Submit Search
Upload
iPadで試すSwiftUIと機械学習CoreML
•
0 likes
•
282 views
Junji Ikeda
Follow
セッション資料
Read less
Read more
Software
Report
Share
Report
Share
1 of 56
Download now
Download to read offline
Recommended
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてDSO(https://vision.in.tum.de/research/vslam/dso)をまとめました。
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Scrum Fest Osaka 2019の登壇スライド
プラクティス厨から始めるアジャイル開発
プラクティス厨から始めるアジャイル開発
Arata Fujimura
Fukuoka.NET #5 での発表資料です https://fukuten.connpass.com/event/48572/
いまさら学ぶMVVMパターン
いまさら学ぶMVVMパターン
Yuta Matsumura
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
Cinemachine は柔軟なカメラのコントロールを実現するためのパッケージです。この動画では、見下ろし視点のカメラ設定を始めとした「プレイヤーに見せたいものを見せるためのカメラ操作の方法」をお伝えします。 講演者: 山村 達彦
Cinemachineで見下ろし視点のカメラを作る
Cinemachineで見下ろし視点のカメラを作る
Unity Technologies Japan K.K.
Unity Perceptionで作った教師データで、ロボットに搭載するAIの学習をする恐るべき闇の技術を紹介します。 また、その背景に隠された真実も合わせてお伝えします。
Unityでロボットの教師データは作れる!
Unityでロボットの教師データは作れる!
UnityTechnologiesJapan002
CVPR 2018 完全読破チャレンジ報告会 cvpaper.challenge 勉強会@Wantedly白金台オフィス cvpaper.challenge はコンピュータビジョン分野の今を映し、創り出す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文執筆(・社会実装)に至るまで広く取り組み、あらゆる知識を共有しています。 http://hirokatsukataoka.net/project/cc/index_cvpaperchallenge.html
動画認識・キャプショニングの潮流 (CVPR 2018 完全読破チャレンジ報告会)
動画認識・キャプショニングの潮流 (CVPR 2018 完全読破チャレンジ報告会)
cvpaper. challenge
Animation(Legacy)やMecanim、TimelineやSimple Animationといった機能の考え方や使い所、そしてPlayable APIやAnimation C# Jobs、Kinematicaなどの新機能が"どういった機能"で"何ができるようになるのか"といった情報を整理して紹介します。 このスライドは、TECH x GAME COLLEGE #5で紹介したスライドを少し手直ししたものとなります。 https://techxgamecollege.connpass.com/event/99824/
Unityアニメーションシステムの 今と未来の話
Unityアニメーションシステムの 今と未来の話
Unity Technologies Japan K.K.
Recommended
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてDSO(https://vision.in.tum.de/research/vslam/dso)をまとめました。
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Scrum Fest Osaka 2019の登壇スライド
プラクティス厨から始めるアジャイル開発
プラクティス厨から始めるアジャイル開発
Arata Fujimura
Fukuoka.NET #5 での発表資料です https://fukuten.connpass.com/event/48572/
いまさら学ぶMVVMパターン
いまさら学ぶMVVMパターン
Yuta Matsumura
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
Cinemachine は柔軟なカメラのコントロールを実現するためのパッケージです。この動画では、見下ろし視点のカメラ設定を始めとした「プレイヤーに見せたいものを見せるためのカメラ操作の方法」をお伝えします。 講演者: 山村 達彦
Cinemachineで見下ろし視点のカメラを作る
Cinemachineで見下ろし視点のカメラを作る
Unity Technologies Japan K.K.
Unity Perceptionで作った教師データで、ロボットに搭載するAIの学習をする恐るべき闇の技術を紹介します。 また、その背景に隠された真実も合わせてお伝えします。
Unityでロボットの教師データは作れる!
Unityでロボットの教師データは作れる!
