コンピュータビジョン今昔物語 - 深層学習がＣＶの世界をどう変えたか - (JPTA Tech Talk講演資料) - takminの書きっぱなし備忘録 @はてなブログ
今回、ＣＶ勉強会に何度か参加＆発表していただいたJin Yamanakaさんにお誘いいただき、JTPA (Japan Technology Professional Association)というところで、「コンピュータビジョン今昔物語 -深層学習がCVの世界をどう変えたか-」という大上段なタイトルで講演させていただきました。 www.meetup.com このJTPAのTech Talkでは、機械学習/深層学習の勉強会を開催してきたそうなのですが、私自身「これ」という深層学習の専門があるわけではないので、コンピュータビジョン全体の基礎的な技術の変遷を、深層学習と絡めて広く浅く網羅した話をさせていただきました。 ちなみにここで紹介した深層学習の技術は、「既存の技術を置き換えるために、深層学習は何をクリアしなくてはならないか？」という視点で、紹介するのが適当と思ったものを選んだつもりです。
YOLOv3を20mWで実行するエッジAIチップ「Ergo」
シリコンバレーの新興企業Perceiveが、ニューラルネットワーク計算を再発明し、エッジAIチップ「Ergo」を開発したと発表した。既にサンプル出荷を開始しているという。 55TOP/Wの高い電力効率 シリコンバレーの新興企業Perceiveが、ニューラルネットワーク計算を再発明し、エッジAI（人工知能）チップ「Ergo」を開発したと発表した。既にサンプル出荷を開始しているという。他社の既存品とは異なり、大規模な乗算累算ユニットは使用していない。同社によれば、4TOPS相当の演算性能で動作し、電力効率は55TOPS/Wと高く、データセンタークラスの推論を約20mWで実現するという（YOLOv3の推論で30fps［フレーム/秒］）。 米国カリフォルニア州サンノゼに拠点を置くPerceiveは、オーディオやイメージング、半導体技術などを手掛ける米Xperiから2018年にスピンアウトして設立さ
2019年CEATECでPFNは何を出展していたのか お片づけロボットだけではない実力は - ロボスタ ロボスタ - ロボット情報WEBマガジン
2019年のCEATECが終了した。本誌でも既報のとおり、ANAホールディングスによるテレプレゼンスロボット活用「アバター」構想を目玉として、日立とソニーによるaiboとminimaru連携など、初お披露目を含む多数のロボットが出展されていた。 さて、昨年（2018年）のCEATECを覚えているだろうか。2018年のCEATECで最も話題を呼んだのは、注目のスタートアップ、株式会社Preferred Networks（プリファードネットワークス、以下 PFN）による「家庭用全自動お片づけロボット」だった。ハードウェアはトヨタ自動車の生活支援ロボットHSRを使い、PFN独自のソフトウェアで自動片付けを成功させ、CEATECではインダストリ／マーケット部門 準グランプリを受賞した。 ■動画 では今年、PFNは何を出展していたのか。2019年は、国内外のスタートアップ企業および海外諸機関のパビリ
現在のロボットと将来の可能性 日本ロボット学会セミナー「ロボット工学の未解決問題」レポート - ロボスタ ロボスタ - ロボット情報WEBマガジン
東京大学大学院 工学系研究科教授の松尾豊氏は「深層学習とロボット工学の融合の可能性」と題して講演した。松尾氏ははじめに「AlphaZero」などの事例を紹介。「AlphaZero」は、将棋の序盤で王将を中段に動かすなど、今までの理論の枠組みとは違う戦略を取る。これは人間の思考の癖にとらわれない良い戦略を機械学習技術が見出し得ることを示しているという。また、アミノ酸配列からタンパク質の三次元構造を推定することができる「AlphaFold」のような応用も出てきている。 ディープラーニング革命によって、認識から身体性や運動の習熟を経て、言語の意味理解へと進むというのが松尾氏の考える機械学習の発展だ。アプリケーションとしては防犯や自動運転を経て、家事や介護、そして本当の意味での言語処理を経て翻訳やホワイトカラー支援へと進むという予測を2014年に出しており、いまのところ、だいたい予想どおりだという
Google最新技術「BERT」と「東ロボ」との比較から見えてくるAIの課題 « ハーバー・ビジネス・オンライン
