並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 18 件 / 18件

新着順 人気順

転移学習の検索結果1 - 18 件 / 18件

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。

転移学習に関するエントリは18件あります。 AI、 画像、 機械学習 などが関連タグです。 人気エントリには 『Tensorflowの転移学習サンプルを機械学習の初心者がギリ分かるところまで噛み砕いてみた | DevelopersIO』などがあります。
  • Tensorflowの転移学習サンプルを機械学習の初心者がギリ分かるところまで噛み砕いてみた | DevelopersIO

    せーのでございます。 機械学習というワードはかなり一般化され、エンジニアじゃない方なら「ああ、自動運転とかのやつでしょ」くらいに浸透しています。 特にエンジニアの方であれば「教師あり学習」「教師なし学習」「強化学習」がどういうものを指すか、というのはぼんやりイメージできるかと思います。 そんな機械学習、せっかくなので始めてみたい、とざっくり中身を見出した、、、くらいの方が今日のエントリーの読者対象となります。 今日のテーマは「転移学習」です。 転移学習のやり方を知りたい。最短で。 転移学習、というのはざっくり言うと「元々学習されているモデルを使って自分たちの使いたい方向に再学習すること」です。 機械学習をやりだすと必ず当たる壁が「データが足りない」というものです。特にディープラーニングを使って例えば画像の分類をしたい、とした場合、精度を出すには最低でも数百枚、一般的には数千枚〜数十万枚とい

      Tensorflowの転移学習サンプルを機械学習の初心者がギリ分かるところまで噛み砕いてみた | DevelopersIO
    • LEIA: 言語間転移学習でLLMを賢くする新しい方法

      Studio Ousiaと理化学研究所に所属している山田育矢です。 この記事では、大規模言語モデル(LLM)の性能を向上させる新しい方法であるLEIA(Lightweight Entity-based Inter-language Adaptation)を紹介します。 LLMは言語によって性能に顕著な差があり、訓練に使われるテキストが最も多い英語において特に性能が高い傾向があることが知られています。LEIAは、LLMが蓄えている英語の知識を他の言語から使えるようにする訓練を施すことで、英語以外の言語でのLLMの性能を向上させる新しい手法です。 この度、英語・日本語の2言語LLMであるSwallowの7Bと13Bのモデルに対してLEIAによる訓練を施して性能向上を行ったモデルを公開します。 ライセンスは、Swallowと同様のLlama 2 Community Licenseです。これらのモ

        LEIA: 言語間転移学習でLLMを賢くする新しい方法
      • 言語間転移学習で大規模言語モデルを賢くする

        NLP2024ワークショップ「生成AI時代の自然言語処理における産学官の役割と課題」での招待講演資料です。

          言語間転移学習で大規模言語モデルを賢くする
        • 松井・熊谷『転移学習』の感想 - ジョイジョイジョイ

          講談社サイエンティフィク様より『転移学習』をご恵贈いただきました。一通り読み終えたので感想を書きます。 転移学習 (機械学習プロフェッショナルシリーズ) 作者:松井 孝太,熊谷 亘講談社Amazon 全 414 ページとかなりの重厚感。しかも決して引き伸ばした跡がなく、むしろ原液のような濃さを感じる中身です。原理に基づいて本質的な事項が解説されており、しっかり読むととても力のつく一冊だと思いました。 転移学習の難しさを直視する 本書の大きな特徴は転移学習の難しさを誤魔化さずに正面から取り扱っている点です。 転移学習とは、元ドメインのデータ と目標ドメインのデータ が与えられたときに、目標ドメインでの性能が高いモデルを獲得する技術です。鍵になるのは元ドメインのデータであり、これをうまく活用することで従来の学習よりも「ラクに」良いモデルを得ることを目指します。ここでいうラクとは、必要な目標ドメ

            松井・熊谷『転移学習』の感想 - ジョイジョイジョイ
          • [ChatGPT] 冷蔵庫内の写真から「おすすめレシピ」を受け取ってみました 〜食品は、Segment Anything と 転移学習した分類モデルで検出してます〜 | DevelopersIO