UnityTechnologiesJapan002
CVPR 2018 完全読破チャレンジ報告会 cvpaper.challenge 勉強会@Wantedly白金台オフィス cvpaper.challenge はコンピュータビジョン分野の今を映し、創り出す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文執筆(・社会実装)に至るまで広く取り組み、あらゆる知識を共有しています。 http://hirokatsukataoka.net/project/cc/index_cvpaperchallenge.html
動画認識・キャプショニングの潮流 (CVPR 2018 完全読破チャレンジ報告会)
動画認識・キャプショニングの潮流 (CVPR 2018 完全読破チャレンジ報告会)
cvpaper. challenge
Animation(Legacy)やMecanim、TimelineやSimple Animationといった機能の考え方や使い所、そしてPlayable APIやAnimation C# Jobs、Kinematicaなどの新機能が"どういった機能"で"何ができるようになるのか"といった情報を整理して紹介します。 このスライドは、TECH x GAME COLLEGE #5で紹介したスライドを少し手直ししたものとなります。 https://techxgamecollege.connpass.com/event/99824/
Unityアニメーションシステムの 今と未来の話
Unityアニメーションシステムの 今と未来の話
Unity Technologies Japan K.K.
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてORB-SLAMの手法部分をまとめました。
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
大規模なコードベースのリファクタリング戦略を、コード自体のメトリクスを元にして立案しているプラクティスを紹介します。
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
Tomoki Kuriyama
第27回ロボティクスシンポジア 最優秀賞受賞 「大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成」 小出健司,横塚将志,大石修士,阪野貴彦 産業技術総合研究所 モバイルロボティクス研究チーム
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
20180423のSLAM入門輪読会で第2章を説明した資料です
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
コマンドラインツールデザイン
コマンドラインツールデザイン
コマンドラインツールデザイン
t_ichioka_sg
2013年に発足したスマホネイティブゲームの開発部門において、QAエンジニアとして開発プロジェクトに飛び込み日々テストを行う中で、笑いあり、涙ありの様々なナレッジが蓄積されました。 発足から2年弱の間で合計7つの開発チームにQAエンジニアが参加し、各チームの開発手法に沿って品質保証を行う中で、QAエンジニアが居ても品質保証が困難だった事例や、逆にQAエンジニアが居たからこそ上手く行った事例などを時間の許す限りご紹介致します。
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
gree_tech
TuertleBot3(タートルボット3)はROS1,ROS2入門のためのLiDARを搭載したオープンソースの移動ロボットプラットフォームです 無償公開のWebドキュメントによりROS1,ROS2の最新バージョンの学習・評価と応用開発が出来ます。
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
ROBOTIS Japan
第1回3D勉強会@PFN 2018年5月27日 NDTスキャンマッチングの資料です。
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
意外と苦労する、一部の画面のみランドスケープ表示を許容する方法
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
将之 小野
2017.05.27, 3D勉強会@関東 発表資料 論文紹介:ORB-SLAM
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
4/2のGoogle Developers Live Japan #3の資料です。
Chrome Developer Toolsを使いこなそう!
Chrome Developer Toolsを使いこなそう!
yoshikawa_t
ChatGPTの誕生経緯・特徴、それによるインパクトを予測
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
Koji Fukuoka
第51回コンピュータビジョン勉強会@関東「コンピュータビジョン - 広がる要素技術と応用 - 」読み会 "4.4 未知な環境下におけるカメラの位置姿勢推定"発表資料
Visual slam
Visual slam
Takuya Minagawa
SfMLearner + KF selectionを提案した"Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry Towards Monocular Deep SLAM [ICCV19]"を論文読み会で紹介した時の資料です.