ここ数年のコンピューターを使った自然言語処理の進歩には目を見張るものがあります。 その原動力となっているのが、今のAIブームを支えているディープラーニングという機械学習の手法です。この手法を取り入れたGoogle翻訳が作る翻訳文は、正確かつとても自然で「そのまま使える」レベルに到達しています。ほんの数年前まで、翻訳ソフトはヘンテコな翻訳をするというのが当たり前だったことを思うと隔世の感があります。 そのGoogleのAIチームが先日発表した、ディープラーニングを使った自然言語処理の最新モデルがBERT[*1]です。多様なベンチマークで従来の記録を上回る結果を叩き出して、大きな注目を浴びています。 この結果に驚いた人が多いのでしょうか、最近BERTについてよく質問を受けます。BERTそのものについての質問に加えて多いのが、「ロボットは東大に入れるか」というプロジェクトにおいて研究・開発が進め
AutoML Vision と RasPi でリビングのいろいろな音を認識する
Cloud AutoML Vision は、画像とその分類ラベルをクラウドにアップロードするだけで画像認識の機械学習モデルを作成できるサービス。ラーメン二郎のどんぶり画像から 95% 精度で店舗を当てたりできる高性能だけど、機械学習のディープな知識や経験がなくても使える。 で、これでまず試してみたかったのが、音の認識だ。画像じゃなくて音。 2 年くらい前に、画像認識用の CNN を使って音声を認識する論文が Microsoft Research から出てて、へぇーっと思った。スペクトログラムっていう、よく犯罪捜査で出てくる声紋のアレを使って音を画像にして、その模様から音の特徴を認識する。 CNN で音声認識（Microsoft Research）なるほどなあ。。つまり、世の中のどんなデータでも、捉えたい特徴を画像の特徴として表せれば、画像認識で識別できる……ってことだ。 そして、AutoM
【初心者向け】機械学習とは ～理研AIP副センター長が解説 | The Finance
【初心者向け】機械学習とは ～理研AIP副センター長が解説 2018/08/13 # テクノロジー 印刷用ページ AIの能力の進化が凄まじい勢いで進んでいる。囲碁や将棋の世界では人間はAIに勝てなくなり、シンギュラリティという言葉も現実味を帯び始めてきた。レントゲン画像の正確かつ高速な診断や、ロボット投資アドバイザーなど、各業界へのAIの進出もますます進んでいる。本稿では、理化学研究所 革新知能統合研究センターの上田氏が、機械学習の概要から可能性まで、わかりやすく解説する。 機械学習技術とは 人間の高度な知能を機械の上で実現しようという人工知能の試みはコンピューターが登場して以来行われてきた。1980年代、専門家の知識をプログラムで表現するエキスパートシステムが人工知能技術として有用な成果を挙げたが、予めルールを埋め込んだシステムゆえ、例外への対応が困難という点で限界があった。 この問題に
自然な音声作る「WaveNet」の衝撃 なぜ機械は人と話せるようになったのか
自然な音声作る「WaveNet」の衝撃 なぜ機械は人と話せるようになったのか：特集・音声言語インタフェース最前線（1/2 ページ） 流ちょうな日本語を発声するスマートスピーカー。「こんな音声合成ができるにはあと10年かかると思っていた」と研究者は衝撃を受けている。これを実現したWaveNetとは何か。スマートスピーカーを作る技術がどんなものかを研究者に聞く。 2017年、米Googleや米Amazonなどの「スマートスピーカー」と呼ばれるデバイスの普及が日本で始まった。例えば、「ねえGoogle、今日の予定は？」と話しかけると、カレンダーアプリに入力していた予定を流ちょうな日本語で読み上げてくれる。中に人がいるわけではない。デバイスが人の声を認識し、応答となる声を合成しているのだ。 このデバイスが音声で応答するために使用しているコアの技術は、「音声認識」と「音声合成」という2つの技術だ。音
分散深層強化学習でロボット制御 - Preferred Networks Research & Development
新入社員の松元です。はじめまして。 “分散深層強化学習”の技術デモを作成し、公開いたしました。ロボットカーが0から動作を学習していきます！ まずはこの動画を御覧ください。 以下で、動画の見どころと、使っている技術を紹介します。 動画の見どころ Car 0(○の付いている車)が右折カーブの手前で減速する様子(右画面の白いバーのところが、ブレーキのところで赤くなっている。ニューラルネットはブレーキが最も多く報酬が得られると推測していることがわかる)。速い速度ほど報酬は大きいが、カーブを曲がりきれず壁にぶつかってしまうので学習が進むとカーブ手前でのみ減速するようになる。 目の前に車がいるときは一時停止して、いなくなってから加速する。 エチオピアには本当にこのような交差点があるらしい。 ぎりぎりですれ違う2台。学習途中ではすれ違いきれずにぶつかって倒れてしまうこともある(早送りシーン中に人が写って
