SlideShare a Scribd company logo
画像認識 AI 機能 Einstein Vision
Object Detection を試してみよう
2018年1⽉11⽇
株式会社セールスフォース・ドットコム
今⽇の話者はこの3⼈
​ Michikazu Sugahara
​ DEMO Engineer
​ Kazuki Hayakawa
​ Solution Engineer
​ Hiroyuki Inaba
​ Platform Specialist
今⽇の狙い
※※アプリ開発者向けの内容であることあらかじめご了承ください※※
画像認識 AI を使ったアプリってどう作れば良いのだろう…
Einstein て簡単に使えるらしいし、Object Detection と⾔う
新しい機能が出たらしいけどどうやって使うのだろう…
悩めるアプリ開発者
なるほど! Object Detection ってそういう機能なんだ
⼀通りの試し⽅も理解できたし、まずはやってみよう
話の流れ
Salesforce Einstein と Einstein Vision - Object Detection 概要
サンプルアプリのデモ
データセット・モデルの作り⽅
データセット作成⽀援ツールのご紹介
各種情報・全体まとめ
1	
2	
3	
4	
5	
ü 最後に質問への回答の時間を設けます
ü 質問はいつでも送ってもらってOKです
Salesforce Einstein と
Einstein Vision - Object Detection 概要
1
Salesforce Einstein
お客様の CRM をよりスマートにすることに焦点をあてた AI 機能群
様々な製品で実装・提供される Einstein 機能
Marketing Cloud
Einstein Engagement Scoring
Einstein Segmentation
Einstein Vision for Social
Service Cloud
Einstein Bots
Einstein Agent
Einstein Vision for Field Service
Sales Cloud
Einstein Forecasting
Einstein Lead & Opportunity Scoring
Einstein Activity Capture
Commerce Cloud
Einstein Recommendations
Einstein Search Dictionaries
Einstein Predictive Sort
Salesforce Platform
Einstein Prediction Builder
Einstein Vision & Language
Einstein Discovery
Community Cloud
Einstein Answers
Community Sentiment
Einstein Recommendations
Austin Buchan
CEO, College Forward
画像認識の Vision と⾃然⾔語処理の Language
Web API サービスとして機能を提供
Einstein Platform Services (Vision & Language)
https://einstein.ai
Einstein Vision Einstein Language
•  Einstein Image Classification
Ø ⼊⼒画像全体を解析し、仕分けを⾏う
•  Einstein Object Detection
Ø ⼊⼒画像から、物体を検出する
•  Einstein Sentiment
Ø ⼊⼒⽂章の感情を識別する
•  Einstein Intent
Ø ⼊⼒⽂章をカテゴリ分けする
まだ
英語のみ
今⽇は
この話
Einstein Vision の⼆つの機能の違い
画像全体を⾒て仕分けする Image Classification と物体を検出する Object Detection
Image Classification (画像仕分け) Object Detection (物体検出)
•  レモン
•  みかん
•  トマト
•  にんにく
Image Classification
モデル
画像
仕分け
トマトの確率が
99%
⼊⼒
出⼒
Einstein Vision
•  レモン
•  みかん
•  トマト
•  にんにく
Object Detection
モデル
物体
検出
⼊⼒
出⼒
Einstein Vision
⼊⼒画像全体から、モデルが持つどのラベルの特徴がどれくらい
現れているかを返す
⼊⼒画像の中から、モデルが持つどのラベルの特徴がどこに検出
されたかを返す
•  X1,Y1にみかん:68%
•  X2,Y2にトマト:95%
•  X3,Y3ににんにく:90%
提供形態は Web API サービス
REST API を通して画像認識 AI 機能を利⽤してもらう (GUIが無い)
Einstein Vision
仕分け/
物体検出
Food
Image
Classifier
General
Image
Classifier
商品検出
プリセットの
モデル
独⾃作成の
モデル
REST APIのエンドポイント
(https://api.einstein.ai/[バージョン]/vision/[コマンド])
HTTPリクエスト
・OAuthトークン
・画像データ
・モデル指定
HTTPレスポンス
・結果(JSON形式)
Heroku や Lightning Platform で
UIとなるアプリを作成
利⽤者
お客様/パートナー様での開発が必要 Einstein Vision が提供
