画像分類データセット作成時のノウハウと注意点 〜ラーメン二郎データセットの事例を交えて〜 #yjfukuoka

画像分類データセット作成における、データ収集からクリーニング等のノウハウをラーメン二郎データセット作成時の事例を交えてお話します。（ヤフー福岡 Tech Meetup #4 発表資料） #yjfukuoka

Technology

画像分類データセット作成時のノウハウと注意点〜ラーメン二郎データセットの事例を交えて〜 #yjfukuoka

cvpaper.challengeにおいてECCVのOral論文をまとめた「ECCV 2020 報告」です。 ECCV2020 Oral論文完全読破(2/2) [https://www.slideshare.net/cvpaperchallenge/eccv2020-22-238640597/1] pp. 7-10 ECCVトレンド pp. 12-81 3D geometry & reconstruction pp. 82-137 Geometry, mapping and tracking pp. 138-206 Image and Video synthesis pp. 207-252 Learning methods cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議に30+本投稿」することです。

画像認識における特徴表現 -SSII技術マップの再考-

Hironobu Fujiyoshi

SSII2018特別講演（2018年6月15日）講演概要： SSII技術マップ（画像認識）は、2014年における画像認識技術の過去の変遷をまとめたものである。現在、画像認識における特徴表現能力は深層学習の進化に伴い大きく進展し、コンピュータビジョンの最終目標であったセマンティックセグメンテーション問題まで乗り越えつつある。本講演では、SSII技術マップをベースに画像認識における特徴表現の進展を再考、検証し、認識の次に解くべき問題と今後の課題を議論する場を提供したい。

[DL輪読会]Wasserstein GAN/Towards Principled Methods for Training Generative Adv...

KCS Keio Computer Society

Variational AutoEncoder

Kazuki Nitta

ELBO型VAEのダメなところ

論文紹介 No-Reward Meta Learning (RL architecture勉強会)

Yusuke Nakata

【DL輪読会】Contrastive Learning as Goal-Conditioned Reinforcement Learning

Deep learningを使った生成モデルの中でも、VAEとその拡張であるCVAE、IWAE、ADGMの導出と理論の話。 ADGMについては、論文がラベルありについての導出がメインなので、ラベルなしの場合のグラフィカルモデルを作って定式化し導出過程を説明。 VAEは実装できるけどどういう理論でできてるかわからないとか、どうやって拡張するか、ADGMの実装をどうすればいいかわからない人向け。

[Ridge-i 論文よみかい] Wasserstein auto encoder

Masanari Kimura

幾何と機械学習: A Short Intro

Ichigaku Takigawa

[DL輪読会]Neural Ordinary Differential Equations

NIPS2015読み会: Ladder Networks

Eiichi Matsumoto

はじめての機械学習

Taiji Suzuki

ConditionalPointDiffusion.pdf

Takuya Minagawa

(DL hacks輪読) How to Train Deep Variational Autoencoders and Probabilistic Lad...

PRML学習者から入る深層生成モデル入門

tmtm otm

MixMatch: A Holistic Approach to Semi- Supervised Learning

深層生成モデルと世界モデル

ICLR2020読み会 (neural-tangents)

RyuichiKanoh

[チュートリアル講演] 音声波形直接生成モデル「ニューラルボコーダ」の比較

Takuma_OKAMOTO

[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...

SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...

SegFormerはTransformerとMLPデコーダを統合した、シンプルだが強力なセマンティックセグメンテーションフレームワークです。そのモデル構造として，エンコーダ部分は，固定サイズの位置埋め込みではなく動的位置埋め込みを用いた階層型Transformerの構造となっており，デコーダ部分は複雑性や計算コストを抑えるAll-MLP構造です。SegFormerは計算コストが低いにも関わらずSoTAを記録しました。

VAEs for multimodal disentanglement

Antonio Tejero de Pablos

ゼロから始める転移学習

【DL輪読会】Egocentric Video Task Translation (CVPR 2023 Highlight)

継続的なモデルモニタリングを実現するKubernetes Operator

ヤフーでは開発迅速性と品質のバランスをどう取ってるか

Test Engineers Meetup 近年のソフトウエア開発では、ビジネス変化への対応がスピーディーであることが求められます。いかに迅速にかつサービスの品質を落とさずにお客様へ新しい価値を提供できるかが重要です。このプレゼンテーションでは、開発迅速性とサービスの品質の計測と可視化、そして、2つの要素をバランスよく改善するべく自分たちが取り組んでいることを事例として紹介します。

What's hot

【DL輪読会】Reflash Dropout in Image Super-Resolution

計算論的学習理論入門 -PAC学習とかVC次元とか-

sleepy_yoshi

深層生成モデルの理論と導出(Variational Auto-encoderからADGM)

Tetsuo Tashiro

[Ridge-i 論文よみかい] Wasserstein auto encoder

Masanari Kimura

幾何と機械学習: A Short Intro

Ichigaku Takigawa

[DL輪読会]Neural Ordinary Differential Equations

NIPS2015読み会: Ladder Networks

Eiichi Matsumoto

はじめての機械学習

Taiji Suzuki

ConditionalPointDiffusion.pdf

Takuya Minagawa

(DL hacks輪読) How to Train Deep Variational Autoencoders and Probabilistic Lad...