［速報］Google、動画になにが映っているかを自動的に判断する「Video Intelligence API」発表。Google Cloud Next'17
［速報］Google、動画になにが映っているかを自動的に判断する「Video Intelligence API」発表。Google Cloud Next'17 Googleは米サンフランシスコでイベント「Google Cloud Next'17」を開催。1日目の基調講演で、動画を分析して、いつ、なにが映っているかを判断する「Video Intelligence API」を発表しました。 動画になにが映っているかをコンピュータが自動的に判断する Googleのチーフサイエンティスト Fei-Fei Li博士によると、動画をコンピュータに理解させることはこれまで何年ものあいだ大きな課題で、実際、画像研究者にとって動画はデジタルな世界のダークマター（暗黒物質）だとされてきた、と。 そうしたなかで、Googleは機械学習による新しいAPI「Video Intelligence API」を発表しまし
【記事更新】私のブックマーク「視覚と自然言語の融合研究（Integrating Vision and Language）」 – 人工知能学会 (The Japanese Society for Artificial Intelligence)
Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「視覚と自然言語の融合研究（Integrating Vision and Language）」 牛久祥孝（東京大学） はじめに 視覚（もう少し具体的にいえば画像や動画など）を対象とした研究と、自然言語を対象とした研究は、それぞれComputer VisionおよびNatural Language Processingの領域において、お互い少しずつ影響しあいながら発展を遂げてきた。特に近年、深層学習の一種であるConvolutional Neural Network (CNN)やRecurrecnt Neural Network (RNN)といった共通の機械学習手法が台頭し、それぞれの領域への参入障壁が低くなった。結果として、視覚と自然言語を融合する研究が様々な広がりを見せつつある。（深層学習によって、はじめてこれ
SankeiBiz（サンケイビズ）：自分を磨く経済情報サイト
サービス終了のお知らせ SankeiBizは、2022年12月26日をもちましてサービスを終了させていただきました。長らくのご愛読、誠にありがとうございました。 産経デジタルがお送りする経済ニュースは「iza! 経済ニュース」でお楽しみください。 このページは5秒後に「iza!経済ニュース」（https://www.iza.ne.jp/economy/）に転送されます。 ページが切り替わらない場合は以下のボタンから「iza! 経済ニュース」へ移動をお願いします。 iza! 経済ニュースへ
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
【森山和道の「ヒトと機械の境界面」】 PFNの大規模分散深層学習専用プライベートスパコン「MN-2」潜入レポート
アルバルク東京、バスケットボールロボット「CUE3」を4月10日にお披露目 ～ほかのトヨタロボットともコラボ
グーグルの書き起こし機能「音声文字変換（Live Transcribe）」の秘密を聞く
【森山和道の「ヒトと機械の境界面」】Preferred Networks、パーソナルロボットに進出宣言 〜「お片付け」の先に見る未来 - PC Watch
Google、推論に特化したエッジ向けTPU「Edge TPU」をIoT向けに外販へ
「現実世界とデータを結びつけることがカギ」Preferred Networksが挑む、人と機械が対話できる世界 | Ledge.ai
顧客固有のビジネスに踏み込める「拡張知能」基盤としてのIBM Watsonの技術背景 ～WatsonはほかのAIとどう違うのか
TOEIC高得点者は涙目？ TOEIC900点程度の和文英訳が瞬時に行える機械翻訳エンジン登場【やじうまWatch】