            [ChatGPT] 冷蔵庫内の写真から「おすすめレシピ」を受け取ってみました 〜食品は、Segment Anything と 転移学習した分類モデルで検出してます〜 1 はじめに CX 事業本部 delivery部の平内(SIN)です。 ChatGPTを利用すると、いくつかの食品を提示して「おすすめのレシピ」を答えてもらうことができます。 そして、冷蔵庫内の写真から、それを行う方法が、The Multimodal And Modular Ai Chef: Complex Recipe Generation From Imageryで紹介されています。 https://arxiv.org/pdf/2304.02016.pdf GPT3.5では、画像入力ができませんが、画像を解釈するための物体検出モデルを前段に組み合わせることで、面白い体験ができるものだと感心します。 今回は、これを「私もやっ

              [ChatGPT] 冷蔵庫内の写真から「おすすめレシピ」を受け取ってみました 〜食品は、Segment Anything と 転移学習した分類モデルで検出してます〜 | DevelopersIO
            • AIで作った漫画に“手塚治虫らしさ”は宿るのか? 前代未聞のプロジェクト、ピンチ救った「転移学習」

              AIで作った漫画に“手塚治虫らしさ”は宿るのか? 前代未聞のプロジェクト、ピンチ救った「転移学習」(1/4 ページ) 「最初、お話をいただいたときはお断りしました。“AIが作った漫画”と呼べるものではなかったからです」――講談社の青年漫画誌「モーニング」の三浦敏宏編集長は、2月26日の「TEZUKA2020」新作漫画お披露目イベントで、こう語った。 TEZUKA2020は、“手塚治虫らしさ”を学習したAIを活用して新作漫画を制作するプロジェクト。27日発売のモーニングに制作された漫画「ぱいどん」が掲載されたが、三浦編集長の言葉からは、このプロジェクトが一筋縄ではいかなかったことが伺える。 なぜ、AIを使って手塚治虫さんが描きそうな漫画を制作しようと思ったのか。AIを使った漫画制作にはどのような苦労が伴うのか。AIと漫画家の関係はどうなっていくのか――当事者に聞いた。 「本当なら5年かかる」

                AIで作った漫画に“手塚治虫らしさ”は宿るのか? 前代未聞のプロジェクト、ピンチ救った「転移学習」
              • ゼロから始める転移学習

                言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorialRead less

                  ゼロから始める転移学習
                • 転移学習研究で汎用人工知能に挑む 特任助教熊谷さんインタビュー - 東京大学松尾・岩澤研究室(松尾研)- Matsuo Lab

                  過去に得た知識を応用する、「転移学習」の研究が進んでいます。 今回は、この領域を中心に研究を重ね、先日8月1日付で松尾研に特任助教として入職した熊谷 亘さんのインタビューをお届けします。 「転移学習とは、人間なら成長過程や日々の生活の中で当たり前に行っていること」と熊谷さん。少しずつ議論が進んでいる汎用型AIの中でも、なぜ転移学習に注目しているのか、話を聞きました。 「問題を解く」とはどういうことか?学部では、数学を学んでいました。その中で、「問題を解くとはどういうことか」と考えるようになり、「人間より頭のいいものをつくればいいのでは」と思ったのが、人工知能に興味を持ったきっかけです。数学に限らずですが、人間より頭のいい人工知能をつくれれば、世の中の問題を全部解けるんじゃないか、と。 当時はそのための手法もよくわからなかったので、ひとまず基礎的な方向へ進もうと、修士でも数学を専攻しました。

                    転移学習研究で汎用人工知能に挑む 特任助教熊谷さんインタビュー - 東京大学松尾・岩澤研究室(松尾研)- Matsuo Lab
                  • 転移学習とは | メリット・デメリット・ファインチューニングの意味 | Ledge.ai

                    転移学習とは、ある領域の知識を別の領域の学習に適用させる技術です。 たとえば大量の犬の画像データと少量の猫の画像データがあり、犬の種類判別モデルと猫の種類判別モデルを作成する場合、通常の機械学習では下図の左側のように犬と猫別々でモデルを作成します。しかしこのとき、猫の画像は少ないので猫の種類判別モデルは判別精度が低い可能性があります。そこで下図の右側のように、犬の種類判別の課題から得られた知識を猫の種類判別モデルに適応させる転移学習を行うことで、判別精度の向上を図ることができます。 スタンフォード大学教授のAndrew Ng氏が、機械学習のトップカンファレンスであるConference on Neural Information Processing Systems(NeurIPS) 2016 Tutorialで、機械学習の成功を今後推進するのは転移学習であると述べるほど、現在注目を集めて