$	curl	-X	POST		
	-H	“Authorization:	Bearer	[アクセストークン]”		
	-H	“Content-Type:	multipart/form-data”		
	-F	“sampleContent=@[ファイルへのパス]"		
	-F	“modelId=[使⽤するモデル]"		
	https://api.einstein.ai/v2/vision/detect	
例) Object Detection の使い⽅ (1/2)
PCにある画像ファイルの物体検出を実⾏する curl コマンドを例に解説
{			
		"probabilities":	[					
				{							
						"label":	"Alpine	-	Oat	Cereal",							
						"probability":	0.98904955,							
						"boundingBox":	{									
								"minX":	305,	
								"minY":	130,	
								"maxX":	390,	
								"maxY":	262	
						}	
				},	
				{	
						"label":	"Alpine	-	Oat	Cereal",	
						"probability":	0.97531146,	
						"boundingBox":	{	
								"minX":	394,	
								"minY":	259,	
								"maxX":	485,	
								"maxY":	399	
						}	
				},	
(以下省略)
例) Object Detection の使い⽅ (2/2)
HTTP のレスポンスとして検出したラベル・確度・位置が返される
この章のまとめ
•  "Einstein" とは、Salesforce が提供する各製品の様々な AI 機能群
•  Salesforce Platform 領域の Einstein 機能として、Einstein Platform
Services (Vision & Language)を提供
•  Einstein Vision - Image Classification は、画像全体を⾒て仕分けを⾏い、
Object Detection は画像内から対象物体を⾒つけ出す
•  Web API サービスとして機能を提供
サンプルアプリのデモ
Kazuki Hayakawa
Solution Engineer
2
Einsteinvision - object detection を試してみよう
DEMO
アプリの仕組み
LINE Bot で Salesforce ロゴ画像を検出
画像選択・
送信
受信データ
表⽰
データ受信
認証キー取得
データ送信・
結果取得
画像編集・
結果送信
認証処理
物体検出
LINEアプリ
サーバーアプリ
(Bot 本体)
Einstein
Object Detection
データ転送
データ転送
アインシュタインくん
(LINE Bot)
独⾃の検出
モデルを構築
お試しいただけます
LINE アプリで QRコードをスキャンしてください
データセット・モデルの作り⽅
3
⾔葉の定義
①ラベル / ②データセット / ③トレーニング / ④モデル
物体検出
④
モデル
②
データセット
③
トレーニング
{
"label":"tomato",
"probability":0.97663295,
"boundingBox": {
"minX": 54,
〜中略〜
}
ラベルと抽出された
特徴の集合体
ラベルとトレーニング
(学習)⽤画像の集合体
①
ラベル
特徴適合度
Einstein Vision
ZIP
データセット作成⽤の
位置情報ファイルと
学習⽤画像データの実体
データセット・モデル作成全体の流れ
要件整理・
ラベルの定義
画像収集・
アノテーション
ファイルの作成
Zipファイル化・
アップロード
(データセット
作成)
トレーニング
実⾏
1 2 3 4
モデル
今回説明する例の要件
存在するティーバッグを検出する(在庫があるものは何かを知りたい)
ラベルの定義
12種類(商品)のティーバッグが存在する → ラベルを12個定義
1.  Twinings_LadyGrey
2.  Twinings_PrinceOfWales
3.  Twinings_EarlGray
4.  Twinings_Darjeeling
5.  Twinings_CeylonOrangePekoe
6.  Twinings_JasminEarlGrey
7.  Twinings_OrangeEarlGrey
8.  Lipton_ZestyEarlGrey
9.  Lipton_IncredibleDarjeeling
10. Lipton_PureNuwaraEliya
11. Lipton_FineCeylon
12. Lipton_FragrantEnglishBreakfast
画像の収集(撮影)
現状は1検出物体につき100〜200の学習⽤画像データがあると良いとされている
撮影⽤BOX
を使⽤して撮影
実際の利⽤
シーンに合わせて
撮影(⾓度・距離)
今回は計147枚の学習⽤画像データを⽤意
アノテーション(位置情報)の定義
⽤意した学習⽤画像データそれぞれに対して、ラベルがどの位置にあるかを定義
"IMG_1024.JPG","{""label"":""Twinings_Lady
Grey"",""y"":181,""x"":155,""height"":
372,""width"":
