Deep LearningのなかでもTransfer Learning(転移学習)を用いたオリジナル画像認識AIを、アプリケーションに組み込むためのAPI開発と実装方法を解説します。
MicrosoftのMicrosoft Cognitive Toolkit (CNTK)を使い、ソリューションを組み立てましょう。
Deep Learningの世界では理論と実装に大きな隔たりがありますが、丁寧に仕組みを追っていけばデータサイエンティストでなくてもAIの技術は使うことが出来ます。本セッションを通して、システムに人口知能APIを実装できるようになりましょう。
このチュートリアルではPythonでモデルをトレーニングし、C#でWebにそれをデプロイしていきます。
DroidKaigi 2019 Day.1 WelcomeTalk #droidkaigi のウェルカムトークです。
https://droidkaigi.jp/2019/
What is DroidKaigi?
DroidKaigiはエンジニアが主役のAndroidカンファレンスです。
Android技術情報の共有とコミュニケーションを目的に、2019年2月7日(木)、8日(金)の2日間開催します。
What is DroidKaigi?
DroidKaigi is a conference tailored for Android developers.
It's scheduled to take place on the 7th and 8th of February 2019.
Google I/O 2018 KeynoteとDeveloper KeynoteのOverviewMasahiro Hidaka
5月15日(火)に開催するGoogle I/O 2018報告会(Google Play APP DOJO)での講演資料です。Day.1のKeynoteおよびDeveloper Keynoteでのトピックをまとめた概要資料です。
Google AIの活用事例(アシスタント等での利用)に触れながらAndroidプラットフォームへの影響、今年一年の動きをカンファレンス参加した経験から共有します
More Related Content
Similar to Google I/O 2017 Extended: Android O And Android Studio
Deep LearningのなかでもTransfer Learning(転移学習)を用いたオリジナル画像認識AIを、アプリケーションに組み込むためのAPI開発と実装方法を解説します。
MicrosoftのMicrosoft Cognitive Toolkit (CNTK)を使い、ソリューションを組み立てましょう。
Deep Learningの世界では理論と実装に大きな隔たりがありますが、丁寧に仕組みを追っていけばデータサイエンティストでなくてもAIの技術は使うことが出来ます。本セッションを通して、システムに人口知能APIを実装できるようになりましょう。
このチュートリアルではPythonでモデルをトレーニングし、C#でWebにそれをデプロイしていきます。
DroidKaigi 2019 Day.1 WelcomeTalk #droidkaigi のウェルカムトークです。
https://droidkaigi.jp/2019/
What is DroidKaigi?
DroidKaigiはエンジニアが主役のAndroidカンファレンスです。
Android技術情報の共有とコミュニケーションを目的に、2019年2月7日(木)、8日(金)の2日間開催します。
What is DroidKaigi?
DroidKaigi is a conference tailored for Android developers.
It's scheduled to take place on the 7th and 8th of February 2019.
Google I/O 2018 KeynoteとDeveloper KeynoteのOverviewMasahiro Hidaka
5月15日(火)に開催するGoogle I/O 2018報告会(Google Play APP DOJO)での講演資料です。Day.1のKeynoteおよびDeveloper Keynoteでのトピックをまとめた概要資料です。
Google AIの活用事例(アシスタント等での利用)に触れながらAndroidプラットフォームへの影響、今年一年の動きをカンファレンス参加した経験から共有します
2013年5月6日に横浜Android and モバイルOS プラットフォーム部で発表した資料です。Androidアプリ開発者向けにOutofMemoryErrorの発生原理とメモリ管理について最新事情を加味してまとめました。Androidアプリにおけるメモリ事情は(初期に比べたら)改善していますが、OpenCVなど画像処理の需要、高解像度対応を踏まえると依然として十分とは言いがたいユースケースもあります。そんな中でメモリ資源をうまく使うための指標となれば幸いです。
ET West 2013 テクニカルセッション
【講演概要】
モバイル分野においてAndroid OSは大きなシェアを占めており重要性は日々、高まっている。本セッションではAndroidの最新動向を解説するとともに、実際のAndroidアプリ開発ワークフローに即して、組込みデバイス特有の課題の抽出と解決に向けたテクニックを解説する。またアプリ開発におけるセキュリティ・安全性リスクへの考察を通し、Androidへの理解を深める。
※受講対象者:Androidアプリ開発をこれから始める方、日頃から取り組んでいる方
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。
38. Android Studio 3.0
Canary 3 is now available
https://developer.android.com/studio/preview/index.html
39. Android Studioの高機能化
IDEとしての機能拡張
・New Design Tools
・Kotlin Support
・Android Profiler
Androidプラットフォーム
・Instant Apps and more
https://developer.android.com/studio/preview/index.html
What’s New in Android Development Tools
44. プロファイラで見るべき指標
10 Google Play Console Secrets to Optimize
Android Apps for Stellar User Retention
フレームレートに注意。16ms以
内のレンダリングが理想
0.1%のフレームが処理に700ms
かかるJunk Frame。Junkをなく
すことが体験向上に繋がる
10 Google Play Console Secrets to Optimize Android Apps for Stellar User Retention
Android Performance: An Overview、 Android Performance: UI
https://developer.android.com/topic/performance/vitals/render.html
45. プロファイラの使い分け
10 Google Play Console Secrets to Optimize
Android Apps for Stellar User Retention
Systrace : アプリに影響なく、
システム全体を監視できるがア
プリ内の挙動は苦手
Android Profiler : アプリの挙動
が詳細に分かるが挙動が重くな
る