUNet使ってる。 A. Source Image Segmentation 入力画像の人の画像(Fore ground)を背景(Back ground)から切り出す。この時、MaskはHead, neck, shoulders, elbows, wrists, hips, knees and anklesで別々に行う。 下図の理由から、VGG+GA
![Synthesizing Images of Humans in Unseen Poses[Balakrishnan+ CVPR2018] - udooom’s diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/47a66929fa9d6ed8f4aab6816a6ce9a07e2a3694/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fu%2Fudooom%2F20180630%2F20180630204242.png)
COCO - Common Objects in Context
info@cocodataset.org Home People Dataset Overview Explore Download External Terms of Use Tasks Detection 2020 Keypoints 2020 Panoptic 2020 DensePose 2020 Detection 2019 Keypoints 2019 Stuff 2019 Panoptic 2019 Detection 2018 Keypoints 2018 Stuff 2018 Panoptic 2018 Detection 2017 Keypoints 2017 Stuff 2017 Detection 2016 Keypoints 2016 Detection 2015 Captioning 2015 Evaluate Participate: Data Format
画像からHTMLを生成する深層学習とは？AIがwebサイト自動コーディング。 | Ledge.ai
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。
乃木坂46メンバーを動画から三次元へ復元する - Qiita
この記事はeeic （東京大学工学部電気電子・電子情報工学科）Advent Calendar 2017 その２の25日目、最終日の記事として書かれたものです。 はじめに はじめまして。 電子情報工学科所属のB4、まさや(@syinari0123)と申します。 自分は画像ベースの三次元復元(SfM,SLAM)に興味があり、未熟ながら三次元復元の知識を日々深めております。最近は卒論締め切りの日も近づき、一日中パソコンとにらめっこする日々。そのような味気ない日々を過ごしている中、心の癒やしとなるのはやはり「良い音楽」を聞くことではないでしょうか。さらにそれを歌っているのが「可愛い女の子」であればベストです。 さて突然ですが、みなさんはアイドルグループとして今一番勢いに乗っている「乃木坂46」をご存知でしょうか？テレビを見ていれば、アイドルグループの中でもトップクラスの可愛さを持つ彼女たちを見かけ
Deep Image Prior
Example results on several image restoration problems. We use deep neural networks, but we never train/pretrain them using datasets. We use them as a structured image prior. Deep convolutional networks have become a popular tool for image generation and restoration. Generally, their excellent performance is imputed to their ability to learn realistic image priors from a large number of example ima
#MakeGirlsMoe でもっと遊べるプログラムを書いた（実質百合画像生成） - ブログのとさか
MakeGirls.moe 二次元キャラを自動生成してくれるMakeGirls.moeが今話題になっています。 make.girls.moe 今までの画像生成手法と比べてもかなり綺麗な画像が出力されるので驚きました。 PFNでアルバイトしている方が作ったそうです。流石... ネットの評判（ニコニコの某動画）を見てみると、「ただパーツを組み合わせただけだろ」とか、「データベースからランダムに選んでるだけでしょ」といったコメントをしている人がいて、 いかに高度な画像生成ができているかがわかります。 技術的な詳細は公式ブログにまとまっています。 MakeGirls.moe Official Blog ここでGANとは～～みたいな話をしてもいいのですが、今回はこのWebサービスでもっと遊ぶためのプログラムを書いたので導入方法と使い方を紹介します。 このプログラムを導入すると「2つのイラストの中間の
CVPR 2017 papers on the web - Papers
To add your links (paper, project,...) you can use the online tool or send an e-mail (remove the "nospam"). This material is presented to ensure timely dissemination of scholarly and technical work. Copyright and all rights therein are retained by authors or by other copyright holders. All persons copying this information are expected to adhere to the terms and constraints invoked by each authors
Meow Generator
Alexia Jolicoeur-Martineau Data scientist, Statistician or Computer scientist (Pick one) I experimented with generating faces of cats using Generative adversarial networks (GAN). I wanted to try DCGAN, WGAN and WGAN-GP in low and higher resolutions. I used the CAT dataset (yes this is a real thing!) for my training sample. This dataset has 10k pictures of cats. I centered the images on the kitty f
Learning Discrete Representations via Information Maximizing Self Augmented Training [arXiv:1702.08720]