439}","{""label"":""Twinings_OrangeEarlGrey"",
""y"":898,""x"":587,""height"":297,""width"":
415}","{""label"":""Lipton_FragrantEnglishBreak
fast"",""y"":907,""x"":1402,""height"":
300,""width"":
407}","{""label"":""Lipton_FineCeylon"",""y"":
537,""x"":1392,""height"":357,""width"":
418}","{""label"":""Lipton_PureNuwaraEliya"",""
y"":559,""x"":992,""height"":338,""width"":
404}","{""label"":""Lipton_IncredibleDarjeeling
"",""y"":183,""x"":1389,""height"":
348,""width"":
410}","{""label"":""Lipton_ZestyEarlGrey"",""y"
":193,""x"":992,""height"":346,""width"":
388}","{""label"":""Twinings_JasminEarlGrey"","
"y"":906,""x"":1010,""height"":292,""width"":
394}","{""label"":""Twinings_CeylonOrangePekoe"
画像1枚につき1⾏のCSV形式
Zipファイル作成
ガイドに従い各ファイルを所定位置に配置しZipファイルを作成
ZIP このフォルダでzipファイルを作成
学習⽤画像データは examples フォルダ以下に配置
位置情報を記述したファイルは名前を"annotations.csv"とし
zipファイルのルートディレクトリ直下に配置
Zipファイルのアップロード&トレーニング実⾏
画像枚数&ラベル定義数にもよるが、トレーニング(モデル作成)にやや時間がかかる
Zipファイルのアップロード トレーニング実⾏
curl	-X	POST	-H	"Authorization:	Bearer	<TOKEN>"	
-H	"Content-Type:	multipart/form-data"	
-F	"data=@dataset_TeaBags.zip"	
-F	"type=image-detection"	https://api.einstein.ai/v2/
vision/datasets/upload
curl	-X	POST	-H	"Authorization:	Bearer	<TOKEN>"	
-H	"Content-Type:	multipart/form-data"	
-F	"name=TeaBags"	
-F	"datasetId=[DATASET	ID]"	https://api.einstein.ai/
v2/vision/train
{	
		"id":1033445,	
		"name":"TeaBags_20180110",	
		"createdAt":"2018-01-10T12:56:40.000+0000",	
		"updatedAt":"2018-01-10T12:56:40.000+0000",	
		"labelSummary":	{	
				"labels":[]	
		},	
		"totalExamples":0,	
		"available":false,	
		"statusMsg":"UPLOADING",	
		"type":"image-detection",	
		"object":"dataset"	
}
{	
		"datasetId":1033445,	
		"datasetVersionId":0,	
		"name":"Tea	Bags",	
		"status":"QUEUED",	
		"progress":0,	
		"createdAt":"2017-12-24T11:54:41.000+0000",	
		"updatedAt":"2017-12-24T11:54:41.000+0000",	
		"learningRate":0,	
		"epochs":0,	
		"queuePosition":1,	
		"object":"training",	
		"modelId":"NXCIBF6VL3ZZADXCFSXHE2PIOY",	
		"trainParams":null,	
		"trainStats":null,	
		"modelType":"image-detection"	
}
データセット準備中の状態。
取得したデータセットIDを
使って、準備状況確認の
APIを呼び出して状況確認
実⾏キューに⼊った状態。
モデルIDを使って、トレー
ニング状況確認のAPIを呼
び出して進捗確認
検出実⾏結果例
7種類正確に検出。Einstein Vision は「無いものが何か」は
答えられないので、例えば買い物リストを作成するような要件
に対応するにはアプリ側での処理が必要
ひとつも検出できず。今回モデルの作成に使⽤した学習⽤デー
タセットでは、対象物体が斜めのものが含まれていないため
この章のまとめ
• 学習⽤画像データの他に、位置情報を⽰したannotations.csvファイルが必要
• 必要なラベル定義数(≒学習⽤画像データ)は100〜200あることが望ましい
Ø 検証⽤としてなら(感覚値として)50程度あれば、ある程度の検出ができてくる(それ以下だと
検出⾃体が出来ない確率が⾼くなる)
