一般物体検出アルゴリズムの紹介 今回CNNを用いた一般物体検出アルゴリズムの有名な論文を順を追って説明します。 コンピュータビジョンの分野において、一般物体検出とは下記の図のように、ある画像の中から定められた物体の位置とカテゴリー(クラス)を検出することを指します。 [6]より引用 Deep Learningアルゴリズムの発展によって、一般物体認識の精度は目まぐるしい勢いで進歩しております。 そこで今回はDeep Learning(CNN)を応用した、一般物体検出アルゴリズムの有名な論文を説明したいと思います。 R-CNN (Regions with CNN features) (CVPR 2014) [1] かの有名なCNNの論文[8]で、ILSVRC 2012の物体認識チャレンジで大差をつけて1位になりました。 このチャレンジでは1枚の画像が1000クラスのうちどれに属するかを推定する

スパース表現を用いたモデル化は、2000年以降急速に発展した基礎分野であり、その応用分野は幅広く、信号処理・画像処理のみならず、機械学習、画像認識、コンピュータビジョン、自然言語処理など、多岐に渡っている。 本書は学生向けの講義を念頭に書かれているため、理論的基礎や研究背景を詳細なアルゴリズムを交えて丁寧に解説している。また、画像処理を応用例として豊富に説明しているため、本書があれば基礎から応用までを理解することができる。 第I部　スパースで冗長な表現：理論と数値解析 第1章　プロローグ 1.1　劣決定の連立方程式 1.2　正則化 1.3　凸性への誘い 1.4　l1最小化の詳細 1.5　(P1)問題の線形計画への書き換え 1.6　スパースな解への誘導 1.7　l0ノルムとそれが意味するもの 1.8　(P0)問題：最重要課題 1.9　信号処理における展望 第2章　一意性と不確定性 2.1　二

Raghav Haranさんによる寄稿記事です。マーケッターで起業家。著名なテクノロジー起業家やニューヨーク・タイムズのベストセラー作家、またトップクラスの企業との仕事を経て、Land Any Job You Wantを創業。意欲的な人が仕事に就く後押しをしています。Twitter アカウントは、@RaghavHaran。メルマガには、ここで登録できます。本記事は、Mediumへの投稿記事を許可を得て翻訳したものです。元の英語記事もどうぞ。 ほとんどの人は、「そこそこ」の仕事に就いている。 仕事に出かけて、午前9時から午後5時までやることをやって、家に帰って、時には友達とつるんだりして、またそれを翌日も繰り返す。 これは何も間違っていない。 でも、中にはまったく違うレベルでパフォーマンスを発揮する人たちがいる。 その他全員がはしごをせっせと登っている間、彼らは30代前半にして役員レベルの仕

舌の肥えた芸能人が多数いるなかで、淡々と美食を味わい、通い詰めるのがそう。タモリさんです。 「庶民派」から「高級店」まで、すべてを知り尽くしたタモリさんが唸った８店をお届け！一度は行っておきたいお店の数々をご覧あれ！ タモリはそば屋でそばを頼まない！？タモリが通う２店のそば屋。 手打そば 夢呆 白金高輪から徒歩５分、タモリさんが通うそばの名店『夢呆（むほ）』。フジテレビ『めちゃ×2イケてるッ！』でナインティナインのお二人に紹介したことでも有名です。 画像引用元：http://retty.me/area/PRE13/ARE13/SUB1301/100000730270/7614548/ そばはもちろん絶品ですが、タモリさんのおすすめ一つ目は「揚げ銀杏」です。お酒が進みそうですよね！ 画像引用元：http://retty.me/area/PRE13/ARE13/SUB1301/10000073

連載バックナンバー はじめに 前回は、時系列分析の代表的なモデルの1つであるARMAモデル（自己回帰移動平均モデル）について、パラメーターを変化させながらサンプルデータを生成させてモデルの特徴を確認してみました。 今回は、実際のデータを使いARMAモデルのパラメーターを推定し、未来の予測に活用するような実例を紹介したいと思います。 ARMAモデルの詳細は前回解説していますので、参照してください。 なお、本連載が前提とする環境の構築方法や基本的な使い方は連載第1～4回で紹介しています。個別の分析手法と実践的な使い方については第5回以降で解説しています。本稿の解説はこれらの環境を踏まえたものですが、一部、Python実行環境や利用しているライブラリ類はアップデートをしていますので、適宜ご自身の環境に置き替えて読み進めてください。

アブストラクト（概要） Deep Learningのツール「Caffe」を、NVIDIA社の「DIGITS」を使って動かします。DIGITSは比較的インストールが簡単でなおかつ使いやすいので、Deep Learningの理解を深めるのに役立つと思います。記事の前半では、基礎的な用語などについて簡単に説明します。後半では、DIGITSをインストールして動かす方法を説明します。 はじめに：いきさつ 筆者は素粒子原子核宇宙物理系のポスドクで、画像処理をやっています。 2014年ごろから画像分類の技術として「Deep Learning」というのをよく目にするようになりました。筆者はこの技術をなんとか使いこなしたいと思い、2014年の夏から機械学習について、2015年の正月ごろから実際に動かす方法について色々と調べてきました。そして先週（2015年の6月中旬）、NVIDIA社の開発したDIGITSと

Boot Camp上のWindowsで、Macの「英数」「かな」キーを使用して、MS-IMEのオンオフをコントロールする方法です。 通常、Windowsでは「Alt」キーと「半角／全角」キーのキーボードショートカットでMS-IMEを有効にしますが、Macには「半角／全角」キーがないので、それに変わる手段を紹介します。 「英数」「かな」キーでIMEを使用 Windows側の設定を変更すれば、比較的簡単に「英数」「かな」キーでIMEをコントロールすることができます。 MS-IMEの設定を変更する Boot Camp上のWindowsの「MS-IME」の設定を変更すれば、簡単に「英数」キーに「IMEをオフ」、「かな」キーに「IMEをオン」の機能を割り当てることができます。 ことえりに慣れている場合は、このように変更すればあまり違和感がないと思います。 なお、ここでは、Windows Vistaを

初めまして。こんにちは、こんばんは、またよし れい @Sayobs と申します。今月からギズモードに寄稿させて頂く事になりました。宜しくお願い致します。 少しだけ自己紹介させてください。1983年東京都生まれで現在は1年の半分を東京・沖縄で暮らしながら｢Last Day.jp｣でブログ記事を書いたりプログラミング（iOS, Androidアプリ）をしたりしています。趣味は海外旅行で10代の頃から年中いろいろな国をまわってます。 さて、もうすぐお盆休みなのでこの休みを利用して海外旅行に行く方も沢山いらっしゃると思います。なので第一回である今回は、海外旅行に行った際にインターネットを安く使いたい方におすすめしたい、スマートフォンを使って海外でインターネットを安く利用する方法について書きたいと思います。 まず普段日本国内で皆さんが使われている携帯電話・スマートフォンにはSIMロックがかかっていて