Learning Discrete Representations via Information Maximizing Self Augmented Training [arXiv:1702.08720] 概要 Learning Discrete Representations via Information Maximizing Self Augmented Trainingを読んだ Chainerで実装した はじめに Information Maximizing Self Augmented Training（以下IMSAT）は、Regularized Information Maximization（以下RIM）による学習と、data augmentationを用いて予測分布を滑らかにする学習の2つを同時に使ってクラスタリングを行う手法です。 MNISTを教師なしで98%分類できる
![Learning Discrete Representations via Information Maximizing Self Augmented Training [arXiv:1702.08720]](https://cdn-ak-scissors.b.st-hatena.com/image/square/a7d57690043ca98898bbd61f10300c7a127dd8d4/height=288;version=1;width=512/http%3A%2F%2Fmusyoku.github.io%2Fimages%2Fpost%2F2017-03-11%2Fmnist_train.png)
Convolutional Neural Networkとは何なのか - Qiita
機械学習の世界において、画像といえばConvolutional Neural Network(以下CNN)というのは、うどんといえば香川くらい当たり前のこととして認識されています。しかし、そのCNNとは何なのか、という解説は意外と少なかったりします。 そこで、本記事ではCNNについてその仕組みとメリットの解説を行っていきたいと思います。 なお、参考文献にも記載の通り解説の内容はStanfordのCNNの講座をベースにしています。こちらの講座はNeural NetworkからCNN、はてはTensorflowによる実装まで解説される予定なので、興味がある方はそちらもご参照ください。 CNNはその名の通り通常のNeural NetworkにConvolutionを追加したものです。ここでは、Convolution、畳み込みとは一体なんなのか、という点と、なぜそれが画像認識に有効なのかについて説
NTR Wetenschap
Presentator Petra Grijzen laat haar eigen bloed opkweken voor de wetenschap. Is dit een oplossing voor de naar schatting 10.000 Nederlanders die regelmatig een bloedtransfusie nodig hebben? Marieke von Lindern van bloedbank Sanquin onderzoekt hoe je kweekbloed maakt. Dat gebeurt met de stamcellen uit het bloed van een donor. Het kan een uitkomst zijn voor mensen met chronische bloedaandoeningen of
CNN による画像分類で使われる前処理・テスト時処理まとめ - iwiwi 備忘録
とりあえず ImageNet 系の論文で、目に入ったものから順々にまとめていきます。情報・ツッコミ歓迎。 前処理・Data Augmentation Mean Subtraction 入力画像から平均を引く。[103.939, 116.779, 123.68] を各ピクセルから引く。VGG はこれ。 Per-pixel Mean Subtraction 入力画像から平均を引く。ピクセル・チャンネルごとに計算された平均を引く。即ち、224x224x3 個の値について個別に平均を計算し用いる。AlexNet 論文から使われており、ResNet もこれ。 Random Crop 256x256 ピクセルに画像をリサイズし、そこから 224x224 のパッチをランダムに取り出す。AlexNet 論文で使われていた。ちなみに Chainer の ImageNet サンプルはこれと Horizonta
はじめてのGAN
今回はGAN（Generative Adversarial Network）を解説していきます。 GANは“Deep Learning”という本の著者でもあるIan Goodfellowが考案したモデルです。NIPS 2016でもGANのチュートリアルが行われるなど非常に注目を集めている分野で、次々に論文が出てきています。 また、QuoraのセッションでYann LeCunが、この10年の機械学習で最も面白いアイディアと述べていたりもします。 “The most interesting idea in the last 10 years in ML, in my opinion.” –Yann LeCun GANは聞いたことはあるけれどあまり追えてないという人向けに基礎から解説していきたいと思います。それでは順に見ていきましょう。 目次 基礎理論 DCGAN 実装 論文紹介 まとめ 基礎理
初心者がchainerで線画着色してみた。わりとできた。
ﾃﾞｰﾌﾟﾗｰﾆﾝｸﾞはコモディティ化していてハンダ付けの方が付加価値高いといわれるﾋﾟ-FNで主に工作担当のtai2anです。 NHKで全国放送されたAmazon Picking Challengeでガムテべったべたのハンドやロボコン感満載の滑り台とかを工作してました。 とはいえ、やっぱりちょっとディープラーニングしてみたいので1,2か月前からchainerを勉強し始めました。 せっかくなので線画の着色をしたいなーと思って色々試してみました。 線画の着色は教師あり学習なので線画と着色済みの画像のデータセットが(できれば大量に)必要です。 今回はOpenCVでカラーの画像から線画を適当に抽出しています。 抽出例 → カラーの画像を集めて線画を作ればデータセットの完成です。（今回は６０万枚くらい使っています） ネットワークの形ですが、U-netという最初の方でコンボリューションする時の層の出
KerasでDCGAN書く - Qiita
性懲りもなく前回の記事の追加実験を続けています。 DCGANを書きたくなったので書いてみたところ、どうでもいい知識が溜まったので書いておきます。 内容は主に以下になります。 KerasのTips的なの DCGANいじる過程 DCGAN自体の説明は他の記事を参照してください。私は主にこのあたりを参考にしました。 Chainerを使ってコンピュータにイラストを描かせる Chainerで顔イラストの自動生成 keras-dcgan Keras関連 Kerasのことしか書いてないので興味ない方は読み飛ばしてください。 Kerasのtrainable Keras DCGAN で検索すると一番上にkeras-dcganがでてきます。参考にしようと覗いてみると訓練中にtrainableの値を切り替えることによってGenerator学習時にDiscriminatorの重みを更新しないようにしているようです
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
GitHub - openimages/dataset: The Open Images dataset
GitHub - kaonashi-tyc/zi2zi: Learning Chinese Character style with conditional GAN
#皆さんラフと完成絵を見せてください - Twitter検索
PaintsChainer