Soumettre la recherche
Mettre en ligne
チンパンジーの姿勢推定:教師データがないときの工夫
•
3 j'aime
•
1,613 vues
N
NgocGiang14
Suivre
2019_zenkei_ai_forum_#04 チンパンジーの姿勢推定:教師データがないときの工夫
Lire moins
Lire la suite
Formation
Signaler
Partager
Signaler
Partager
1 sur 40
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
3次元点群に対するレジストレーション(位置合わせ)手法について解説する。 3次元レジストレーション手法の概要の把握。 ICP程度の手法を実装できるスキルの取得。 1. レジストレーションとは:2次元のレジストレーションの例から始めて,3次元レジストレーションの基礎を学ぶ。最小二乗法,最適化,Procrustes analysis 2. ICPとその変種:基本的なアルゴリズムであるICP(Iterative Closest Point)と,その拡張を学ぶ。ICP,Softassign,EM-ICP 3.さまざまなレジストレーション手法を学ぶ.剛体レジストレーション,非剛体レジストレーション
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
Toru Tamaki
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのComputer Visionにおける躍進と 肥大化する計算資源 〜 6/10 (木) 14:00~14:30 講師:藤井 亮宏 氏(株式会社エクサウィザーズ) 概要: Vision Transformer (ViT) が2020年末に発表され、ImageNetの認識精度においてConvolutional Neural Networks (CNN) ベースのモデルをTransformerのみを使ったモデルが凌駕した。それによってTransformerがAlexNet以降画像系タスクを支配していたCNNに取って換わる可能性が高くなったが、ViTでは大量のデータと大規模な計算資源を必要とすることが障壁となっている。本チュートリアル」では、Computer vision (CV) 系のタスクでTransformerの用途とその成果、実活用の視点からCNNとTransformerの比較、今後Transformer x CVの展望、を議論する。 講師による公開場所: https://www.slideshare.net/exwzds/210610-ssiii2021-computer-vision-x-trasnformer
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
第6回全日本コンピュータビジョン勉強会(Transformer読み会)での論文紹介発表資料です.
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質(異なるドメイン)のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
2022.8.19の #robosemi での発表資料です. お気軽にご連絡ください 松尾研ロボットチームサイト:https://trail.t.u-tokyo.ac.jp/ja/ 松尾研サイト:https://weblab.t.u-tokyo.ac.jp/
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
Tatsuya Matsushima
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
cvpaper. challenge
2021年度の松尾研究室サマースクール画像認識コース第三回の姿勢推定(Human Pose Estimation)部分で用いた講義資料を公開する。 本資料は深層学習を用いたHuman Pose Estimation (HPE) の基礎的な内容を理解する助けとなる事を期待して作成し、HPEに関するタスクの種類 (2D, 3D, Single-person, Multi-person)、及びそれらに関する手法について学び、それぞれに対する利点・欠点・評価指標について説明する。
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎
Takumi Ohkuma
6/8 (水) 09:45~10:55メイン会場 講師:牛久 祥孝 氏 (オムロンサイニックエックス株式会社) 概要: 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークである。2019年頃からコンピュータビジョン分野でも急速に応用が進んでおり、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつある。本チュートリアルでは、Transformerおよびその周辺のネットワーク構造について、コンピュータビジョンへの応用を中心とした最前線を概説する。
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
Recommandé
3次元点群に対するレジストレーション(位置合わせ)手法について解説する。 3次元レジストレーション手法の概要の把握。 ICP程度の手法を実装できるスキルの取得。 1. レジストレーションとは:2次元のレジストレーションの例から始めて,3次元レジストレーションの基礎を学ぶ。最小二乗法,最適化,Procrustes analysis 2. ICPとその変種:基本的なアルゴリズムであるICP(Iterative Closest Point)と,その拡張を学ぶ。ICP,Softassign,EM-ICP 3.さまざまなレジストレーション手法を学ぶ.剛体レジストレーション,非剛体レジストレーション
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
Toru Tamaki
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのComputer Visionにおける躍進と 肥大化する計算資源 〜 6/10 (木) 14:00~14:30 講師:藤井 亮宏 氏(株式会社エクサウィザーズ) 概要: Vision Transformer (ViT) が2020年末に発表され、ImageNetの認識精度においてConvolutional Neural Networks (CNN) ベースのモデルをTransformerのみを使ったモデルが凌駕した。それによってTransformerがAlexNet以降画像系タスクを支配していたCNNに取って換わる可能性が高くなったが、ViTでは大量のデータと大規模な計算資源を必要とすることが障壁となっている。本チュートリアル」では、Computer vision (CV) 系のタスクでTransformerの用途とその成果、実活用の視点からCNNとTransformerの比較、今後Transformer x CVの展望、を議論する。 講師による公開場所: https://www.slideshare.net/exwzds/210610-ssiii2021-computer-vision-x-trasnformer
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
第6回全日本コンピュータビジョン勉強会(Transformer読み会)での論文紹介発表資料です.
