AI coordinator独自開発の見守りロボット「PROTECT KIDS」のコンセプト・ハードウェア仕様・ソフトウェア仕様を公開。開発前提や、長期開発に必要な仕様変更の柔軟性も含めて解説します。

AI coordinatorが2058年リリース予定の見守りロボット「PROTECT KIDS」開発始動を宣言する記事。FINDING KIDSアプリを皮切りに、教育・宿題サポートまでできるロボットを目指す構想と協力者募集。

YOLOv2やSSDで人物検出ができるなら、監視カメラ網から行方不明者（子供／動物）を全国規模で探し出すアプリは作れるはず――技術的課題3点と一緒に開発仲間を募集する企画提案記事です。

YOLO v2の物体検出（80クラス）にVGG16の画像認識（1000クラス）を組み合わせて、より詳細なクラス名で検出する強化型物体検出ツールを実装。仕組みとソースコードを公開します。

SONYのNeural Network Console（NNC）で学習モデルのハイパーパラメータを自動最適化する方法を解説。GUIで独自画像データを扱う流れと、CSV化・学習設定・最適化実行を初心者向けに紹介。

親子で楽しめるSTEM教育ロボットCOZMOの開封からアプリ操作・コードラボでのプログラミング、さらにCOZMO SDKでPythonから動かすところまでを写真と手順で詳しく解説します。

Fine-tuningを使って少ない画像データからでも精度の高い学習モデルを作成する方法を解説。VGG16をベースに既存モデルを流用するアプローチで、趣味Deep Learningの強い味方になります。

処理速度が最も速いと言われるYOLO v2をPythonで実装し、動画/Webカメラ映像からのリアルタイム物体検出まで動かす手順を解説。動画でエラーになる公式手順を回避する自作実装です。

画像から「物体らしき領域」を効率よく抽出する古典手法 Selective Search を使った映像からの物体検出にチャレンジ。環境準備から実行結果まで、検出精度向上のヒントとして紹介します。

Parrot社のドローン Mambo を Node.js から操作する手順を解説。Homebrew・nodebrew・Node.jsのインストールからモジュール導入、ドローンの探索・接続・離陸までソースコード付きで紹介。