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Masaya Kaneko
PPLサマースクール2016「商用Java処理系の研究開発」のパート2です. http://ppl.jssst.or.jp/index.php?ss2016 Java言語処理系の実装について詳説する.まずJava仮想マシンの概要について述べ,その主要な構成要素として,クラス管理とインタープリタ,ヒープ管理とガベージコレクション,スレッド管理と同期機構,JITコンパイラとの連携,などについて説明する.性能改善のために行った各種手法についても触れる. 他のパート 1 Javaの登場と発展 http://www.slideshare.net/Tamiya_Onodera/java-66081108 2 Java仮想マシンの実装技術 http://www.slideshare.net/KiyokuniKawachiya/java-66003903 3 Java Just-In-Timeコンパイラの実装技術 http://www.slideshare.net/ishizaki/20160906-pplss-ishizaki-public 4 まとめと展望 http://www.slideshare.net/Tamiya_Onodera/ss-66081142
Java仮想マシンの実装技術
Java仮想マシンの実装技術
Kiyokuni Kawachiya
2020年4月6日 東京大学大学院 電子情報学特論Ⅰでの講義資料を公開します。(2-2) 「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦 https://www.eidos.ic.i.u-tokyo.ac.jp/~tau/lecture/tokuron/
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
Preferred Networks
CEDEC 2021 の講演資料です。 ノートに講演で話した内容をそのまま記載ありますので、 講演内容を完全に把握したい方はダウンロードしての閲覧をお勧めします。 株式会社セガ 開発技術部 廣島岳史/竹原涼
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
SEGADevTech
単眼SLAMの勉強会の初回としてARブームのブレイクスルーのきっかけとなったPTAMに関して調査をしました。
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
More Related Content
What's hot
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてORB-SLAMの手法部分をまとめました。
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
大規模なコードベースのリファクタリング戦略を、コード自体のメトリクスを元にして立案しているプラクティスを紹介します。
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
Tomoki Kuriyama
第27回ロボティクスシンポジア 最優秀賞受賞 「大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成」 小出健司,横塚将志,大石修士,阪野貴彦 産業技術総合研究所 モバイルロボティクス研究チーム
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
20180423のSLAM入門輪読会で第2章を説明した資料です
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
コマンドラインツールデザイン
コマンドラインツールデザイン
コマンドラインツールデザイン
t_ichioka_sg
2013年に発足したスマホネイティブゲームの開発部門において、QAエンジニアとして開発プロジェクトに飛び込み日々テストを行う中で、笑いあり、涙ありの様々なナレッジが蓄積されました。 発足から2年弱の間で合計7つの開発チームにQAエンジニアが参加し、各チームの開発手法に沿って品質保証を行う中で、QAエンジニアが居ても品質保証が困難だった事例や、逆にQAエンジニアが居たからこそ上手く行った事例などを時間の許す限りご紹介致します。
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
gree_tech
TuertleBot3(タートルボット3)はROS1,ROS2入門のためのLiDARを搭載したオープンソースの移動ロボットプラットフォームです 無償公開のWebドキュメントによりROS1,ROS2の最新バージョンの学習・評価と応用開発が出来ます。
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
ROBOTIS Japan
第1回3D勉強会@PFN 2018年5月27日 NDTスキャンマッチングの資料です。
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
意外と苦労する、一部の画面のみランドスケープ表示を許容する方法
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
将之 小野
2017.05.27, 3D勉強会@関東 発表資料 論文紹介:ORB-SLAM
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
4/2のGoogle Developers Live Japan #3の資料です。
Chrome Developer Toolsを使いこなそう!
Chrome Developer Toolsを使いこなそう!
yoshikawa_t
ChatGPTの誕生経緯・特徴、それによるインパクトを予測
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
Koji Fukuoka
第51回コンピュータビジョン勉強会@関東「コンピュータビジョン - 広がる要素技術と応用 - 」読み会 "4.4 未知な環境下におけるカメラの位置姿勢推定"発表資料
Visual slam
Visual slam
Takuya Minagawa
SfMLearner + KF selectionを提案した"Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry Towards Monocular Deep SLAM [ICCV19]"を論文読み会で紹介した時の資料です.