Ø 同⼀画像データに対して、同⼀ラベル定義は⼀つまで
• 学習⽤画像データは実際に利⽤が想定される画像に近いもの、特に対象物の⼤
きさ・向き・周りの背景が同じもの・似ているものを⽤意する⽅が良い
データセット作成
⽀援ツール
Michikazu Sugahara
DEMO Engineer
4
ツールの概要
マウス操作で視覚的にラベルの位置情報を定義し、annotations.csvを含む
Zipファイルを⽣成できる
https://github.com/misu007/einstein-vision-annotation-creator
DEMO
各種情報・全体まとめ
5
試してみるには何が必要?
まずはアカウントのサインナップ。無償のトライアルライセンスを⽤意
クイックスタート: Einstein Image Classification
単元「Einstein プラットフォームサービスアカウントの取得」
を参照
次のスライドを参照
https://api.einstein.ai/signup
参考) Heroku での Einstein Vision アカウント取得
アドオンを追加することで、アカウント情報を取得できる
①Heroku アプリの作成 ②Einstein Vision アドオンの追加 ③アカウント情報を取得
Heroku でアプリケーション(枠)
を新規に作成する
※既存のアプリでも可
作成したアプリケーションの
「Resource」タブに遷移
し、"Add-ons"セクション
で"Einstein Vision"を検索・選択
する
「Starter - Free」を選択し
「Provision」ボタンをクリック
する
「Settings」タブの"Congfig
Variables"セクションで「Reveal
Config Vars」ボタンをクリックす
ると必要なアカウント情報(IDと
KEY)が確認できる
参考) Token の取得
curl コマンドなどで必要になる TOKEN は、専⽤サイトで取得できる
https://api.einstein.ai/token
①  払い出されたIDとKeyを貼り付ける
②  有効時間を設定する
③  「GET TOKEN」ボタンを押す
④  出⼒されたTOEKNをコピーする
■例⽂
curl	-X	GET	-H	"Authorization:	Bearer	<TOKEN>"	
https://api.einstein.ai/v2/apiusage	
↓	
■実⾏⽂	
curl	-X	GET	-H	"Authorization:	Bearer	
CQIJJ2HD4NL2JUT3STLUPWYQIENPTHJEHYOUXBFFZNARW2GPTWVUO7
7MDHYRSBQ4LQ23ON3FEFAX2NBAEULIV72YFOIVAMIEXVGKSEY"	
https://api.einstein.ai/v2/apiusage	
TOEKN の利⽤例
課⾦体系・ライセンス価格
仕分け・物体検出を実⾏する API を⽉に何回まで呼び出せるか、によって変わる
プラットフォーム
⽉間の仕分け・物体検出実⾏
API 呼び出し回数上限★1 価格
Lightning Platform 1,000★2 無償
1,000,000 お問い合わせ
Heroku 1,000★2 無償
10,000 $40/⽉
250,000 $850/⽉
1,000,000 $3,400/⽉
★1: 学習⽤画像データの枚数やデータセット・モデル数、各種指⽰ API 呼び出し回数はライセンス種類に依存しない
★2: 2018年2⽉から2,000に引き上げ予定
Object Detection で想定されている利⽤シナリオ
グローバルで実施していた Pilot プログラムでは店舗利⽤が多かった模様
商品在庫のあり/なし確認や
発注のサポート
表に出ている商品の
個数割合計算
⾃社の掲⽰物確認
競合他社の侵蝕検出
在庫管理 表出率算出 ガイドライン準拠確認
いくつかの検証の結果、現状ではかなり限定された環境下でのみ実⽤に耐えられると考える
個々の要件に適合できるかは事前検証が必須
まず試すならこのチュートリアルから
"Object Detection Quick Start"
•  https://metamind.readme.io/docs/od_qs_scenario
シリアル商品箱を検出する
Tutorial
オンラインドキュメント
•  https://metamind.readme.io/docs
公式サイト
•  https://einstein.ai/products/custom-detection
Image Classification や Language - Intent の Trailhead
•  クイックスタート: Einstein Image Classification
•  Build a Cat Rescue App That Recognizes Cat Breeds
•  Einstein Intent API の基礎
オンラインドキュメントに全てが記載されている
各種情報源へのリンク
全体のまとめ
• Einstein Vision - Object Detection は静⽌画像の中から物体を検出し、その位
置情報を返す Web API サービス
• 独⾃のモデルを作成するには、学習⽤画像データに加えて、対象物体の位置情
報を記した annotations.csv ファイルが必要
• 学習⽤画像データは、実際に検出させたい画像に極⼒似せたものを使⽤し、
対象物体のサンプル(定義数)が100以上になるように
• 実際の要件に適応できそうか、必ず事前検証を実施
& QA

