https://machine-learning15minutes.connpass.com/event/243250/
第65回 Machine Learning 15minutes! Broadcast
業界ごとのデータ分析を支援するIBM IBM Data and AI Acceleratorsのご紹介
日本アイ―・ビー・エム株式会社 平山 毅(Tsuyoshi Hirayama)、
の発表資料です。
CV分野での最近の脱○○系論文3本を紹介します。
・脱ResNets: RepVGG: Making VGG-style ConvNets Great Again
・脱BatchNorm: High-Performance Large-Scale Image Recognition Without Normalization
・脱attention: LambdaNetworks: Modeling Long-Range Interactions Without Attention
https://machine-learning15minutes.connpass.com/event/243250/
第65回 Machine Learning 15minutes! Broadcast
業界ごとのデータ分析を支援するIBM IBM Data and AI Acceleratorsのご紹介
日本アイ―・ビー・エム株式会社 平山 毅(Tsuyoshi Hirayama)、
の発表資料です。
CV分野での最近の脱○○系論文3本を紹介します。
・脱ResNets: RepVGG: Making VGG-style ConvNets Great Again
・脱BatchNorm: High-Performance Large-Scale Image Recognition Without Normalization
・脱attention: LambdaNetworks: Modeling Long-Range Interactions Without Attention
How to organize data science project (データサイエンスプロジェクトの始め方101)Yasuyuki Kataoka
(Japanese) This is some tips on how to organize artificial intelligence or machine learning projects. This is presented in the engineering community event, NTT Engineer Festa#3, in Japan.
[Blockchain in kyoto 2021]security token pricing trend related to each sto pl...Tsuyoshi Hirayama
This is presentation materials at Blockchain in Kyoto 2021
https://best-society.org/blockchain-in-kyoto-2021/
https://best-society.org/wp-content/uploads/2021/02/program_v210216.pdf
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
第73回 Machine Learning 15minutes ! IBM AI Foundation Modelsへの取り組み
1. 第73回 Machine Learning 15minutes!
IBM AI Foundation Models への取り組み
—
Tsuyoshi Hirayama (平山毅)
Engineering Manager, IBM Client Engineering, IBM Technology
Takehiko Yamaguchi (山口武彦)
Data Scientist, IBM Client Engineering, IBM Technology
2. 自己紹介(平山毅)
IBM Client Engineering での活動概要
AI Foundation Models とCodeflare
自己紹介(山口武彦)
AI Foundation Models概要
IBMの取り組み:NLP Foundation Modelsと製品群
- NLPタスクにおけるFoundation Model
Foundation Modelsのエンタープライズ活用に向けて
- NLP分野での展望
- NLP以外の分野での展望
- エンタープライズ活用への展望
まとめ
アジェンダ
3. 平山 毅 Tsuyoshi Hirayama
日本アイ・ビー・エム株式会社 テクノロジー事業本部
クライアントエンジニアリング本部
プリンシパルエンジニアリングマネージャー
金融・保険・新規事業開発、3つの部門を担当
IBM Technical Experts Council of Japan Steering Committee Member
東京理科大学理工学部卒業(同学SunSiteユーザーで電子商取引研究)。早稲田大学大学院経営
管理研究科ファイナンス専攻修了(AACSB EQUIS 認定MBA/ブロックチェーンファイナンス
研究)。GMOインターネット、サイバーエージェント、東京証券取引所、野村総合研究所、アマ
ゾンウェブサービスを経て2016年2月日本IBM入社。クラウド事業、Red Hatアライアンス事業、
Data AI事業、ガレージ事業、、立ち上げを経て2021年10月より金融保険チームを率い、2023年
より新規事業開発も兼務。グローバルカンファレンス登壇多数。著作7冊。早稲田大学ビジネス
スクールゲスト講師。事業構想大学院大学ゲスト講師。産業技術大学院大学情報アーキテク
チャー専攻ゲスト講師、神奈川大学工学部電気電子情報工学科特別講義プログラム講師。
第 3回 Machine Learning 15minutes! IBM Watsonの機械学習サービスとWatson Knowledge Studio-
第11回 Machine Learning 15minutes! Data Science Experience and Watson Machine Learning on Bluemix
第33回 Machine Learning 15minutes! AIバイアスとIBM Watson AI OpenScale & AI faireness 360 の活用
第50回 Machine Learning 15minutes! IBM Watson ML サービス 最新 Update
第56回 Machine Learning 15minutes! IBM Cloud Pak for Data As a Service で始めるAI Laddar スモールスタート
第60回 Machine Learning 15minutes! IBM Data Fabricで実現するアカデミック分析アプローチ
第65回 Machine Learning 15minutes! 業界ごとのデータ分析を支援するIBM IBM Data and AI Acceleratorsのご紹介
に過去登壇
自己紹介(平山毅)
5. AI Foundation Models と Codeflare
Codeflare
2021年12月には基盤モデルを扱うようにIBMがオー
プンソース化したソフトウェア。分散環境で動作す
るように構成されている。
https://github.com/project-codeflare
AI Foundation Models
様々なAIモデルを派生させて学習する元とすることが
できる大規模なAIモデル。自己教師あり学習と転移学
習を利用して、ある状況について学習した情報を他の
状況に適用することができる。
※ AI Foundation Modelsによって、AIの学習コストとオーバーヘッドが大きく軽減され、
Codeflareによって、マルチクラウド分散コンピューティングにおいての実装が可能になる。
高精度で効率的な学習によって、より複雑な構成でのAI実装が可能に。