Kenji Doi

@knjcode

Engineer

Fukuoka
যোগদান করেছেন ফেব্রুয়ারী ২০১৪

টুইট

আপনি @knjcode-কে ব্লক করেছেন

আপনি কি এই টুইটগুলি দেখতে চাওয়ার বিষয়ে নিশ্চিত? টুইটগুলি দেখা হলে @knjcode অবরোধ মুক্ত হবে না।

  1. পুনঃ টুইট করেছেন
    ১৮ জুলাই
    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  2. পুনঃ টুইট করেছেন
    ১৭ জুলাই

    Our working paper on feature attribution is now available (follow up to the paper in ), with very clear heatmaps with almost no noises. Paper: Code:

    পূর্বাবস্থায়
  3. ২৭ মে

    NGTとNGTのpython bindingインストール済みのdockerイメージを使って、お手軽に試せる手順も用意しました。 機械学習のための画像データセットのデデュープ等に興味があれば使ってみてください。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  4. ২৭ মে

    許容するハミング距離を20程度まで大きくすると多少誤検出っぽいのが混じってきますが、画像のデデュープではあまり大きな値を使わないため問題なさそうです。 先日公開したデデュープツールで --ngt オプションを指定すると利用できます。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  5. ২৭ মে

    画像から計算した64bitのハッシュ値を64次元のバイナリデータとみなしてNGTに全件登録して検索しています。NGTは近似近傍探索で高速な処理を実現しているということで精度が気になりますが、手元のデータで試した限りだと許容するハッシュのハミング距離が10程度までは、特に誤検出していないです。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  6. ২৭ মে

    NGT(ヤフーの高次元ベクトルデータ検索技術)を使って画像デデュープ時のphash等のハミング距離計算を劇的に高速化できた! 6万枚の画像でpythonの安直な実装だと1〜2時間程度掛かるのに対してNGTだと14秒しかかからない(6万枚の画像のハッシュ計算時間約15分を除く)

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  7. ২৪ মে

    I've released a CLI tool to deduplicate images interactively based on perceptual hashing. If you are using iTerm2, you can check duplicate images in your terminal.

    পূর্বাবস্থায়
  8. ২৪ মে

    Perceptual Hashのハミング距離を指定して画像データセットのデデュープ(重複排除)ができるコマンドラインツールを公開しました。 ラーメン二郎の識別モデルを学習するための学習データセットもこれと同様の方法でデデュープしています。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  9. ২১ মে

    Google Driveにラーメン二郎GAN動画の元ファイルを置きました。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  10. ২১ মে

    twitterに256x256解像度の動画を高画質にアップロードするのはどうするのが正解なんだろ。さきほどのラーメン二郎のGANの動画ですが、twitterに一度アップロードしてみたもののブロックノイズが多すぎたので消して、youtubeにアップロードしてリンクを貼りました

    পূর্বাবস্থায়
  11. ২১ মে

    生成したラーメン二郎画像が連続的に変化する動画も作ってみました。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  12. ১৮ মে

    以前一度やりましたが、約6万枚のラーメン二郎画像でProgressive Growing of GANs に再挑戦。今回はかなり本物っぽい感じになりました。 適当に4枚ピックアップしましたが、一枚目から順に、松戸駅前店、湘南藤沢店、池袋東口店っぽくて、最後はどこかわからんが肉の質感がリアル!

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  13. পুনঃ টুইট করেছেন
    ১৫ মে

    5月15日からは、約44000枚の画像で学習した、識別精度約96.7%のモデルを利用しています。(96.8% precision、96.7% recall)

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  14. পুনঃ টুইট করেছেন
    ১৫ মে

    誤 → 正 --------------------------------- 三田 → ひばヶ丘 ひばヶ丘 → 三田 上野毛 → めじろ 中山駅前 → 上野毛 亀戸 → 中山駅前 京急川崎 → 亀戸 京成大久保 → 京急川崎 京都 → 京成大久保 仙台 → 京都 仙川 → 仙台 会津 → 仙川 野猿 → 会津 千住 → 野猿 めじろ → 千住

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  15. পুনঃ টুইট করেছেন
    ১৫ মে

    お知らせ 今年の2月頃から5月14日まで、14店舗の識別結果について、学習データのラベルずれが原因で、実際の識別結果とは異なる店舗名を回答していました。 大変失礼いたしました。現在は修正済みです。 ラベルずれの詳細については本ツイートのリプライに記載します。

    এই থ্রেডটি দেখান
    পূর্বাবস্থায়
  16. ১৫ মে

    jirou_deepの作者です。ご指摘ありがとうございます。 まさかと思い確認すると、なんと14店舗に渡ってラベルがズレていました。 全店舗の識別精度確認用データも同様にズレており見逃していました。 一昨日ぐらいから、学習データを増やした新しいモデルになっており、ラベルズレも無いかと思います

    পূর্বাবস্থায়
  17. পুনঃ টুইট করেছেন
    ১৫ মে

    資料アップしました。Docker詳しい方多い中で恐縮でしたが、機械学習デプロイにおけるコンテナ利用について話をしました。

    পূর্বাবস্থায়
  18. পুনঃ টুইট করেছেন
    ১৫ মে
    পূর্বাবস্থায়
  19. ১৪ মে

    手前味噌ですが、ディープラーニングによる画像分類モデルの学習からAPIサーバ化まで、ほぼ自動的に行えるツール mxnet-finetuner の使い方について書きました | mxnet-finetunerの使い方

    পূর্বাবস্থায়
  20. পুনঃ টুইট করেছেন
    ২৭ মার্চ

    機械学習を使ってラーメン二郎の写真からラーメン二郎の店舗を判別する さんの MXNet モデルと同じ物を AutoML で試していただきました〜。

    পূর্বাবস্থায়

লোড হতে বেশ কিছুক্ষণ সময় নিচ্ছে।

টুইটার তার ক্ষমতার বাইরে চলে গেছে বা কোনো সাময়িক সমস্যার সম্মুখীন হয়েছে আবার চেষ্টা করুন বা আরও তথ্যের জন্য টুইটারের স্থিতি দেখুন।

    আপনিও পছন্দ করতে পারেন

    ·