More Related Content

What's hot

CNN-RNN: a large-scale hierarchical image classification framework
CNN-RNN: a large-scale hierarchical image classification frameworkCNN-RNN: a large-scale hierarchical image classification framework
CNN-RNN: a large-scale hierarchical image classification framework
harmonylab
 
機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案
Reiji Ohkuma
 
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイントVPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
Takuya Takaseki
 
LIFULL HOME'SでのSolrの構成と運用の変遷
LIFULL HOME'SでのSolrの構成と運用の変遷LIFULL HOME'SでのSolrの構成と運用の変遷
LIFULL HOME'SでのSolrの構成と運用の変遷
LIFULL Co., Ltd.
 
並行処理初心者のためのAkka入門
並行処理初心者のためのAkka入門並行処理初心者のためのAkka入門
並行処理初心者のためのAkka入門
Yoshimura Soichiro
 
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
Yusuke Suzuki
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
 
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
SSII
 
新人研修資料 向き合うエンジニア
新人研修資料 向き合うエンジニア新人研修資料 向き合うエンジニア
新人研修資料 向き合うエンジニア
akira6592
 
協調フィルタリング入門
協調フィルタリング入門協調フィルタリング入門
協調フィルタリング入門
hoxo_m
 
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデートAmazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Web Services Japan
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
 
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れR-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
Kazuki Motohashi
 
俺も エクストリームプログラミング入門
俺も エクストリームプログラミング入門俺も エクストリームプログラミング入門
俺も エクストリームプログラミング入門
Fumihiko Kinoshita
 
SQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するかSQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するか
Shogo Wakayama
 
新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには
Asai Masataro
 
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
Yui Sudo
 
Index tuning
Index tuningIndex tuning
Index tuning
Microsoft
 
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
RyuichiKanoh
 
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
 

What's hot (20)

CNN-RNN: a large-scale hierarchical image classification framework
CNN-RNN: a large-scale hierarchical image classification frameworkCNN-RNN: a large-scale hierarchical image classification framework
CNN-RNN: a large-scale hierarchical image classification framework
 
機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案
 
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイントVPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
VPCのアウトバウンド通信を制御するためにおさえておきたい設計ポイント
 
LIFULL HOME'SでのSolrの構成と運用の変遷
LIFULL HOME'SでのSolrの構成と運用の変遷LIFULL HOME'SでのSolrの構成と運用の変遷
LIFULL HOME'SでのSolrの構成と運用の変遷
 
並行処理初心者のためのAkka入門
並行処理初心者のためのAkka入門並行処理初心者のためのAkka入門
並行処理初心者のためのAkka入門
 
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
今どきのアーキテクチャ設計戦略 - QCon Tokyo 2016
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
 
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
SSII2019TS: Shall We GANs?​ ~GANの基礎から最近の研究まで~
 
新人研修資料 向き合うエンジニア
新人研修資料 向き合うエンジニア新人研修資料 向き合うエンジニア
新人研修資料 向き合うエンジニア
 
協調フィルタリング入門
協調フィルタリング入門協調フィルタリング入門
協調フィルタリング入門
 
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデートAmazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れR-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
 
俺も エクストリームプログラミング入門
俺も エクストリームプログラミング入門俺も エクストリームプログラミング入門
俺も エクストリームプログラミング入門
 
SQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するかSQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するか
 
新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには
 
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
深層学習を用いた音源定位、音源分離、クラス分類の統合~環境音セグメンテーション手法の紹介~
 
