先日行われたTensorFlow Dev Summit 2018の「Machine Learning in JavaScript」で、Webブラウザ上で実行可能な機械学習ライブラリとしてTensorFlow.jsが公開されました。 そこで、素振りがてらにこんなものを作ってみました。 これは、手書き数字識別のトレーニング済モデルをTensorFlow.jsで読み込むことで、Webブラウザ上で書いた数字が0~9のどれかを予測しています。 主なフロー TensorFlow or Kerasで学習済みモデルを作成 tensorflowjs_converterでTensorFlow.jsで読み込める形に変換 TensorFlow.jsで変換済モデルを読み込んで推論を実行 今回はKerasを使用した方法を紹介していますが、TensorFlowの場合も同様なフローになります。 具体的には、1で出力するフ

なぜ地方のクリーニング屋で機械学習？　「無人店舗作りたい」 たった1人、独学でAI作る副社長の挑戦（1/2 ページ） 「中小企業でお金もない、人もいない。ここ10年でIT化に取り組んできたが、今ある課題や業界の将来を見据え、今はAI（人工知能）を自作している」──福岡県田川市でクリーニング店を8店舗展開するエルアンドエーの田原大輔副社長はこう話す。同社はスーツやズボンなどを判別する画像認識システムなどを導入。人材が不足するクリーニング業界の中で業務効率化を図るためいち早くIT化に取り組み、いずれは無人店舗のオープンを目指す。 IT化に取り組んだ10年 電話からSkypeによるビデオチャットへ、メールからチャットワークへ、ExcelからGoogleスプレッドシートへ──2008年ごろから10年近くクリーニング業務のIT化を進め、15年11月にGoogleの機械学習用オープンソースライブラリ「

自己対戦と深層学習でマシンにコネクトフォー（Connect4：四目並べ）の戦略を学習させましょう。 この記事では次の3つの話をします。 AlphaZeroが人工知能（AI）への大きなステップである2つの理由 AlphaZeroの方法論のレプリカを 作って コネクト4のゲームをプレイさせる方法 そのレプリカを改良して他のゲームをプラグインする方法 AlphaGo→AlphaGo Zero→AlphaZero 2016年3月、DeepmindのAlphaGo（アルファ碁）が、囲碁の18回の世界王者、李世乭（イー・セドル）との五番勝負で、2億人の見守る中、4-1で勝利しました。機械が超人的な囲碁の技を学習したのです。不可能だとか、少なくとも10年間は達成できないと思われていた偉業です。 AlphaGo　対　李世乭の第3局 このことだけでも驚くべき功績ですが、DeepMindは、2017年10月、

NVIDIAとArmがディープラーニングで提携――NVDLAをProject Trilliumに適用へ：IoTへのディープラーニング導入を加速か NVIDIAとArmは、モバイル機器やIoT機器などへのディープラーニング導入に向けて提携し、NVIDIA Deep Learning AcceleratorをArmのProject Trilliumに適用すると発表した。両社は、「IoTチップ企業による自社製品へのAI導入を容易にする」としている。 NVIDIAとArmは2018年3月27日、モバイル機器や家電製品、IoT（Internet of Things）機器へのディープラーニング導入に向けて提携すると発表した。「NVIDIA Deep Learning Accelerator（NVDLA）」をArmの「Project Trillium」に適用する。両社は、今回の提携により「IoTチップ企

OpenPoseのチュートリアルやってみたまとめです。 https://github.com/ildoonet/tf-pose-estimation 人物の骨格などを、モーションキャプチャなしで簡単に表示できるツールです。内蔵カメラがあれば、リアルタイム動画描写もできます。 OpenPose ※本家本元は、https://github.com/CMU-Perceptual-Computing-Lab/openpose ですが、 今回はそれをTensorで動くようカスタマイズされたものを使用します。 ※Chainerで試したい方は [こちら](https://github.com/DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation/blob/master/README_JP.md#caffemodel%E3%82%92chainer%E7%9

備考 ポンダッド プログラミング情報共有サイトのAI関連投稿で注目を集め、ユニークな作例と親しみやすい解説で人気を博す。双子の娘の誕生をきっかけに、突如小学生以来のプログラミングを再開。人知れず個人開発を続ける人工知能愛好家。 Blog: https://pondad.net/ Qiita: https://qiita.com/PonDad イラスト：平井太朗 目次 Chapter 1 スマートスピーカーでAIをつくろう 1-1 プロト、はじめの一歩 1-2 本著の構成 1-3 必要なハードウェア 1-4 必要なソフトウェア Chapter 2 Amazon Echoでオリジナルスキルをつくろう 2-1 プロト、数字を数える 2-2 Alexaがしゃべるしくみ 2-3 Alexaスキルキットを使おう 2-4 スキルビルダーで会話をつくろう 2-5 Flask-AskでAPIサーバーをつくろ

