IoU

numpyで高速にSoft-NMSを計算する(16倍高速?)

pythonのnumpyで高速化したSoft-NMSの実装例を紹介します。過去に紹介した実装より16倍高速化できました。Soft-NMSは物体検出AIの後処理で使用されるNMSの改良型ですが、NMSより演算量が大きい手法で高速化が重要です。
ディープラーニング(deep learning)

ディープラーニング検定 G検定の例題を解く(4)手法と研究分野

ディープラーニングG検定ってどんな問題が出るんだろう、と思うことないでしょうか。ディープラーニング協会の公式サイトにはG検定の例題が掲載されていますので、まずは見てみましょう。しかしながら、公式サイトに解答は解説は記載されていません。
ディープラーニング(deep learning)

ディープラーニング検定 G検定の例題を解く(3)ディープラーニングの概要

ディープラーニング協会の公式サイトに掲載されているディープラーニングG検定の例題について解答例と解説を記載していく3回目のエントリです。公式サイトでは解答が未掲載となっています。合格難易度や問題の雰囲気の把握に役立つのではないかと思います。
ディープラーニング(deep learning)

ディープラーニング検定 G検定の例題を解く(2)機械学習の具体的手法

この記事は、ディープラーニング協会のホームページに記載されているディープラーニングG検定の例題について解答例と解説を書いていく記事の2回目です。この例題は解答が未掲載となっていますので参考になれば幸いです。
ディープラーニング(deep learning)

ディープラーニング検定 G検定の例題を解く(1)人工知能の動向等

ディープラーニング検定のホームページにG検定の例題が掲載されていますが、残念ながら解答は未掲載となっています。本ブログでは、私の考えた解答案と解説を書いていきます。人工知能に関する幅広い知識が問われている例題となっており、大変勉強になりました。
IoU

PythonのnumpyでNMSを高速に演算する(20倍高速?)

重複した矩形を統合するアルゴリズムNMS (Non-Maximum Suppression)を、numpyで高速に計算する方法を紹介します。numpyを使わずpythonリスト(list)を使用する実装と比べて約20倍に高速化できました。
python

numpyの3次元配列に2次元配列の要素を追加する4つの方法

pythonで、3次元のnumpy配列に、2次元のnumpy配列を要素として追加する方法を紹介します。リスト(list)と同じようにappendしてもうまくいきません。この記事の方法は2次元、3次元だけではなく、4次元以上の多次元の配列にも適用できます。
python

numpyを使って複数の矩形のIoUを一度に高速に計算する

pythonのnumpyライブラリを使って、1つの矩形と複数の矩形とのIoUを一度に高速に計算する方法を紹介します。計算時間の計測結果も記載し、1つずつIoUを計算した場合に比べてどのくらい高速化できるのか比較も行います。
python

pythonのsleepでミリ秒単位で正確にプログラムを停止する

pythonのsleep関数を使ったとき、指定した時間よりも長い間停止してしまうことはないでしょうか?sleep関数はミリ秒単位の時間で停止してくれないことがあります。この記事では、より正確に精度よくミリ秒単位で停止する方法を紹介します。
IoU

pythonでSoft-NMSを実装する(2)Soft-NMS適用例

Soft-NMS(Soft Non-Maximum Suppression)は、SSDやYOLOといった物体検出AIの後処理として使用されるNMSの改良型アルゴリズムです。以前紹介したSoft-NMSサンプルコードの適用例をこの記事で紹介します。