Index tuning
Index tuningIndex tuning
Index tuning
 
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
 
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
 

Similar to Einsteinvision - object detection を試してみよう

Custom Vision
Custom VisionCustom Vision
Custom Vision
Tomokazu Kizawa
 
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
Daiyu Hatakeyama
 
Build 2018 - Cognitive Services updates summary
Build 2018 - Cognitive Services updates summaryBuild 2018 - Cognitive Services updates summary
Build 2018 - Cognitive Services updates summary
Atsushi Yokohama (BEACHSIDE)
 
メディアコンテンツ向け記事検索DBとして使うElasticsearch
メディアコンテンツ向け記事検索DBとして使うElasticsearchメディアコンテンツ向け記事検索DBとして使うElasticsearch
メディアコンテンツ向け記事検索DBとして使うElasticsearch
Yasuhiro Murata
 
IoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきたIoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきた
kei omizo
 
Dev(ice)love デバイス祭り
Dev(ice)love デバイス祭りDev(ice)love デバイス祭り
Dev(ice)love デバイス祭り
Kaoru NAKAMURA
 
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
Yoichi Shirasawa
 
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
Akira Inoue
 
Realsense を活用した猪鹿蝶アタック
Realsense を活用した猪鹿蝶アタックRealsense を活用した猪鹿蝶アタック
Realsense を活用した猪鹿蝶アタック
Masuda Tomoaki
 
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォームEdge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
IoTビジネス共創ラボ
 
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
Deep Learning Lab(ディープラーニング・ラボ)
 
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
Shotaro Suzuki
 
AWS が提供する AI ソリューション
AWS が提供する AI ソリューションAWS が提供する AI ソリューション
AWS が提供する AI ソリューション
Amazon Web Services Japan
 
福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介
Mori Shingo
 
第5回業開中心会議
第5回業開中心会議第5回業開中心会議
第5回業開中心会議
Kaoru NAKAMURA
 
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
Madoka Chiyoda
 
Building modernapplicationwithelasiccloud
Building modernapplicationwithelasiccloudBuilding modernapplicationwithelasiccloud
Building modernapplicationwithelasiccloud
Shotaro Suzuki
 
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
Deep Learning Lab(ディープラーニング・ラボ)
 
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
Iida Yukako
 
Cognitve Services × Azure Kinect DK
Cognitve Services × Azure Kinect DKCognitve Services × Azure Kinect DK
Cognitve Services × Azure Kinect DK
ru pic
 

Similar to Einsteinvision - object detection を試してみよう (20)

Custom Vision
Custom VisionCustom Vision
Custom Vision
 
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
 
Build 2018 - Cognitive Services updates summary
Build 2018 - Cognitive Services updates summaryBuild 2018 - Cognitive Services updates summary
Build 2018 - Cognitive Services updates summary
 
メディアコンテンツ向け記事検索DBとして使うElasticsearch
メディアコンテンツ向け記事検索DBとして使うElasticsearchメディアコンテンツ向け記事検索DBとして使うElasticsearch
メディアコンテンツ向け記事検索DBとして使うElasticsearch
 
IoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきたIoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきた
 
Dev(ice)love デバイス祭り
Dev(ice)love デバイス祭りDev(ice)love デバイス祭り
Dev(ice)love デバイス祭り
 
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
 
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
Azure と Visual Studio で実践するモダナイゼーションとクラウド ネイティブ アプリケーション開発
 
Realsense を活用した猪鹿蝶アタック
Realsense を活用した猪鹿蝶アタックRealsense を活用した猪鹿蝶アタック
Realsense を活用した猪鹿蝶アタック
 
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォームEdge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
 
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
AIプロジェクト実践解説 〜 農業・医療・建設プラットフォームを支えるために必要なスキル 〜
 
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
Introducing the elastic 8.0 release a new era of speed, scale, relevance, and...
 