                      転移学習とは | メリット・デメリット・ファインチューニングの意味 | Ledge.ai
                    • AIのファインチューニングとは|ビジネスパーソン向けの解説と転移学習・RAG・プロンプト埋め込みとの違い | 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。

                        AIのファインチューニングとは|ビジネスパーソン向けの解説と転移学習・RAG・プロンプト埋め込みとの違い | Ledge.ai
                      • ファインチューニングとは?仕組みや転移学習、RAGとの違い、そして実施方法まで徹底解説 | WEEL

                        ファインチューニングとは?仕組みや転移学習、RAGとの違い、そして実施方法まで徹底解説 2024 12/05 ChatGPTをはじめとする生成AIは、事前に学習した膨大な量の情報を基に幅広い質問に回答するツールです。しかし、ビジネスや特定の領域に特化して使いたい場合、十分な回答が得られないとお悩みの方もいるでしょう。 社内情報など追加のデータを利用したファインチューニングにより、特定の領域に特化した回答が可能になり、自社専用のオリジナルツールとして活用できます。 今回の記事では、ファインチューニングの概要や仕組みから、ChatGPT(LLM)で使われる理由、具体的な利用法、そして転移学習との違いについて解説します。 ファインチューニングの基本 生成AIを活用して業務効率化や新しいサービスを検討する際、一般的なモデルだけでは期待するレベルの成果を得るのは難しいでしょう。モデルの学習を特定の領

                        • 転移学習(TL:Transfer Learning)とFine Tuningの違いって? - ts0818のブログ

                          xtech.nikkei.com 人工知能(AI)の能力が人間を上回る領域が、より高度かつ複雑な方向へ拡大を続けている。2019年10月末には英ディープマインド(DeepMind)のAIが米ブリザードエンターテインメント(Blizzard Entertainment)のオンライン戦略ゲーム「StarCraft II」の対戦で大きな成果を上げたことが、欧米で話題となった。囲碁よりもオンライン戦略ゲームで人間に勝つことの方が、現実世界でのAI活用を目指す上で重要とされているためだ。 グーグルのAIが「対戦ゲーム」で人間を倒した、囲碁での勝利より画期的な理由 | 日経クロステック(xTECH) ⇧ 地球外生命体が地球を侵略しに来るような事態が起こりえたとしても、AIが防衛してくれるっていうことですかね、夢広がりますね、どうもボクです。 ということで、「多層ニューラルネットワーク」とかが絡んでくる

                            転移学習(TL:Transfer Learning)とFine Tuningの違いって? - ts0818のブログ
                          • 転移学習とは?AI実装でよく聞くファインチューニングとの違いも紹介

                            AIと機械学習の世界で、転移学習というキーワードが注目を集めています。これは、あるタスクで学習したモデルの知識を、別のタスクに転移・適用する学習方法で、データセットが少ない場合や学習時間を短縮したい場合に非常に有効です。 この記事では、以下について解説します。 転移学習の基本的な概念 具体的な活用方法 ファインチューニングとの違い また、画像認識や自然言語処理など、様々な分野での転移学習の活用例も紹介します。 機械学習について詳しく知りたい方は以下の記事もご覧ください。 機械学習とは何か?種類や仕組みをわかりやすく簡単に説明 転移学習は、機械学習の手法の一つであり、「別のタスクで学習された知識を別の領域の学習に適用させる技術」のことを指します。たとえば、大量の犬の画像データと少量の猫の画像データがあり、犬・猫それぞれの種類判別モデルを作成するとしましょう。 この場合、通常の機械学習では、犬

                              転移学習とは?AI実装でよく聞くファインチューニングとの違いも紹介
                            • T5:Text-To-Text Transfer Transformerと転移学習の探索(1/3)

                              1.T5:Text-To-Text Transfer Transformerと転移学習の探索(1/3)まとめ ・転移学習を用いたNLP関連技術の進歩が速すぎて何が効果的なのか評価することが困難になった ・最も効果的な転移学習手法を調べ、得た洞察を元にT5と呼ばれる新しいモデルを開発 ・T5は多くのNLPベンチマークで最先端の結果を達成し、様々な下流タスクに微調整可能 2.T5とは? 以下、ai.googleblog.comより「Exploring Transfer Learning with T5: the Text-To-Text Transfer Transformer」の意訳です。元記事の投稿は2020年2月24日、Adam RobertsさんとColin Raffelさんによる投稿です。アイキャッチ画像のクレジットはPhoto by Aleksey Boev on Unsplash

