まつこ

@matsuko_std

computer vision/deep neural network/photogrammetry

日本
Vrijeme pridruživanja: rujan 2011.

Tweetovi

Blokirali ste korisnika/cu @matsuko_std

Jeste li sigurni da želite vidjeti te tweetove? Time nećete deblokirati korisnika/cu @matsuko_std

  1. proslijedio/la je Tweet
    prije 20 sati

    Added ImageNet validation results for 164 pretrained models on several datasets, incl ImageNet-A, ImageNetV2, and Imagenet-Sketch. No surprise, models with exposure to more data do quite well. Without extra, EfficientNets are holding their own.

    Poništi
  2. prije 20 sati

    G検定申込み完了

    Poništi
  3. proslijedio/la je Tweet
    prije 20 sati

    テスラの自動運転車の制御AI視点で、行っている処理を可視化したもの semantic segmentation、object detection、depth estimationなど、最近の機械学習、特にCV技術の集合体感がある(なお学習に必要な計算資源も法外で、70000 GPU hoursとある…)

    Poništi
  4. proslijedio/la je Tweet
    prije 23 sata

    パラメータ数増大の一途をたどる画像認識に一石を投じる、パラメータ数を激減させた新しい畳み込みの手法MixConvとMixNetについて解説しました!KerasとPyTorchで実装されている(記事にリンク貼ってます)ので原理まで理解しておきましょう!

    Poništi
  5. proslijedio/la je Tweet
    2. velj

    教師あり単眼深度推定では、異なる特性を持つ複数のデータセットを組み合わせて学習するのが望ましい。その実現のためスケールやシフトが異なる場合にも使える損失関数を提案。また3D映画も訓練データに使える。単眼深度推定のSOTA

    Poništi
  6. proslijedio/la je Tweet
    30. sij
    Prikaži ovu nit
    Poništi
  7. proslijedio/la je Tweet
    2. velj
    Poništi
  8. proslijedio/la je Tweet
    31. sij

    BlenderProc generates visual data for training CNNs including depth, normals, semantic segmentation, pose annotations, and of course color images and much more! Code:

    Poništi
  9. proslijedio/la je Tweet
    31. sij

    ディープラーニング(深層学習)解説動画の公開を始めて1年以上が経過して動画の数も増えてきましたので、これまでに公開した動画をまとめてご紹介しています。見たい動画を探すための参考にしていただければと思います。

    Poništi
  10. 31. sij
    Poništi
  11. proslijedio/la je Tweet
    29. sij

    Virtual KITTI 2 is out! ***New release of synthetic dataset based on *** proxy virtual worlds , -object tracking, matching, estimation, ,

    Poništi
  12. proslijedio/la je Tweet
    29. sij

    [blog] In the development of Optuna, one of the difficult challenges is to evaluate the performance of new sampling and pruning algorithms correctly. This blog post introduces a benchmark tool named Kurobako, which is used to address the challenge.

    Poništi
  13. proslijedio/la je Tweet
    29. sij

    "How to Choose a 3D Vision Technology," a Presentation from Carnegie Robotics by 님이 공유

    Poništi
  14. proslijedio/la je Tweet
    29. sij

    EndoBRAINのディープラーニング版!ついに来たね!!! ディープラーニングによる内視鏡診断支援ソフトウェア(EndoBRAIN(R)-EYE)が医療機器の承認を取得 - 大学プレスセンター

    Poništi
  15. proslijedio/la je Tweet
    28. sij

    Introducing the new Thinc, a refreshing functional take on deep learning! 🔮 Static type checking 🔥 Mix , & ⛓️ Integrated config system 🧮 Extensible backends incl. JAX (experimental) 🧬 Variable-length sequences & more

    Prikaži ovu nit
    Poništi
  16. proslijedio/la je Tweet

    深層距離学習で動画の異常検知に挑戦した論文。SOTAも達成した模様。「異常部分の可視化」も可能。 個人的には遂に来た!という感じ。

    Poništi
  17. proslijedio/la je Tweet
    28. sij

    Meta-Learning: Learning to Learn Fast たぶんメタ学習の入門に関してはトップ。論文読むより分かりやすい。 メタ学習のよく使われる3つのタイプについて説明。 ①metricベース(Siameseなど) ②modelベース(MANNなど) ③optimizerベース(MAMLなど)

    Poništi
  18. proslijedio/la je Tweet
    26. sij

    Mesh R-CNN のコードも登場 2D画像から 3次元形状をメッシュで推定可能

    Poništi
  19. proslijedio/la je Tweet
    26. sij

    E 君の新作。 C++ の STL を最低限これだけ覚えれば、大抵のアルゴリズムを実装できるようになるんじゃないか! という話。

    Poništi
  20. proslijedio/la je Tweet
    26. sij

    Partially-Shared Variational Auto-encoders for Unsupervised Domain Adaptation with Target Shift by Ryuhei Takahashi et al.

    Poništi

Čini se da učitavanje traje već neko vrijeme.

Twitter je možda preopterećen ili ima kratkotrajnih poteškoća u radu. Pokušajte ponovno ili potražite dodatne informacije u odjeljku Status Twittera.

    Možda bi vam se svidjelo i ovo:

    ·