AWS が提供する AI ソリューション
AWS が提供する AI ソリューションAWS が提供する AI ソリューション
AWS が提供する AI ソリューション
 
福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介福井スマートフォンハッカソン Titanium Mobileの紹介
福井スマートフォンハッカソン Titanium Mobileの紹介
 
第5回業開中心会議
第5回業開中心会議第5回業開中心会議
第5回業開中心会議
 
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
Azure 入門 (と言いながらちょまどの好きな Azure サービス紹介)
 
Building modernapplicationwithelasiccloud
Building modernapplicationwithelasiccloudBuilding modernapplicationwithelasiccloud
Building modernapplicationwithelasiccloud
 
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
 
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
[Observability conference 2022/3/11] NewsPicks のプロダクト開発エンジニアが実践するスキルとしての SRE
 
Cognitve Services × Azure Kinect DK
Cognitve Services × Azure Kinect DKCognitve Services × Azure Kinect DK
Cognitve Services × Azure Kinect DK
 

More from Salesforce Developers Japan

Salesforce DX の始め方とパートナー様成功事例
Salesforce DX の始め方とパートナー様成功事例Salesforce DX の始め方とパートナー様成功事例
Salesforce DX の始め方とパートナー様成功事例
Salesforce Developers Japan
 
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみようデータ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
Salesforce Developers Japan
 
Einstein Analyticsでのデータ取り込みと加工
Einstein Analyticsでのデータ取り込みと加工Einstein Analyticsでのデータ取り込みと加工
Einstein Analyticsでのデータ取り込みと加工
Salesforce Developers Japan
 
GMOペパボのエンジニアが語るHeroku活用ノウハウ
GMOペパボのエンジニアが語るHeroku活用ノウハウGMOペパボのエンジニアが語るHeroku活用ノウハウ
GMOペパボのエンジニアが語るHeroku活用ノウハウ
Salesforce Developers Japan
 
Salesforce Big Object 最前線
Salesforce Big Object 最前線Salesforce Big Object 最前線
Salesforce Big Object 最前線
Salesforce Developers Japan
 
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
Salesforce Developers Japan
 
Einstein Next Best Action を試してみよう
Einstein Next Best Action を試してみようEinstein Next Best Action を試してみよう
Einstein Next Best Action を試してみよう
Salesforce Developers Japan
 
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
Salesforce Developers Japan
 
Lightning時代のService Cloud概要とカスタマイズ
Lightning時代のService Cloud概要とカスタマイズLightning時代のService Cloud概要とカスタマイズ
Lightning時代のService Cloud概要とカスタマイズ
Salesforce Developers Japan
 
Spring '19リリース開発者向け新機能セミナー
Spring '19リリース開発者向け新機能セミナーSpring '19リリース開発者向け新機能セミナー
Spring '19リリース開発者向け新機能セミナー
Salesforce Developers Japan
 
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
Salesforce Developers Japan
 
Einstein analyticsdashboardwebinar
Einstein analyticsdashboardwebinarEinstein analyticsdashboardwebinar
Einstein analyticsdashboardwebinar
Salesforce Developers Japan
 
MuleSoft Anypoint Platformのコンセプトとサービス
MuleSoft Anypoint PlatformのコンセプトとサービスMuleSoft Anypoint Platformのコンセプトとサービス
MuleSoft Anypoint Platformのコンセプトとサービス
Salesforce Developers Japan
 
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
Salesforce Developers Japan
 
Heroku seminar winter19
Heroku seminar winter19Heroku seminar winter19
Heroku seminar winter19
Salesforce Developers Japan
 
Dreamforce18 update platform
Dreamforce18 update platformDreamforce18 update platform
Dreamforce18 update platform
Salesforce Developers Japan
 
Winter '19 開発者向け新機能
Winter '19 開発者向け新機能Winter '19 開発者向け新機能
Winter '19 開発者向け新機能
Salesforce Developers Japan
 
Lightning時代のレポート ダッシュボード & Flow 最前線
Lightning時代のレポート ダッシュボード & Flow 最前線Lightning時代のレポート ダッシュボード & Flow 最前線
Lightning時代のレポート ダッシュボード & Flow 最前線
Salesforce Developers Japan
 
Summer18 開発者向け新機能Webセミナー
Summer18 開発者向け新機能WebセミナーSummer18 開発者向け新機能Webセミナー
Summer18 開発者向け新機能Webセミナー
Salesforce Developers Japan
 