あんはると申します！ 中学生エンジニアのみなさん(私も含め)にアンケートをとって、プログラミングに興味を持ったきっかけやどんなことをしているのかを調査してみました。 中学生エンジニア同士で情報共有をしたい プログラミングをし始めてから、同じ中学生でプログラミングしてる人はどんなことをしているのか、ということが気になりました。また、中学生エンジニア同士で活動を報告しあったり、情報を共有したいという気持ちもありました。なにか寂しい感じもあったので。 そんなきっかけで、初めて仲良くなった中学生エンジニアである同じTech::Camp受講生のぜんぼーくんと一緒に「中学生エンジニアの集い」というSlackMattermost グループを作りました。 *Slackは利用規約より、16歳未満は使えないそうなので中学生エンジニアの集いは Mattermostというサービスに移行しました。 ちなみに、Mat

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 前書き　－　人工知能と脳科学　－ 最近のAI (Artificial Intelligence) の進歩はすさまじいですね。特に、深層学習 (Deep Learning) はTensorFlow, Chainerなどのライブラリの普及もあり、一般的に広く使用され、知られる概念になりました。 ところで、Deep Learningの歴史を簡単に紐解いてみると、はじめは脳の計算原理を実装しようとする試み、つまりニューラルネットワーク (Neural Network) の研究からスタートしました。人の脳は100億ともいわれる数の神経細胞からでき

これはOthloTech Advent Calendar 2017の25日目の記事です。 脳波を測定して、いい感じに眠くなったら部屋の照明を勝手に消してくれる的なの作ろうと思います。 はじめに 脳波を測定するにあたって利用したのは「Museヘッドバンド」という脳波センサです。 本来の使い方としてはヨガや瞑想するときにつけて、脳がなんか良い感じの状態になると接続しておいたスマホから小鳥がピヨピヨ鳴いてくれるそうです。 Amazonのレビューがなんか怖い このヘッドバンド、開発用にSDKが公開されていて、ドキュメントもしっかりと有るので開発者に親切です。 原状ではAndroid、iOS、Windowsの３つのプラットフォームに対応しています。Macもそのうち対応するようです。今回はAndroidを使います。 ヘッドバンドからはBluetooth Low Energyで「 α波、β波、θ波、δ波

今回は、学習済みモデルを使って独自データを追加学習させる「転移学習」を使ってアプリケーションを作成します。画像認識の学習済みモデルであるInception‐v3をもとに、収集した画像を追加学習させてあらたな学習モデルを作成し、花の種類を見分けられるアプリケーションを作ってみましょう。 1．はじめに TensorFlowで実用レベルの画像認識を行うには、学習データの収集やモデルのチューニングが必要で、必ずしも思った通りの精度が出ない事もあります。そこで今回は学習済みモデルを使って独自データを追加学習させる「転移学習」を使い、花の種類を推測するWebアプリケーションを作ってみましょう。 2．転移学習とは まず、おさらいをしておきましょう。機械学習をアプリケーションに組み込む場合、大きく分けて次のパターンが考えられます。 図1 機械学習の実装パターン 連載［第1回］～［第5回］では、Google

こんにちは! タダケン(@tadaken3)です。 Google Apps Scriptのコードを書いていて、ちょっと困るのがコードのバージョン管理です。 Google Apps Scriptはブラウザで開発していくことになり、ソースコードのバージョン管理ができません。とくに複数人で開発しているときなんかは、誰がどのように編集をしたのかわからず、何が最新版なのかわからなくなってしまいます。ソースコードを管理できないと心細いです。 そこでGASのコードをGithub上で管理できるChrome拡張の「Google Apps Script Github アシスタント」をご紹介します。「Google Apps Script Github アシスタント」を使うとGASのコードを手軽にGithubで管理できます。 「Google Apps Script Github アシスタント」を導入する リポジト

cap = cv2.VideoCapture(0) counter = 1 while True: _, frame = cap.read() if frame is not None: frame = cv2.resize(frame,(inWidth,inHeight)) cv2.imshow("capture", frame) if cv2.waitKey(1) & 0xFF == ord("c"): #cを押せば、キャプチャーする img_name = os.path.join(IMAGE_DIR,NAME+"_"+str(counter)+".jpg") cv2.imwrite(img_name, frame) print("Captured: "+img_name) counter+=1 if cv2.waitKey(1) & 0xFF == ord("q"): #qを押せば、