                                T5:Text-To-Text Transfer Transformerと転移学習の探索(1/3)
                              • 【データが少なくても諦めないで!】知っておくべき転移学習について - DATAFLUCT Tech Blog

                                こんにちは! 皆さんは機械学習モデルを作ろうとした時にデータが少なくても、思ったような精度が出ずに困ったことはないでしょうか。 筆者は機械学習を用いたプロジェクトで、「やりたいことはあるけど....データがない...ッ!」といつも困っていました。 今回は少ないデータでも精度の良いモデルが作れるかもしれない転移学習について解説をしていきます。 転移学習とはなにか なぜ転移学習は注目されるのか 少ないデータでも高精度なモデルを構築可能 短い時間で学習が可能 転移学習の実装方法 実際に転移学習をさせてみた 転移学習: 学習済みvgg19 転移学習: 学習済みMobileNet V2 転移学習なし: MobileNetV2 学習時間の比較 まとめ 参考文献 転移学習とはなにか 機械学習の分野で用いられる研究のテーマの1つで、意外と歴史は長く、1976年にステボ・ボジノフスキーとアンティ・フルゴシに

                                  【データが少なくても諦めないで!】知っておくべき転移学習について - DATAFLUCT Tech Blog
                                • MediaPipe×YOLOv8で実現! 転移学習を活用した手話リアルタイム翻訳AI、FAU研究チームが98%の精度を達成 - イノベトピア

                                  MediaPipe×YOLOv8で実現! 転移学習を活用した手話リアルタイム翻訳AI、FAU研究チームが98%の精度を達成 Last Updated on 2024-12-17 20:14 by admin フロリダ大西洋大学(FAU)の研究チームは、アメリカ手話(ASL)のアルファベットジェスチャーをリアルタイムで認識する革新的なAIシステムを開発しました。この研究は2024年12月16日にElsevier社の学術誌『Franklin Open』に掲載されました。 研究の主要ポイント: 29,820枚のASL手話ジェスチャー静止画像データセット作成 MediaPipeによる21個のランドマーク注釈付け 転移学習を活用したYOLOv8との組み合わせによる深層学習モデル開発 システム性能: 精度:98% ジェスチャー識別率:98% F1スコア:99% 平均精度(mAP):98% mAP50-

                                  • 【転移学習で顔認識モデルを作ってみた】 - Qiita

                                    はじめに 後追いながら、機械学習が熱いということで転移学習を用いて、人物画像を識別する学習モデルを作成してみました。 画像の前処理や水増しから学習モデルの構築などの過程をまとめています。 モデルの想定ユースケース 人物画像の識別となると思いたのが、マンションのセキュリティ用監視カメラでした。 登録された住人以外の人が入り込んだ際に、不審者として識別してタグづけするようなものを考えていたのですが、 動画などは難易度が高いため、今回は顔画像を使っての顔認識モデルを作成しました。 画像について 画像枚数 今回、学習用の元画像50枚と学習モデルのテスト用に20枚ほど用意しました。 正直画像の収集が一番大変な作業でした、、 人物画像の元画像: 計50枚(10枚✖️住人5人) 学習モデルのテスト用: 計20枚(4枚✖️) 人物画像例 学習には知り合いの顔画像を利用しており、以下のように顔のみや上半身が

                                      【転移学習で顔認識モデルを作ってみた】 - Qiita
                                    • 教師なし学習でMNISTの正解率を97%以上出す簡単な手法(転移学習なし) - Qiita

                                      就職活動ネタとして記事を初投稿。 精度が高いと言われている教師無し学習、IIC(Invariant Information Clustering)の論文を読み解き実装してみました。 IICとは、相互情報量を最大化することでクラスタリングを行う手法のことです。 IICの論文はこちら Invariant Information Clustering for Unsupervised Image Classification and Segmentation Xu Ji, João F. Henriques, Andrea Vedaldi 使ったフレームワークはTensorFlow2.0。対象データはお馴染みのMNIST。 相互情報量について 相互情報量の解釈は複数ありますが、今回の機械学習を説明しやすいシンプルな方法を選びます。 確率分布Xに対する情報エントロピーH(X)は以下で定義される。

                                        教師なし学習でMNISTの正解率を97%以上出す簡単な手法(転移学習なし) - Qiita
                                      1

                                      新着記事