使ってみよう、Salesforce Big Object!
使ってみよう、Salesforce Big Object!使ってみよう、Salesforce Big Object!
使ってみよう、Salesforce Big Object!
Salesforce Developers Japan
 

More from Salesforce Developers Japan (20)

Salesforce DX の始め方とパートナー様成功事例
Salesforce DX の始め方とパートナー様成功事例Salesforce DX の始め方とパートナー様成功事例
Salesforce DX の始め方とパートナー様成功事例
 
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみようデータ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
データ連携の新しいカタチ - 変更データキャプチャ/プラットフォームイベントを MuleSoft Anypoint Platform と組み合わせて試してみよう
 
Einstein Analyticsでのデータ取り込みと加工
Einstein Analyticsでのデータ取り込みと加工Einstein Analyticsでのデータ取り込みと加工
Einstein Analyticsでのデータ取り込みと加工
 
GMOペパボのエンジニアが語るHeroku活用ノウハウ
GMOペパボのエンジニアが語るHeroku活用ノウハウGMOペパボのエンジニアが語るHeroku活用ノウハウ
GMOペパボのエンジニアが語るHeroku活用ノウハウ
 
Salesforce Big Object 最前線
Salesforce Big Object 最前線Salesforce Big Object 最前線
Salesforce Big Object 最前線
 
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
Salesforce 開発者向け最新情報 Web セミナー 〜 TrailheaDX での新発表 & Summer '19 リリース新機能 〜
 
Einstein Next Best Action を試してみよう
Einstein Next Best Action を試してみようEinstein Next Best Action を試してみよう
Einstein Next Best Action を試してみよう
 
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
Salesforce DXとLightning Web ComponentsでモダンSalesforceアプリ開発
 
Lightning時代のService Cloud概要とカスタマイズ
Lightning時代のService Cloud概要とカスタマイズLightning時代のService Cloud概要とカスタマイズ
Lightning時代のService Cloud概要とカスタマイズ
 
Spring '19リリース開発者向け新機能セミナー
Spring '19リリース開発者向け新機能セミナーSpring '19リリース開発者向け新機能セミナー
Spring '19リリース開発者向け新機能セミナー
 
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
業務課題の解決に、データ分析・予測結果の活用を - Einstein Discovery / Einstein 予測ビルダーのご紹介 -
 
Einstein analyticsdashboardwebinar
Einstein analyticsdashboardwebinarEinstein analyticsdashboardwebinar
Einstein analyticsdashboardwebinar
 
MuleSoft Anypoint Platformのコンセプトとサービス
MuleSoft Anypoint PlatformのコンセプトとサービスMuleSoft Anypoint Platformのコンセプトとサービス
MuleSoft Anypoint Platformのコンセプトとサービス
 
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
IoTで成功を収めるための製品と戦略 〜 Salesforce IoT 〜
 
Heroku seminar winter19
Heroku seminar winter19Heroku seminar winter19
Heroku seminar winter19
 
Dreamforce18 update platform
Dreamforce18 update platformDreamforce18 update platform
Dreamforce18 update platform
 
Winter '19 開発者向け新機能
Winter '19 開発者向け新機能Winter '19 開発者向け新機能
Winter '19 開発者向け新機能
 
Lightning時代のレポート ダッシュボード & Flow 最前線
Lightning時代のレポート ダッシュボード & Flow 最前線Lightning時代のレポート ダッシュボード & Flow 最前線
Lightning時代のレポート ダッシュボード & Flow 最前線
 
Summer18 開発者向け新機能Webセミナー
Summer18 開発者向け新機能WebセミナーSummer18 開発者向け新機能Webセミナー
Summer18 開発者向け新機能Webセミナー
 
使ってみよう、Salesforce Big Object!
使ってみよう、Salesforce Big Object!使ってみよう、Salesforce Big Object!
使ってみよう、Salesforce Big Object!
 

Recently uploaded

「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
Hironori Washizaki
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
TsuyoshiSaito7
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
shogotaguchi
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
iPride Co., Ltd.
 
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
Takuya Minagawa
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
TsuyoshiSaito7
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo Lab
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 

Recently uploaded (10)

「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
 
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 

Einsteinvision - object detection を試してみよう