PRML学習者から入る深層生成モデル入門

tmtm otm

MixMatch: A Holistic Approach to Semi- Supervised Learning

深層生成モデルと世界モデル

ICLR2020読み会 (neural-tangents)

RyuichiKanoh

[チュートリアル講演] 音声波形直接生成モデル「ニューラルボコーダ」の比較

Takuma_OKAMOTO

[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...

SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...

VAEs for multimodal disentanglement

Antonio Tejero de Pablos

ゼロから始める転移学習

【DL輪読会】Egocentric Video Task Translation (CVPR 2023 Highlight)

What's hot (20)

【DL輪読会】Reflash Dropout in Image Super-Resolution

計算論的学習理論入門 -PAC学習とかVC次元とか-

深層生成モデルの理論と導出(Variational Auto-encoderからADGM)

[Ridge-i 論文よみかい] Wasserstein auto encoder

幾何と機械学習: A Short Intro

[DL輪読会]Neural Ordinary Differential Equations

NIPS2015読み会: Ladder Networks

はじめての機械学習

ConditionalPointDiffusion.pdf

(DL hacks輪読) How to Train Deep Variational Autoencoders and Probabilistic Lad...

PRML学習者から入る深層生成モデル入門

MixMatch: A Holistic Approach to Semi- Supervised Learning

深層生成モデルと世界モデル

ICLR2020読み会 (neural-tangents)

[チュートリアル講演] 音声波形直接生成モデル「ニューラルボコーダ」の比較

[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...

SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...

VAEs for multimodal disentanglement

ゼロから始める転移学習

【DL輪読会】Egocentric Video Task Translation (CVPR 2023 Highlight)

More from Yahoo!デベロッパーネットワーク

継続的なモデルモニタリングを実現するKubernetes Operator

ヤフーでは開発迅速性と品質のバランスをどう取ってるか

オンプレML基盤on Kubernetes パネルディスカッション

LakeTahoe

オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜

Persistent-memory-native Database High-availability Feature

データの価値を最大化させるためのデザイン～データビジュアライゼーションの方法～ #devsumi 17-E-2

2022年2月17日・18日に開催された「Developers Summit 2022」1日目の登壇スライドです。ヤフーのデータソリューション事業やデータサイエンス部門のデザイナーとして、日々の業務においてデータに直接に触れる機会の多いエンジニアの皆さんとデータビジュアライズの観点で共有し実践していることをご紹介します。

eコマースと実店舗の相互利益を目指したデザイン #yjtc

2021年の「グッドデザイン賞」ではヤフーから4案件が受賞しました。本セッションでは「PayPayモールの実店舗在庫連携」について、案件の立ち上げから、リリースを通して改善・工夫した事、グッドデザイン賞の受賞経緯など、デザイナー目線でお話しします。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/MFnZd1j4SUk

ヤフーを支えるセキュリティ～サイバー攻撃を防ぐエンジニアの仕事とは～ #yjtc

世の中にはサービスのセキュリティを脅かす犯罪者がたくさんいます。ユーザーを犯罪者から守り、サービスを安心安全に利用していただくため、高度化するサイバー攻撃に日々対応する必要があります。ヤフーにおけるセキュリティの一翼を担っているCSIRTとSOCについて紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/boqitqHobrc

Yahoo! JAPANのIaaSを支えるKubernetesクラスタ、アップデート自動化への挑戦 #yjtc

Yahoo! JAPANのIaaS基盤では200超のOpenStackクラスタが稼働しており、それらのコントロールプレーンをKubernetes上にデプロイしています。IaaSチームで管理している十数のKubernetesクラスタは古いバージョンのまま運用が続けられていたため、現在、段階的にバージョンアップおよびその自動化に取り組んでいます。このようなクラスタ群をメンテナンスする中で、工夫した点や失敗した点、得られた知見を紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/F5EQqWOw8So

ビッグデータから人々のムードを捉える #yjtc

ムード（気分）は人間の行動に大きく影響します。インターネットサービスにおいて、もし人々のムードを考慮し寄り添えたなら、より魅力的なサービスが提供できるのではないでしょうか。本セッションではヤフーが持つビッグデータを用いて「ムードを推定する」取り組みについてご紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/WyZOmUN52-s

サイエンス領域におけるMLOpsの取り組み #yjtc

ヤフーでは、さまざまな形で機械学習を活用してきました。その経験をもとに、AIプラットフォームと連携し、MLOpsの導入・推進を進めています。本セッションでは、サイエンス部門におけるMLOpsを推進するためにこれまで行ってきた取り組みについて紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/tf9C0sLOZ14

