今回は、実例があまり出てこない食品画像を攻略してみたいと思います。（といっても、精度100％は出ていません(^^；） （右端「Padim + YOLOv5」が提案手法） 食品画像の難しさ 食品画像の検査は、工業製品と違って難しいと言われています。個人的には 見た目に多様性がある 位置が決まっていない が理由だと思っております。 見た目の多様性は、例えばミカンでいうと、色やサイズ、形が様々で、一つとして同じものはありません。つまり、正常品の範囲が広く、正常/異常の境界線があいまいになりがちです。一方、工業製品は多様性が少なく、正常品の範囲が狭いです。このため、正常/異常の境界線がはっきりしています。 二点目、「位置が決まっていない」は、食品という特性上、位置が多少ズレることがあります。さらに、2つの食品があったとして、2つの位置が入れ替わったとしても正常となることがあります。つまり、位置ベー

17 oct 2022に出たImagicという技術について、ペーパーとソースを見比べながら説明します。

はじめに 事前準備 実装の概要 環境音合成実験 実験条件 実験結果 実装の舞台裏など おわりに はじめに 以前、Onoma-to-Waveを実装した記事を書いたことがあった： tam5917.hatenablog.com Onoma-to-Waveとはオノマトペ（文字列）を環境音（スペクトログラム）に変換するモデルである。RNNに基づくencoderとdecoderから構成されており、いわゆるSequence-to-Sequence（Seq2Seq）の構造を持つ。 それらをTransformerによって置き換えたモデルが、Onoma-to-Waveの著者らによって実はすでに提案されている。 岡本 悠希，井本 桂右，高道 慎之介，福森 隆寛，山下 洋一，"Transformerを用いたオノマトペからの環境音合成，" 日本音響学会2021年秋季研究発表会，pp. 943-946，2021. 上

x-meansとは，k-meansの繰り返しとBICによるクラスターの分割（or処理停止）基準によって，最適なクラスター数を決定するアルゴリズムです． この記事ではpyclusteringというライブラリでx-meansを使う方法を紹介します． k-means系まとめ k-means：クラスターの重心からの二乗誤差を最小化． k-medoids：クラスターのmedoid（クラスターに属する点で，非類似度の総和が最小となる点）からの非類似度の総和が最小となるようにEMの手続きを行う． x-means：BICに基づいてクラスタの分割を制御． g-menas：データが正規分布に基づくと仮定して，アンダーソン・ダリング検定によってクラスタの分割を制御． gx-means：上二つの拡張． etc（pyclusteringのreadme参照．色々ある） クラスター数の判定 データを人間が目で見てすぐに

scikit-learn（サイキット・ラーン、旧称: scikits.learn）は、Pythonのオープンソース機械学習ライブラリ[2]である。サポートベクターマシン、ランダムフォレスト、勾配ブースティング、k近傍法、DBSCANなどを含む様々な分類、回帰、クラスタリングアルゴリズムを備えており、Pythonの数値計算ライブラリのNumPyとSciPyとやり取りするよう設計されている。 教師あり学習と教師なし学習に対応している。ただし、強化学習・深層学習・グラフィカルモデル（隠れマルコフモデルなど）・シーケンス予測には対応しない方針となっている[3]。 Scikit-learnプロジェクトは David Cournapeau によるGoogle Summer of Codeプロジェクト、scikits.learnとして始まった。名前は「Scikit」 (SciPy Toolkit) つま

要点 最先端機械学習モデル「Vision Transformer」に基づく、新たなレンズレスカメラの画像再構成手法を提案 提案した画像処理技術は高速に高品質な画像を生成できることを実証 小型・低コストかつ高機能であるため、IoT向け画像センシング等への活用に期待 概要 東京工業大学 工学院 情報通信系の潘秀曦（Pan Xiuxi）大学院生（博士後期課程3年）、陈啸（Chen Xiao）大学院生（博士後期課程2年）、武山彩織助教、山口雅浩教授らは、レンズレスカメラの画像処理を高速化し、高品質な画像を取得できる、Vision Transformer（ViT）[用語1]と呼ばれる最先端の機械学習技術を用いた新たな画像再構成手法を開発した。 カメラは通常、焦点の合った画像を撮影するためにレンズを必要とする。現在、IoT[用語2]の普及に伴い、場所を選ばず設置できるコンパクトで高機能な次世代カメラが