惜秋の候, 小春日和の穏やかな日が続いていますが、お変わりなくお過ごしでしょうか、せーのです。 今日は待ちに待ったAlexaの日本上陸を記念して「とりあえずなんか作ってみたい」という方むけに、簡単なスキルを一つ作ってみたいと思います。 スキルの種類 スキルは現在 カスタムスキル: 標準のスキル。Alexaとのやり取りを「カスタム対話モデル」を使用して行う スマートホームスキル: 電球やエアコン等スマートホームデバイスをAlexaから操作することに特化したスキル フラッシュブリーフィングスキル: RSSフィードやニュース等の読み上げに特化したスキル の3種類があります。基本的には欧米でリリースされているAlexa Skill Kitと変わりません。ですので細かい説明は英語版を解説した 【Alexa初心者向け】Alexa Skill Kitを噛み砕いて解説してみる｜クラスメソッドブログ こちら

Raspberry Pi ZERO を使った虹彩認証セキュリティロックシステムです。 スパイ映画に登場する様な虹彩認証（眼紋認証）により、定距離で撮影した目の画像を取得し、登録者と虹彩パターンが認識した場合に物理ロックを解除します。 3 歳の息子に協力してもらいながら作成しました。 使用したパーツ： ・Raspberry Pi ZERO ・ソニー製カメラ「IU233」モノクロVer.、USB 接続 ・Zero4U （4-Port USB Hub For Raspberry Pi Zero）（無くても作成可能） ・赤外 LED 1 個 （ZERO の GPIO から給電） ・デジタル・マイクロサーボ SG90（ZERO の GPIO から給電） ・スマートホンマイクロ USB ケーブル（Raspberry Pi に給電） 使用したプログラム： Python　2.7 全体図 サーボモーターを使

環境 CentOS6 python3.5.1 falcon-1.0.0 はじめに falconはpythonのWEBフレームワークの1つでAPIに特化しており速度が早いらしい。 今回falconを使ってget/postに対応してjsonを返すapiを作成してみる。 手順 falconインストール pip install --upgrade falconテスト用コード vi falcon_test.py# -*- coding: utf-8 -*- # sample.py import falcon import json class ItemsResource: def on_get(self, req, resp): value = req.params['key'] items = { 'title': 'WebAPIテスト', 'tags': [ { 'name': 'テスト','バ

Google App EngineでマネージドSSLが全ユーザーに無料提供、HTTPSの導入が簡単に。証明書の更新もGoogleにおまかせで心配無用 － Publickey というニュースを目にしたのが先週の火曜日・9月19日。 www.publickey1.jp 「GAE 、どんどん便利で最高になっていってるなぁ......」と思わず遠い目をした僕は、おそらく古参GAEユーザーと言っても差し支えはなさそう。記録（このブログ）によると、2009年に GAE を触り始めていた。GAE をメインで扱う Web 起業にエンジニアとして働いていたこともある（2012 - 2013）。なので、昔の不便......いや、荒削りな頃の GAE はイヤというほど触り倒していた。 それもあって、今回の報はとても嬉しかったし、ただでさえ「またそろそろ GAE でおもしろいことやりたいなぁ...」と思っていたと

朝日カルチャーセンターにおける金井良太さんとの対談イベントにおける講演です。 https://www.asahiculture.jp/shinjuku/course/4744fbe5-8cb4-9c53-5bbd-5973351ff788 １０月から全三回で「人工知能のための哲学塾」西洋哲学レビュー編がはじまります。 人工知能のための哲学塾—西洋哲学レビュー編　デカルトからフッサールへ https://www.asahiculture.jp/shinjuku/course/d57e4bb7-142e-3a5e-9ccf-5982c52ef7fa

本日より、iOS 向けキーボードアプリ Gboard が日本語に対応し、日本語をお使いの皆さんにも広くお使いいただけるようになりました。 Gboard は、直接、キーボードアプリから検索したり、検索結果を共有したり、さらに絵文字を入力したりすることができます。iOS ユーザーの皆さんから、多数のリクエストをいただいていた Google 日本語入力も、Gboard に搭載する形で、やっとお届けできるようになりました。お待たせしました！ チャットで友だちと明日のランチの場所を相談している時に、お店情報を送ろうとして、何度もアプリを切り替えたこと、きっと何度もありますよね。チャットアプリを閉じて、目指すレストランの情報を検索して、住所をコピーして、もう一度チャットアプリをあけなおして、住所を貼り付け、なんて作業を何度も繰り返したはずです。 Gboard なら、ボタンをタップして検索するだけで、レ

This domain may be for sale!