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質(異なるドメイン)のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
2022.8.19の #robosemi での発表資料です. お気軽にご連絡ください 松尾研ロボットチームサイト:https://trail.t.u-tokyo.ac.jp/ja/ 松尾研サイト:https://weblab.t.u-tokyo.ac.jp/
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
Tatsuya Matsushima
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
cvpaper. challenge
2021年度の松尾研究室サマースクール画像認識コース第三回の姿勢推定(Human Pose Estimation)部分で用いた講義資料を公開する。 本資料は深層学習を用いたHuman Pose Estimation (HPE) の基礎的な内容を理解する助けとなる事を期待して作成し、HPEに関するタスクの種類 (2D, 3D, Single-person, Multi-person)、及びそれらに関する手法について学び、それぞれに対する利点・欠点・評価指標について説明する。
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎
Takumi Ohkuma
6/8 (水) 09:45~10:55メイン会場 講師:牛久 祥孝 氏 (オムロンサイニックエックス株式会社) 概要: 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークである。2019年頃からコンピュータビジョン分野でも急速に応用が進んでおり、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつある。本チュートリアルでは、Transformerおよびその周辺のネットワーク構造について、コンピュータビジョンへの応用を中心とした最前線を概説する。
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
2020/07/31 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
Deep Learning JP
公開URL:https://openaccess.thecvf.com/content/CVPR2022/papers/Roth_Towards_Total_Recall_in_Industrial_Anomaly_Detection_CVPR_2022_paper.pdf 出典:Karsten Roth, Latha Pemula, Joaquin Zepeda, Bernhard Schölkopf, Thomas Brox, Peter Gehler: Towards Total Recall in Industrial Anomaly Detection, Conference on Computer Vision and Pattern Recognition (CVPR), pp. 14318-14328 (2022) 概要:本論文では位置情報を考慮した特徴量の集合和であるメモリバンクとCoresetによる画像パッチ特徴量の削減を行うPatchCoreアルゴリズムを提案する.結果として、異常検出のベンチマークであるMVTecにおいてAUROC99%以上の精度を出力し,2022年時点でのSoTAを記録した.また,PatchCoreによる特徴量削減により,学習のサンプル数を20%に減らした場合でも以前のSoTAに匹敵する精度となった.
Towards Total Recall in Industrial Anomaly Detection
Towards Total Recall in Industrial Anomaly Detection
harmonylab
2023/4/7 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
Deep Learning JP
Ver. 2を公開しました: https://speakerdeck.com/nnchiba/point-cloud-deep-learning-survey-ver-2 PointNet前後~ECCV2018の点群深層学習関連の論文についてまとめました. 間違いなどあればご指摘頂けるとありがたいです.