独自開発した液体に音の信号パターンを与えることで高速にAI学習する──東京理科大学と産業技術総合研究所の研究グループが、4月28日にこんな研究成果を発表した。コンピュータのみでの処理に比べて消費電力を低く抑えられ、処理も高速に行えることからエッジデバイスでのAI学習への応用が期待できるという。 ニューラルネットワークの中間層を、コンピュータの代わりに物理系の作用を使って情報処理する手法は「リザバーコンピューティング」と呼ばれている。その例として研究グループは「貯水池（リザバー）の水面に石を投げ込んで生じた波紋のパターンは、投げ込んだ石のサイズや投げ込む順序を反映することから、石の時系列情報を推測できる」と説明する。 研究グループは、生活環境で聞こえる人の声などの周波数に適した、イオン性の液体を開発。入力をパルス信号で与え、液体を通過して電流として応答する際に、電流の減衰時間に入力の特徴が反

虹彩に写輪眼を重畳表示するプログラムです👀 結構怖い見た目に、、、👻 もう少しちゃんと実装👀 いや、怖いな、、、🤔 https://t.co/cGrf9ft5n3 pic.twitter.com/fQkVAW5OOv — 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月16日 ソースコードは以下にコミットしています。 そして、裏でDeep写輪眼v3のトレーニングを実施しています。 YOLOX-Nanoを採用することによって大幅に高速化🦔！ 近日公開予定🦔🦔！ Deep写輪眼v3のモデルトレーニングを行っています👀 これはトレーニング途中の味見動画です。 第二世代に比べてFPSが早くなっています🦔 第一世代：MobileNetV2 SSDLite、学習データ約3000枚 第二世代：EfficientDet-D0、学習データ約6500枚 第三世代：

PRML（パターン認識と機械学習：Pattern Recognition and Machine Learning）は，機械学習の基礎知識を身につけるのに非常にオススメな書籍です． 本記事では，PRMLの第1章にて紹介されている「多項式曲線フィッティング」について細部まで説明し，これをJuliaで実装してみます． GitHubのリポジトリ→こちら ソースコード（.jl，.ipynb）→こちら 概要 パターン認識のゴールは，観測されたデータをもとに，今後観測されるであろうデータを予測することです． その際に，観測されるデータがある関数によって生成されていると仮定し，その関数を多項式で近似することを考えるのが多項式曲線フィッティングです． 以下に，例を示します． x=0のときに0.07，0.125のときに0.32，0.25のときに0.19...のようにデータが得られ，以下のようにデータ点がプロ

この投稿はOpenCV Advent Calendar 2020の14日目の記事です。 はじめに OpenCVのDNNモジュールで各モデルを試してみようというリポジトリで細々と動作を確認したりしています。 そのなかでClassificationやObject Detection、Pose Estimationなどのタスクのモデルはいろいろ動かしてみたけど、そういえばDepth Estimationのモデルは動かしたことなかったな…って思ったのでやってみました。 DNNモジュールとは？ OpenCVでは機能ごとにモジュール（コア機能ならCore、GUI機能ならHighguiなど）に分かれており、ディープラーニングの推論機能を担当するのがDNNモジュールです。 学習はTensorflowやPyTorch、Darknetなどの各フレームワークやAzure Cognitive ServicesのC

概要 シーケンス（例えば文章）のペアを関連付けて学習させる DeepLearning の手法 sequence-to-sequence learning において、長いシーケンスでの学習の精度を上げると言われている Attention Mechanism の論文を読んだので備忘録を兼ねて概要を書いておきます。 元論文: Neural Machine Translation By Jointly Learning To Align And Translate そもそも seq2seq とは シーケンスのペアを大量に学習させることで、片方のシーケンスからもう一方を生成するモデルです。 元論文： Sequence to Sequence Learning with Neural Networks tensorflow 上にも実装があります。 実用例としては以下のようなものがあります。 翻訳: 英

こんにちは。ミクシィ AI ロボット事業部でしゃべるロボットを作っているインコです。 この記事は ミクシィグループ Advent Calendar 2018 の5日目の記事です。 この記事の目的 この記事では2018年現在 DeepLearning における自然言語処理のデファクトスタンダードとなりつつある Transformer を作ることで、 Attention ベースのネットワークを理解することを目的とします。 機械翻訳などの Transformer, 自然言語理解の BERT やその他多くの現在 SoTA となっている自然言語処理のモデルは Attention ベースのモデルです。 Attention を理解することが今後の自然言語処理 x Deep Learning の必須になってくるのではないでしょうか。 この記事にかかれているコード (Github) 歴史 - RNN から