本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。
近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。
"Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise.
The slides are made by the lecturer from outside our company, and shared here with his/her permission.
Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。
Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。
近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。
"Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise.
The slides are made by the lecturer from outside our company, and shared here with his/her permission.
Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。
Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
MYCIN was an early expert system developed in the 1970s to diagnose and recommend treatments for infections. It used a knowledge base of around 200 rules, certainty factors, and backward chaining to evaluate patients' symptoms and test results. MYCIN was found to match expert physician recommendations for treating infections 52% of the time in evaluations. The system helped demonstrate the potential for rule-based and probabilistic reasoning in medical expert systems.
1) Object detection on embedded devices faces challenges due to limited computing resources.
2) CEVA provides computer vision processors and IP cores that implement common computer vision algorithms like HOG, ORB, and SURF in an optimized way.
3) Their processors offer features like efficient filtering, flexible memory access, and vectorization that enable faster and more power efficient object detection compared to mobile GPUs.
This slides explain about scanning picture feature points that is made by SIFT(Scale Invariant Feature Transform) which uses Gaussian Filter Difference Logic (DoG).
18. SIFT特徴量とSURF特徴量の違い
1. 特徴点検出
2. 特徴量生成
1. 特徴点検出
スケールと特徴点検出
SURFではこの部分の処理が軽量化されている
Gaussianのテイラー展開二次項である上記の左
二つの代わりに、もっと簡単な右二つを使う。
その代わり認識精度はSIFTのほうがよい
SIFTの特許は発明者である David Loweが所有
SURFの特許は？
SIFT = Scale-Invariant Feature Transform
SURF = Speeded Up Robust Features
19. Bag of features(Bag of keypoints)の紹介
一般物体認識で用いられる方法。2004。
複数枚の画像から抽出された特徴量群をクラスタリングし、各物体に
割り当てられたクラスタを調べることで、別の画像にどのような物体が
どこにあるかを判断する。
LBGアルゴリズムではクラスタリングにk-meansを使う。
20. Bag of features(Bag of keypoints)の紹介
Bag of Words：単語頻度情報
ある単語と文章の関連度を測るために使う一つの方法
文章を単語の集合とみなす
単に頻度情報のみで順番は考えない
例：TD-IDF
Bag of Features は Bag of Words の画像版
画像（文章）を特徴点集合（単語）の集合とみなし、
特徴点集合（単語）の出現頻度を使う
画像から「自転車」「自動車」などを表す特徴点集合の集合を取得し、
これらを教師データとして学習して画像内のどこに何があるかを判別
する
21. 参考文献
SIFT
http://www.vision.ee.ethz.ch/~surf/
SURF
http://www.vision.cs.chubu.ac.jp/SIFT/PDF/sift_tutorial.pdf
Bag of Features(Bag of Keypoints)
http://www.citeulike.org/user/GernotMargreitner/article/581127