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Masaya Kaneko
PPLサマースクール2016「商用Java処理系の研究開発」のパート2です. http://ppl.jssst.or.jp/index.php?ss2016 Java言語処理系の実装について詳説する.まずJava仮想マシンの概要について述べ,その主要な構成要素として,クラス管理とインタープリタ,ヒープ管理とガベージコレクション,スレッド管理と同期機構,JITコンパイラとの連携,などについて説明する.性能改善のために行った各種手法についても触れる. 他のパート 1 Javaの登場と発展 http://www.slideshare.net/Tamiya_Onodera/java-66081108 2 Java仮想マシンの実装技術 http://www.slideshare.net/KiyokuniKawachiya/java-66003903 3 Java Just-In-Timeコンパイラの実装技術 http://www.slideshare.net/ishizaki/20160906-pplss-ishizaki-public 4 まとめと展望 http://www.slideshare.net/Tamiya_Onodera/ss-66081142
Java仮想マシンの実装技術
Java仮想マシンの実装技術
Kiyokuni Kawachiya
2020年4月6日 東京大学大学院 電子情報学特論Ⅰでの講義資料を公開します。(2-2) 「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦 https://www.eidos.ic.i.u-tokyo.ac.jp/~tau/lecture/tokuron/
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
Preferred Networks
CEDEC 2021 の講演資料です。 ノートに講演で話した内容をそのまま記載ありますので、 講演内容を完全に把握したい方はダウンロードしての閲覧をお勧めします。 株式会社セガ 開発技術部 廣島岳史/竹原涼
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
SEGADevTech
単眼SLAMの勉強会の初回としてARブームのブレイクスルーのきっかけとなったPTAMに関して調査をしました。
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
What's hot
(20)
ORB-SLAMの手法解説
ORB-SLAMの手法解説
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
コマンドラインツールデザイン
コマンドラインツールデザイン
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
CEDEC2015_スマホゲーム開発を支えろ!〜汗と涙のQAエンジニアリング〜
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
意外と苦労する、一部の画面のみ ランドスケープ表示を許容する方法 (potatotips 第17回)
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
Chrome Developer Toolsを使いこなそう!
Chrome Developer Toolsを使いこなそう!
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
Visual slam
Visual slam
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Unsupervised Collaborative Learning of Keyframe Detection and Visual Odometry...
Java仮想マシンの実装技術
Java仮想マシンの実装技術
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
東大大学院 電子情報学特論講義資料「ハイパーパラメタ最適化ライブラリOptunaの開発」柳瀬利彦
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
CEDEC2021 Android iOS 実機上での自動テストをより楽に有意義にする為に ~端末管理・イメージ転送・動画記録等の周辺情報のノウハウ共有~
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
iPadで試すSwiftUIと機械学習CoreML
1.
2.
セッション・メニュー iPadで試すSwiftUIと機械学習 • Appleの機械学習フレームワーク • Core
ML・Create ML • 機械学習モデルについて • モデル・クラスのSwiftコード自動生成 • iPad Swift Playgroundsで試す • SwiftUIで表示を作る • 機械学習モデルを試す
3.
https://developer.apple.com/jp/machine-learning/
4.
5.
https://developer.apple.com/jp/documentation/coreml/
6.
7.
8.
https://developer.apple.com/jp/machine-learning/create-ml/
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
https://developer.apple.com/jp/machine-learning/core-ml/
20.
21.
22.
23.
24.
https://developer.apple.com/jp/machine-learning/models/
25.
26.
27.
深度推定 線画識別 線画識別
28.
29.
画像セグメン テーション オブジェクト 抽出 リアルタイム オブジェクト 抽出
30.
31.
画像識別 Image Classification
32.
33.
https://developer.apple.com/jp/machine-learning/models/
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
引数:機械学習モデル名
52.
コンパイルモデルは使えない
53.
?
54.
? AR
55.
? AR
56.
iPad Swift Playgroundsで 試しましょう。
Download now