Submit Search
Upload
Oppai-Detect 3
•
16 likes
•
11,491 views
Yusuke Wada
Follow
Oppai-Detect 3 on GXEB#01 by yusukebe
Read less
Read more
Entertainment & Humor
Report
Share
Report
Share
1 of 25
Download now
Download to read offline
Recommended
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
Takanori Ogata
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
ぱんいち すみもと
Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」
hirokazuoishi
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
Recommended
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
Takanori Ogata
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
ぱんいち すみもと
Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」
hirokazuoishi
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
Deep Learning JP
大規模ソフトウェア開発とテストの経験について
大規模ソフトウェア開発とテストの経験について
Rakuten Group, Inc.
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
Deep Learning JP
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
Hironori Washizaki
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
Deep Learning Lab(ディープラーニング・ラボ)
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
Deep Learning JP
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
Hiro Hamada
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Deep Learning JP
機械学習 入門
機械学習 入門
Hayato Maki
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
Yuto Mori
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
DeNA
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
文献紹介:SlowFast Networks for Video Recognition
文献紹介:SlowFast Networks for Video Recognition
Toru Tamaki
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
Yusuke Wada
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
Yusuke Wada
More Related Content
What's hot
モデル高速化百選
モデル高速化百選
Yusuke Uchida
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
Deep Learning JP
大規模ソフトウェア開発とテストの経験について
大規模ソフトウェア開発とテストの経験について
Rakuten Group, Inc.
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
Deep Learning JP
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
Hironori Washizaki
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
Deep Learning Lab(ディープラーニング・ラボ)
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
Deep Learning JP
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
Hiro Hamada
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Deep Learning JP
機械学習 入門
機械学習 入門
Hayato Maki
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
Yuto Mori
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
DeNA
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
文献紹介:SlowFast Networks for Video Recognition
文献紹介:SlowFast Networks for Video Recognition
Toru Tamaki
What's hot
(20)
モデル高速化百選
モデル高速化百選
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
大規模ソフトウェア開発とテストの経験について
大規模ソフトウェア開発とテストの経験について
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
AI と個人情報 ~AI 学習用データとしての個人情報と AI 処理対象としての個人情報~
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
[DL輪読会]Xception: Deep Learning with Depthwise Separable Convolutions
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
ブロックチェーン技術が拓くオープンサイエンスの未来.pdf
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
機械学習 入門
機械学習 入門
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
スマホゲームのチート手法とその対策 [DeNA TechCon 2019]
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
文献紹介:SlowFast Networks for Video Recognition
文献紹介:SlowFast Networks for Video Recognition
Viewers also liked
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
Yusuke Wada
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
Yusuke Wada
スッとGoを取り入れる
スッとGoを取り入れる
Yusuke Wada
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
Yusuke Wada
Twib in Yokoahma.pm 2010/3/5
Twib in Yokoahma.pm 2010/3/5
Yusuke Wada
JAWS-UG Nagoya 20160729
JAWS-UG Nagoya 20160729
陽平 山口
JAWS re:Mote 2015 Nagoya
JAWS re:Mote 2015 Nagoya
陽平 山口
iOS_Consortium_20170120
iOS_Consortium_20170120
陽平 山口
JAWS FESTA TOKAIDO 2016
JAWS FESTA TOKAIDO 2016
陽平 山口
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
陽平 山口
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
Masato Taruishi
ZabbixによるAWS監視のコツ
ZabbixによるAWS監視のコツ
ShinsukeYokota
セクシー女優で学ぶ画像分類入門
セクシー女優で学ぶ画像分類入門
Takami Sato
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Yusuke Wada
Dots deep learning部_20161221
Dots deep learning部_20161221
陽平 山口
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
Amazon Web Services Japan
Viewers also liked
(16)
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
スッとGoを取り入れる
スッとGoを取り入れる
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
Twib in Yokoahma.pm 2010/3/5
Twib in Yokoahma.pm 2010/3/5
JAWS-UG Nagoya 20160729
JAWS-UG Nagoya 20160729
JAWS re:Mote 2015 Nagoya
JAWS re:Mote 2015 Nagoya
iOS_Consortium_20170120
iOS_Consortium_20170120
JAWS FESTA TOKAIDO 2016
JAWS FESTA TOKAIDO 2016
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
ZabbixによるAWS監視のコツ
ZabbixによるAWS監視のコツ
セクシー女優で学ぶ画像分類入門
セクシー女優で学ぶ画像分類入門
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Dots deep learning部_20161221
Dots deep learning部_20161221
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
More from Yusuke Wada
僕がつくった 70個のうちの48個のWebサービス達
僕がつくった 70個のうちの48個のWebサービス達
Yusuke Wada
東京脱出計画中
東京脱出計画中
Yusuke Wada
Extreme remote working
Extreme remote working
Yusuke Wada
創造のプロセスを回せ!v0.01
創造のプロセスを回せ!v0.01
Yusuke Wada
It's not only about "REMOTE"
It's not only about "REMOTE"
Yusuke Wada
事故からはじまるスケールチャンス
事故からはじまるスケールチャンス
Yusuke Wada
Google BigQueryを使ってみた!
Google BigQueryを使ってみた!
Yusuke Wada
Webサービスのコンテンツパターン 或いはデータの活⽤
Webサービスのコンテンツパターン 或いはデータの活⽤
Yusuke Wada
とある Perl Monger の働き方
とある Perl Monger の働き方
Yusuke Wada
5 minutes - YAPC::Asia Tokyo 2014
5 minutes - YAPC::Asia Tokyo 2014
Yusuke Wada
Podcastをカジュアルに 支える技術
Podcastをカジュアルに 支える技術
Yusuke Wada
The master plan ofscaling a web application
The master plan ofscaling a web application
Yusuke Wada
そのWebサービスは本当に「あたりまえ」だったのか?
そのWebサービスは本当に「あたりまえ」だったのか?
Yusuke Wada
Mojoliciousでつくる! Webアプリ入門
Mojoliciousでつくる! Webアプリ入門
Yusuke Wada
10 things to learn from Bokete
10 things to learn from Bokete
Yusuke Wada
Inside Bokete: Web Application with Mojolicious and others
Inside Bokete: Web Application with Mojolicious and others
Yusuke Wada
僕らの履歴書
僕らの履歴書
Yusuke Wada
僕らがWebサービスをつくる5つの理由
僕らがWebサービスをつくる5つの理由
Yusuke Wada
僕らがつくるための 「5W」について
僕らがつくるための 「5W」について
Yusuke Wada
「Webサービスのつくり方」 のつくり方
「Webサービスのつくり方」 のつくり方
Yusuke Wada
More from Yusuke Wada
(20)
僕がつくった 70個のうちの48個のWebサービス達
僕がつくった 70個のうちの48個のWebサービス達
東京脱出計画中
東京脱出計画中
Extreme remote working
Extreme remote working
創造のプロセスを回せ!v0.01
創造のプロセスを回せ!v0.01
It's not only about "REMOTE"
It's not only about "REMOTE"
事故からはじまるスケールチャンス
事故からはじまるスケールチャンス
Google BigQueryを使ってみた!
Google BigQueryを使ってみた!
Webサービスのコンテンツパターン 或いはデータの活⽤
Webサービスのコンテンツパターン 或いはデータの活⽤
とある Perl Monger の働き方
とある Perl Monger の働き方
5 minutes - YAPC::Asia Tokyo 2014
5 minutes - YAPC::Asia Tokyo 2014
Podcastをカジュアルに 支える技術
Podcastをカジュアルに 支える技術
The master plan ofscaling a web application
The master plan ofscaling a web application
そのWebサービスは本当に「あたりまえ」だったのか?
そのWebサービスは本当に「あたりまえ」だったのか?
Mojoliciousでつくる! Webアプリ入門
Mojoliciousでつくる! Webアプリ入門
10 things to learn from Bokete
10 things to learn from Bokete
Inside Bokete: Web Application with Mojolicious and others
Inside Bokete: Web Application with Mojolicious and others
僕らの履歴書
僕らの履歴書
僕らがWebサービスをつくる5つの理由
僕らがWebサービスをつくる5つの理由
僕らがつくるための 「5W」について
僕らがつくるための 「5W」について
「Webサービスのつくり方」 のつくり方
「Webサービスのつくり方」 のつくり方
Oppai-Detect 3
1.
Oppai-Detect 3 yusukebe 2010/11/26 GXEB #01
@ NAVER JAPAN
2.
自己紹介 • Yusuke Wada(和田裕介) •
1981/12/23 • Kamakura, Japan. • Wadit Inc. • Perl Engineer • Founder of YourAVHost etc. h"p://youravhost.net/
3.
Oppai-Detect 画像のおっぱい部分を自動認識させる挑戦
4.
目的 • おっぱいが好きだ • おっぱい画像をたくさん集めたい •
収集の精度を高めたい • おっぱい部分を自動で検出したい
5.
応用例 • 放送禁止画像の検出 – 画像投稿サイト • スパム対策 •
子供向けサイトフィルタリング • おっぱい画像の収集
6.
手法 • OpenCVを使用 – Intelが開発・公開したオープンソースの画像処理 向けのライブラリ – パターン認識として物体検出(Object- Detection)の機能を備えている • 学習(Training) •
認識・検出(Detection)
7.
OpenCVによる顔検出の例 • Using “haarcascade_frontalface_alt2.xml” use Image::ObjectDetect; use Imager; my $file = $ARGV[0] or die 'Filename is needed!'; my $img = Imager‐>new; $img‐>read( file => $file ) or die $img‐>errstr; my $cascade = './haarcascade_frontalface_alt2.xml'; my $detector = Image::ObjectDetect‐>new($cascade); my @faces = $detector‐>detect($file); for my $face (@faces) { $img = $img‐>box( xmin => $face‐>{x}, xmax => $face‐>{x} + $face‐>{width}, ymin => $face‐>{y}, ymax => $face‐>{y} + $face‐>{height}, color => 'red', filled => 0, ) or die $img‐>errstr; } $img‐>write( file => 'out.jpg' ) or die $img‐>errstr;
8.
Result
9.
今回のチャレンジ 1. 画像を集める 2. 学習ツール作成 3. ひたすらおっぱいを囲む おっぱい画像を集めて おっぱいの場所を指定して 学習ソフトに学習させて 検出のためのデータを作る
10.
Term of Images •
Positive Image – 対象物が写っている画像 – 精度を求めるには7000-8000枚 • Negative Image – 対象物が写っていない画像 – 3000枚
11.
1. 画像を集める • 「いかにして大量のおっぱい画像を集めるか」 •
Web API の制限 – Google Ajax Search • 最大件数64枚 – Yahoo 画像検索 API • 最大件数1,000枚 • 10,000枚以上は集めたい – AV女優名のリストを使って解決 • 「AV女優A おっぱい」 • 「AV女優B おっぱい」 • …
12.
use Acme::Porn::JP; • http://github.com/yusukebe/Acme-Porn-JP use Acme::Porn::JP; …; my $porn = Acme::Porn::JP‐>new; my $actress_list = $porn‐>actress(); for my $actress ( @$actress_list ){ search("$query $actress”); } …; $ perl ‐MAcme::Porn::JP ‐e '$p = Ace::Porn::JP‐>new; print scalar @{$p‐>actress};’ 4502
13.
29,065枚
14.
Haartrainingツールによる学習 1. positive.dat/negative.dat の作成 2. $ opencv_createsamples ‐info positive.dat ‐ vec a.vec 3.
$ opencv_haartraining ‐data haarcascade ‐ vec a.vec ‐bg negative.dat ‐nstages 20 positive.dat [filename] [# of objects] [[x y width height] [... 2nd object] ...] images/01.jpg 1 140 100 45 45 nega2ve.dat images/neg‐01.jpg images/neg‐02.jpg
15.
学習ツール作成 • positive.datとnegative.datを作る • 収集した画像に対象物があったら囲む –
その部分の座標と画像名をpositive.datに書き込む – もし対象物が無かったらnegative.datへ • 閲覧・囲み作業をWebブラウザで行う • HTTP/Webアプリ – use Plack; • Javascriptフロントエンド – strokeRect/HTML5
16.
Haartraining-App • http://github.com/yusukebe/Haartraining-App yusuke@macmini:~/work/oppai‐detect/temp/Haartraining‐App$ tree ./ ./ |‐‐ data | |‐‐ images | | `‐‐ 000001.jpg | |‐‐ negative.dat | `‐‐ positive.dat |‐‐ haartraining.psgi `‐‐ html |‐‐ haartraining.js `‐‐ index.html 3 directories, 6 files $ plackup haartraining.psgi HTTP::Server::PSGI: Accepting connections at http://0:5000/
17.
ひたすらおっぱいを囲む
18.
Haartraining-App デモ
19.
opencv_haartrainingによる学習 • Positive Image
2,000枚 • Negative Image 2,000枚 • nstage 10 stages Mac mini / OSX 10.5 2.26 GHz Intel Core 2 Duo OpenCV 2.1.0 ソースからコンパイル
20.
Oppai-Detect デモ
21.
22.
実験結果 • 正面で画像サイズが的確なら認識される • 誤認識はある – へそ – 膨らんでいる部位
23.
考察 • おっぱい画像の学習 – おっぱいにもたくさんある • 正面乳/横乳/下乳/上乳/微乳/巨乳… – どこまでがおっぱいか? •
学習に対するコスト – ソーシャルな力を利用したい
24.
今後 • 多様なおっぱいに対するポリシー策定 • 学習アプリの運用化 •
「みんなで作るOppai-Detect」?
25.
Oppai-Detect End.
Download now