TensorFlow Object Detection APIを使い、静止画ではなくリアルタイム動画で物体検出する方法を解説。Pythonサンプルコードと、表示フォントサイズを大きくするカスタマイズも紹介。

MNISTやCIFAR-10で画像分類モデルを学習した際、推論を間違えた画像だけを抽出して目視確認する方法を解説。実装サンプルコードと結果の見方を、両データセットの実例で紹介します。

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。

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。

アトリエ秋葉原での勉強会で発表したR-CNNを「TensorFlow×Pepper」で実装する方法のスライドと使用ソースコードまとめ。美人女優検出・Slack連携・Word2Vec類義語出力の応用例も。

Fashion-MNISTを通常のニューラルネットでは過学習しやすいため、CNNモデルで学習させて精度向上を狙った検証記録。前回結果との比較とソースコード全容、開発環境の詳細も併記します。