ヤフーのAIプラットフォーム紹介～AIテックカンパニーを支えるデータ基盤～ #yjtc

ヤフーはAIテックカンパニーを目指し、その実現に向かって進んでいます。そのためには、AI開発のためのデータ基盤が必要です。本セッションでは、AI開発に必要なデータ基盤の全体概要と、開発を効率化するAIプラットフォームを紹介をします。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/XZKOHIfEnsU

Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc

新技術を使った次世代の商品の見せ方～ヤフオク!のマルチビュー機能～ #yjtc

2021年1月にヤフオク!アプリに商品を多角的に撮影／閲覧できる機能「マルチビュー」が導入されました。ヤフオク!にマルチビュー機能が追加された理由やマルチビュー機能を実現する多視点技術についてお話しします。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/4Fi9cb0x6LU

PC版Yahoo!メールリニューアル～サービスのUI/UX統合と改善プロセス～ #yjtc

2021年9月、PC版Yahoo!メールを10年ぶりにリニューアルしました。技術刷新を機にweb・アプリのUI/UXを統合し、Yahoo! JAPANのサービスとしての一貫性あるデザインにしました。大規模リニューアルの改善ポイントとそのプロセスについてご紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/zuE6IysVsNw

モブデザインによる多職種チームのコミュニケーション改善 #yjtc

ヤフーは昨年「ワクチン接種キャンセル枠お知らせサービス」を公開しました。多くの関係者が存在するプロジェクトでありながら、リモートワーク環境下での協業、高いスピード感が必要となるプロジェクトでした。本セッションではこのプロジェクトの成功につながった「モブデザイン」という取り組みについて、その効果やうまく運用するためのポイントを紹介します。実際にモブデザインを行っている様子もご覧いただけるので、特に多職種チームでスピード感のある意思決定をしていくことに課題感をお持ちの方へのヒントになればと思います。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/lmsY2uCP6lY

「新しいおうち探し」のためのAIアシスト検索 #yjtc

Yahoo!不動産では「新しいおうち探し」が体験できるAIアシスト検索を提供しています。AIアシスト検索ではさまざまな軸をレコメンドすることによって検索をサポートしています。本セッションでは、AIアシスト検索のレコメンドがクラスタリングや深層学習といった手法を使って、どのように実現されているのかを紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/-uhdjlcfcmQ

ユーザーの地域を考慮した検索入力補助機能の改善の試み #yjtc

Yahoo!検索の入力補助機能について、ユーザーの現在位置を考慮することによる改善施策を題材として、施策の検討からオフラインでの実験、A/Bテスト、リリースまでの一連のプロセスについて紹介します。 Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。 https://techconference.yahoo.co.jp/2022/ アーカイブ動画はこちらからご覧ください。 https://youtu.be/8kXmkBTw0nU

The potential of Kubernetes as more than just an infrastructure to deploy

分散密ベクトル探索エンジンである Vald ( https://vald.vdaas.org ) は、 Kubernetesを単なるデプロイするためのインフラとしてだけではなく、Valdのアプリケーションロジックが直接Kubernetes APIを利用し分散密ベクトル探索エンジンValdの分散レイヤーの一部として利用しています。 ValdはGraph&Tree構造からなるベクトルインデックス構造をIn-Memory上に保持しており、各Podは別々のGraph空間を有していてKubernetesのAPIから取得できる情報をもとに各Podのベクトルインデックスの管理を行っています。このスライドでは、アプリケーションからcontroller-runtimeを利用し直接 Kubernetes API を利用する真の Kubernetes ネイティブアプリケーションであるValdの事例について紹介します。

More from Yahoo!デベロッパーネットワーク (20)

継続的なモデルモニタリングを実現するKubernetes Operator

ヤフーでは開発迅速性と品質のバランスをどう取ってるか

オンプレML基盤on Kubernetes パネルディスカッション

LakeTahoe

オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜

Persistent-memory-native Database High-availability Feature

データの価値を最大化させるためのデザイン～データビジュアライゼーションの方法～ #devsumi 17-E-2

eコマースと実店舗の相互利益を目指したデザイン #yjtc

ヤフーを支えるセキュリティ～サイバー攻撃を防ぐエンジニアの仕事とは～ #yjtc

Yahoo! JAPANのIaaSを支えるKubernetesクラスタ、アップデート自動化への挑戦 #yjtc

ビッグデータから人々のムードを捉える #yjtc

サイエンス領域におけるMLOpsの取り組み #yjtc

ヤフーのAIプラットフォーム紹介～AIテックカンパニーを支えるデータ基盤～ #yjtc

Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc

新技術を使った次世代の商品の見せ方～ヤフオク!のマルチビュー機能～ #yjtc

PC版Yahoo!メールリニューアル～サービスのUI/UX統合と改善プロセス～ #yjtc

モブデザインによる多職種チームのコミュニケーション改善 #yjtc

「新しいおうち探し」のためのAIアシスト検索 #yjtc

ユーザーの地域を考慮した検索入力補助機能の改善の試み #yjtc

The potential of Kubernetes as more than just an infrastructure to deploy

Recently uploaded

【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching