モデル Panoptic-DeepLab:総括的に風景を理解する新手法(2/2)
１．Panoptic-DeepLab:総括的に風景を理解する新手法(2/2)まとめ・Panoptic-DeepLabはエンコーダ、ASPP、デコーダ、予測ヘッドから構成される・拡大畳み込みにより通常の畳み込みより物体の境界の詳細を保持する事...
deep learning
モデル 
学習手法 Big Transfer(BiT):視覚タスクで大規模な事前トレーニングを活用(2/3)
１．Big Transfer(BiT):視覚タスクで大規模な事前トレーニングを活用(2/3)まとめ・BERTと同様にBiTも事前トレーニング済みのモデルを下流タスク用データで微調整をして転移学習する・事前トレーニングで使用する画像の量とモデ...
入門／解説 Meta-Dataset：少数ショット学習用のデータセットのためのデータセット(1/3)
１．Meta-Dataset：少数ショット学習用のデータセットのためのデータセット(1/3)まとめ・ディープラーニングのパフォーマンスは多くの場合、手動でラベル付けした大量の学習用データに依存・より少ないデータから学習する手法に関心が集まっ...
モデル Loss-Conditional Training:損失関数を改良してモデルのバリエーションを統合(2/2)
１．Loss-Conditional Training:損失関数を改良してモデルのバリエーションを統合(2/2)まとめ・学習ベースの画像圧縮に応用すると圧縮率と画像品質を係数で調整する事ができる・スタイル転送に応用すると元画像との類似性や各...
学習手法 SEED RLによる大規模強化学習(1/3)
１．SEED RLによる大規模強化学習(1/3)まとめ・強化学習手法は単純なゲームでも学習するために更に多くのトレーニングが必要になってきている・SEED RLは、数千のマシン上で規模を拡大して実行できる新しい強化学習エージェント・推論の集...
学習手法 視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(1/3)
１．視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(1/3)まとめ・ロボットが「物体に対して何が出来て何が出来ないのか？」を直接知覚できるようになると学習効率が良い・これをアフォーダンスベースの操作と言い入力画像にアクション...
モデル AutoFlip：機械学習を用いてビデオの最適な箇所を切り抜く(2/3)
１．AutoFlip：機械学習を用いてビデオの最適な箇所を切り抜く(2/3)まとめ・AutoFlipはシーン全体を観てどこの部分に焦点を当てるべきかを判断するためシーンをバッファする・次にディープラーニングベースの物体検出モデルを使用して興...
モデル ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(2/3)
１．ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(2/3)まとめ・透明な表面は鏡面反射をするため、これを視覚的な手がかりとして深度推定を行っている・ClearGraspは面法線推定、オクルージョン境界推定、透明な物体のマ...
AI関連その他 ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(1/3)
１．ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(1/3)まとめ・現在の光学式3D距離センサーは透明な物体に対する距離を正確に測定する事が出来ない可能性がある・これは物体の表面が全ての方向に均一に光を反射するという仮定の...
入門／解説 人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(1/3)
１．人工知能とデータサイエンスの2019年の主な進展と2020年の予測developments編(1/3)まとめ・「分析業務」および「AIを現行業務に適用する業務」のステータスと認識の改善・解釈する必要があるデータは、常に偏見に対するリスク...
入門／解説 モデルが出力する「予測の不確実性」はどこまで信用できますか？(2/2)
１．モデルが出力する「予測の不確実性」はどこまで信用できますか？(2/2)まとめ・モデルは予測の不確実性が増した事を認識せずに自信を持って間違う傾向がある・ディープアンサンブルがデータの変化に対する耐久性を最も改善するシンプルな戦略・ディー...
入門／解説 モデルが出力する「予測の不確実性」はどこまで信用できますか？(1/2)
１．モデルが出力する「予測の不確実性」はどこまで信用できますか？(1/2)まとめ・学習時に使用したデータと製品展開後に扱うデータが同じようなデータ分布になる事は現実世界では少ない・トレーニングデータと実際のデータの分布に差がある事は「共変量...