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
2020/11/27 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
SfM Learner系の深度推定手法のまとめ 手法解説と派生モデルの紹介
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
Ryutaro Yamauchi
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議30+本投稿」することです。 http://xpaperchallenge.org/cv/
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
Lucas kanade法について紹介
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
論文「Deep Clustering for Unsupervised Learning of Visual Features」について輪読した際の資料です。
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
ARISE analytics
動作認識の最前線:手法,タスク,データセット 精密工学会 画像応用技術専門委員会, 2022年度第4回定例研究, 2022/11/18
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
2018/12/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
Deep Learning JP
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
関西CVPRML勉強会2018の発表資料です。内容はCVPR2018の論文読み回となります。解説論文『Unsupervised Featurelearning Via Non-Parametric Instance-Level Discrimination』 【キーワード】 ・Unsupervised Learning ・Feature Learning ・Non-Parametric Learning ・Self-Supervised Learning
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
Yamato OKAMOTO
ほげほげ
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
Hirotaka Matsumoto
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
分散学習についてから始まり、データパラレルとモデルパラレルの説明、Chainerでの両者の実装についてのスライドとなっております。
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
第7回全日本コンピュータビジョン勉強会「CVPR2021読み会」(前編)の発表資料です https://kantocv.connpass.com/event/216701/ You Only Look One-level Featureの解説と、YOLO系の雑談や、物体検出における関連する手法等を広く説明しています
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
PFN執行役員 ロボットソリューションズ担当VPの海野裕也が、2021年7月6日の東京大学大学院 情報理工学系研究科 戦略ソフトウェア特論(稲葉真理先生)にオンライン登壇し、「ロボットで世界を計算可能にするー計算機の中の世界と、現実世界のすりあわせ」と題して、PFNのロボット関連技術や自然言語処理技術についてお話しさせていただきました。 講義動画はこちらです https://youtu.be/73W_rJLlfw8
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
Preferred Networks
a
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
日本や世界の海で何十年にわたり活躍しているオーダーメイドの大型クレーンたち。丈夫で使いやすい"ものづくり"の設計や製造現場に隠された工夫とは…!? 大学で学んだ知識と好奇心を活かし体験・観察! 世界で末永く活躍する新しいクレーンを提案しよう!
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
Kochi Eng Camp
Contenu connexe
Tendances
2020/07/31 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
Deep Learning JP
公開URL:https://openaccess.thecvf.com/content/CVPR2022/papers/Roth_Towards_Total_Recall_in_Industrial_Anomaly_Detection_CVPR_2022_paper.pdf 出典:Karsten Roth, Latha Pemula, Joaquin Zepeda, Bernhard Schölkopf, Thomas Brox, Peter Gehler: Towards Total Recall in Industrial Anomaly Detection, Conference on Computer Vision and Pattern Recognition (CVPR), pp. 14318-14328 (2022) 概要:本論文では位置情報を考慮した特徴量の集合和であるメモリバンクとCoresetによる画像パッチ特徴量の削減を行うPatchCoreアルゴリズムを提案する.結果として、異常検出のベンチマークであるMVTecにおいてAUROC99%以上の精度を出力し,2022年時点でのSoTAを記録した.また,PatchCoreによる特徴量削減により,学習のサンプル数を20%に減らした場合でも以前のSoTAに匹敵する精度となった.
Towards Total Recall in Industrial Anomaly Detection
Towards Total Recall in Industrial Anomaly Detection
harmonylab
2023/4/7 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
Deep Learning JP
Ver. 2を公開しました: https://speakerdeck.com/nnchiba/point-cloud-deep-learning-survey-ver-2 PointNet前後~ECCV2018の点群深層学習関連の論文についてまとめました. 間違いなどあればご指摘頂けるとありがたいです.
