GPU の分析への応用などの基礎技術の進化とクラウドの爆発的な普及に伴い、だれもが使いたいときに使いたい時だけ高性能なマシンリソースを使える時代が到来し、家電、スマホ、ビジネスアプリケーションなどありとあらゆるものに AI が搭載されているとうたわれ、一部のデータサイエンティストが担っていた高度な分析や深層学習のフレームワークもエンドユーザーで使いこなす人も少なくありません。
一方で、AI や深層学習という言葉が独り歩きし、まず AI 導入ありきでプロジェクトが始まり、目的が失われ頓挫するようなケースや、予測した結果についての妥当性について説明がつかず、結果がうまく利用できないようなケースも見られるようになってきました。
今回のセミナーでは、AI や高度な分析についての最新トレンドと、その使いどころについて、実際の事例や経験などを踏まえお伝えします。
JSUG SpringOnePlatform 2016報告会 Case study2 - feed back - springoneplatformTakahiro Fujii
JSUG勉強会〜SpringOne Platform 2016 報告会!
https://jsug.doorkeeper.jp/events/50931
で発表させて頂いた、case studyのfeedbackになります。
This is the Japanese Feedback document of SpringOnepPlatform 2016 conference.
Similar to Tech summit2017 arukikata_all_final (20)
【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。
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.
6. Tech Summit 2017 の歩き方
データ & AI 編
Updated on October 20, 2017.
皆様、ごきげんよう。Tech Summit 2017 がいよいよ開催されます。この 2 日間、あちこちで魅力的
なセッションが実施されますが、さてどれを受講しよう?どれもこれも気になる…。そんなあなたに限ら
れた時間を最大限満喫いただくための耳より情報をお届けします。
AI を利用することで私たち自身が自らの限界を超えていく
さて、なんといっても現在の技術で注目を浴びている分野は “人工知能 (AI)“ でしょう。
マイクロソフトは、「Our mission is to empower every person and every organization on the
planet to achieve more.」をカンパニー ミッションとしていますが、AI については人間にとって代わ
るものではなく、人々のできることをさらに伸ばすためのいわば「エージェント」ととらえています。
今回のデータ系トラックは、マイクロソフトの AI についての取り組み、そして AI が人の赤ん坊と考え
るならば、良質の学習教材が必要ですが、同様に優れた AI に「育てる」ためには、優れたデータと、優
れたデータ プラットフォームが必要です。
マイクロソフトのデータ戦略
マイクロソフトは、Azure だけを推しているわけではありません。データを持ち出せない環境だってあ
ります。だから、オンプレミス環境でも、クラウド環境でも、ハイブリッド環境でも同じようにデータか
ら役に立つ「気づき」を得られるように選択肢を用意しています。
オンプレミス環境でもクラウドでもデータ分析
可視化まで同じエクスペリエンスを提供