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
2020/11/27 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
SfM Learner系の深度推定手法のまとめ 手法解説と派生モデルの紹介
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
Ryutaro Yamauchi
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議30+本投稿」することです。 http://xpaperchallenge.org/cv/
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
Lucas kanade法について紹介
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
論文「Deep Clustering for Unsupervised Learning of Visual Features」について輪読した際の資料です。
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
ARISE analytics
動作認識の最前線:手法,タスク,データセット 精密工学会 画像応用技術専門委員会, 2022年度第4回定例研究, 2022/11/18
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
2018/12/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
Deep Learning JP
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
関西CVPRML勉強会2018の発表資料です。内容はCVPR2018の論文読み回となります。解説論文『Unsupervised Featurelearning Via Non-Parametric Instance-Level Discrimination』 【キーワード】 ・Unsupervised Learning ・Feature Learning ・Non-Parametric Learning ・Self-Supervised Learning
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
Yamato OKAMOTO
ほげほげ
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
Hirotaka Matsumoto
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
分散学習についてから始まり、データパラレルとモデルパラレルの説明、Chainerでの両者の実装についてのスライドとなっております。
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
第7回全日本コンピュータビジョン勉強会「CVPR2021読み会」(前編)の発表資料です https://kantocv.connpass.com/event/216701/ You Only Look One-level Featureの解説と、YOLO系の雑談や、物体検出における関連する手法等を広く説明しています
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
PFN執行役員 ロボットソリューションズ担当VPの海野裕也が、2021年7月6日の東京大学大学院 情報理工学系研究科 戦略ソフトウェア特論(稲葉真理先生)にオンライン登壇し、「ロボットで世界を計算可能にするー計算機の中の世界と、現実世界のすりあわせ」と題して、PFNのロボット関連技術や自然言語処理技術についてお話しさせていただきました。 講義動画はこちらです https://youtu.be/73W_rJLlfw8
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
Preferred Networks
Tendances
(20)
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
[DL輪読会]Whole-Body Human Pose Estimation in the Wild
Towards Total Recall in Industrial Anomaly Detection
Towards Total Recall in Industrial Anomaly Detection
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
backbone としての timm 入門
backbone としての timm 入門
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
Lucas kanade法について
Lucas kanade法について
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Data-Centric AIの紹介
Data-Centric AIの紹介
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
東大大学院 戦略ソフトウェア特論2021「ロボットで世界を計算可能にする」海野裕也
Dernier
a
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
日本や世界の海で何十年にわたり活躍しているオーダーメイドの大型クレーンたち。丈夫で使いやすい"ものづくり"の設計や製造現場に隠された工夫とは…!? 大学で学んだ知識と好奇心を活かし体験・観察! 世界で末永く活躍する新しいクレーンを提案しよう!
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
Kochi Eng Camp
ものづくり産業では材料加工の一つである工作機械NCフライス盤が無くてはならない存在です。世界情勢の移りゆく中で市場が求める商品の変化に合わせ、新たな工作機械の提案が必要です。工作機械を学び、操作することで未来の機械を創造してみよう!
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
Kochi Eng Camp
test
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
2024年度受験者に向けた大学院説明会資料です。2024/5 ●東京工業大学 建築学系大学院入試関連情報 https://sites.google.com/view/titecharchexam ● 東京工業大学 環境・社会理工学院 建築学系 https://educ.titech.ac.jp/arch/ ● 東京工業大学 環境・社会理工学院|東工大について https://www.titech.ac.jp/about/organization/schools/organization06
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
2024年度受験者に向けた大学院説明会資料(機械系の各コースの説明資料)です。 ・機械系 大学院説明会|大学院で学びたい方|東京工業大学 https://www.titech.ac.jp/0/prospective-students/open-campus/briefing/department-mech ・工学院 機械系(系詳細ページ) http://www.mech.e.titech.ac.jp/jp/admission/index.html
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
Tokyo Institute of Technology
お茶の水女子大学で開催された全学FD/SD「授業・研究における生成系AIの活用事例」における講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
Dernier
(8)
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
チンパンジーの姿勢推定:教師データがないときの工夫
1.
チンパンジーの姿勢推 定:教師データがない ときの工夫 全景株式会社 NGUYEN NGOC
GIANG
2.
自己紹介 名前: グエン ゴク
ジャン ( Nguyen Ngoc Giang ) 国籍: ベトナム 2013年6月 - ハノイ工科大学 卒業 2013年10月 - 日本へ来て、 金沢大学 バイオインフォマティクス研究室 - 研究生 2014年4月~2016年3月 - 金沢大学 博士前期課程 2016年4月~2019年3月 - 金沢大学 博士後期課程 2019年4月~ - 全景株式会社
3.
チンパンジーの姿勢推定したい けど、 教師データがない
4.
姿勢推定 姿 勢 推 定 モ デ ル
5.
OpenPoseモデル 2017年 - OpenPose:人間姿勢推定モデル https://github.com/CMU-Perceptual-Computing-Lab/openpose
6.
OpenPoseをチンパンジーに適用 どうしてチンパンジー? 人に似ている
7.
OpenPoseをチンパンジーに適用 OpenPose
8.
OpenPoseをチンパンジーに適用 OpenPose
9.
OpenPoseをチンパンジーに適用 OpenPose
10.
OpenPoseをチンパンジーに適用 OpenPose
11.
OpenPoseをチンパンジーに適用 OpenPose
12.
OpenPoseをチンパンジーに適用 OpenPose
13.
OpenPoseをチンパンジーに適用 OpenPose
14.
OpenPoseをチンパンジーに適用 OpenPose
15.
OpenPoseをチンパンジーに適用 OpenPose
16.
転移学習手法 元ドメイン データ モデル 目標ドメイン データ モデル (1)訓練 (2)訓練済みモデル (3)再訓練 4万の人間姿勢例 数千のチンパンジー姿勢例 OpenPose OpenPose
17.
チンパンジーの姿勢データ作成 インターネット ツール Python: icrawler.GoogleImageCrawler キーワード: chimpanzee 結果: ~400
写真 姿勢をアノテーションする 右目 左目 左耳 左肘 左手首 左肩 左膝 左手首 右足首 右手首 右肘
18.
OpenPoseモデルの構造 特徴抽出部分 姿勢推定部分 姿勢情報利用なし 姿勢情報利用する
19.
畳み込み
20.
特徴抽出の畳み込み -1 -1 -1 2
2 2 -1 -1 -1 -1 2 -1 -1 2 -1 -1 2 -1
21.
特徴抽出の畳み込み -1 -1 2 -1
2 -1 2 -1 -1 -1 -1 -1 -1 8 -1 -1 -1 -1
22.
OpenPoseモデル 人間の特徴
23.
OpenPoseモデル 人間の特徴 出ない
24.
OpenPoseモデル 人間の特徴 出ない これも人間ですよ! 似ている
25.
実現 学習済みOpenPoseモデルの特徴抽出部分を取り出す
26.
実現:ステップ1 特徴抽出部分の最後に全結合層をつける 全結合層 人がいる 人がいない 凍結(ウェイトを変更しない) 訓練
27.
実現:ステップ1のデータ 人がいない人がいる
28.
実現:ステップ2 人がいない人がいる
29.
実現:ステップ2 特徴抽出部分を再訓練する 再訓練 凍結 全結合層 人がいる 人がいない
30.
最後ステップ 再訓練した特徴抽出部分を元のOpenPoseモデルに戻す
31.
結果 前 後
32.
結果 前 後
33.
結果 前 後
34.
結果 前 後
35.
結果 前 後
36.
結果 前 後
37.
結果 前 後
38.
結果 前 後
39.
まとめ ディープラーニングモデルは大量の正しい訓練データがな いなら素晴らしい結果が出ない ほんとです! 訓練データがなくても、トリックを利用し、OpenPoseモデル の特徴抽出部分を再訓練して、面白い結果が出ました。
40.
ご清聴ありがとうございました!
Télécharger maintenant