Qstairs

現役AIベンチャーCTOの知見、画像認識(人工知能、Deep Learning)を中心とした技術ノウハウをアップしていきます

広告

【奮闘記】はじめの第一歩

f:id:qstairs:20170209000813j:plain

はじめに

奮闘記コーナーを追加しました。

このコーナーでは起業を目指して日々活動する中での
気づき、失敗、喜びなどなど
なんでも書いていきます。

はじめの第一歩

今日、今年度で会社を辞めることを上司に伝えた。

止められるかと思っていたが、
応援していると言われた。

私が辞めると人数的にグループの仕事が回らないのは明白だが、
一言も考え直すようにとは言わなかった。

上司には感謝しているし、
今の私があるのも新人の時に上司からの指導を受けた影響が大きい。


そんな上司に恩を返す方法はただ一つ

起業して成功すること

これだけだと今日心の中で誓った。


すぐに起業するわけではなく、
4月からはまずはフリーランスになって時間を作り起業の計画を立てていく予定だ。


はじめの第一歩

今日目標に向けて大きな一歩を踏み出した。

【Android】画面上部のタイトルバーを消す方法

f:id:qstairs:20160924110701j:plain

はじめに

Androidのアプリを開発しているときに
画面上部に表示されるタイトルバーを消したいときがあるので
その方法を備忘録

AndroidManifest.xmlを修正する

まず、AndroidManifest.xml

android:theme="@style/AppTheme"

を以下に書き換えます。

android:theme="@android:style/Theme.Light.NoTitleBar"

*1

AndroidManifest.xmlのapplicationタグを抜粋すると以下のようになります。

    <application
        android:allowBackup="true"
        android:icon="@mipmap/ic_launcher"
        android:label="@string/app_name"
        android:supportsRtl="true"
        android:theme="@android:style/Theme.Light.NoTitleBar">
        <activity android:name=".MainActivity">
            <intent-filter>
                <action android:name="android.intent.action.MAIN" />

                <category android:name="android.intent.category.LAUNCHER" />
            </intent-filter>
        </activity>
    </application>

Activityを修正する

続いて、各Activityの

import android.support.v7.app.AppCompatActivity;

を以下に変更します。

import android.app.Activity;

最後に各Activityのextendsを

public class MainActivity extends AppCompatActivity

から以下に変更します。

public class MainActivity extends Activity


以上で画面上部のタイトルバーを消すことができます。


[Android関連記事]
qstairs.hatenablog.com
qstairs.hatenablog.com
qstairs.hatenablog.com

*1:android:theme="@android:style/Theme.NoTitleBar" とした場合、画面が暗くなります。

【人工知能】AI vs プロのポーカー対決!!結果は...

f:id:qstairs:20170201203433j:plain

2017年初頭から行われてきた人類対AIのポーカー頂上決戦「Brains VS. AI」で、カーネギーメロン大学の開発した人工知能(AI)ソフトウェア「Libratus」が4人のプロを破って勝利しました。


gigazine.net


記憶(記録)や確率を瞬時に求める分野はやはりコンピュータが強いのでしょう。


近年、チェスや囲碁、将棋そしてポーカーのようなテーブルゲーム
人間とAIが勝負していますが、
AIが優勢な感じがします。


こうなってくると
人間がAIに取って代わる日が来るのではないか
と不安になりAIを批判する人も出てきますが、
記事でも

国際ポーカー連盟のジョー・バーナードCOOは、AIはポーカーというゲームを破壊するものではなく、ポーカー選手の能力を正確に評価できるようになり、また、トレーニングに用いることもできると高く評価しています。

と書いてあるように、
AIは人間をサポートするツールの一つと捉えれば
少しは不安も和らぐかもしれませんね(^_^)

【画像認識・AI】アップルが初のAIに関する論文を公開!!

f:id:qstairs:20160601221047j:plain

12月22日、アップルによる初のAIに関する論文が公開されました。論文テーマは「コンピューターによる画像認識アルゴリズムの改善にコンピューター合成画像を用いる方法」。

japanese.engadget.com


これまで画像認識やAIに関する記事を取り上げて来た際に、
いかに多くの学習データを取得するかが重要になると書いてきました。
また、データを取得しても正解付けには途方もない時間がかかるということも述べたこともあるかと思います。


もしかすると、このアップルの論文がその解決策になるかもしれません。


この技術は認識したい対象物の画像を自動で生成(合成)するニューラルネットワーク
偽物判定するニューラルネットワークを対立させ、
どんどん本物に近いデータを作っていくというものです。


正解付けは必要ないですし、
微妙に異なるデータも大量に集まるので識別精度は上がっていくでしょう。


機械学習の発展スピードが早すぎで恐ろしい...(-_-;

【画像解析・AI】Amazonの画像認識・解析マネージドサービス「Recognition」

f:id:qstairs:20170120213258j:plain

AWSのre:Invent会議で、Amazonディープラーニングによって実現される画像の認識・解析のためのマネージドサービスであるRekognitionを開始した。Rekognitionが提供する機能には、Object and Scene detection、Facial Analysis、Face Comparison、Facial Recognitionがある。

www.infoq.com


ついにこの時が来たかという感じですね


これまでは各企業はDeep Learningのフレームワークを公開していましたが、
すでに学習済みのモデルによって解析された結果を提供するようになってきましたね。


こうなると大量のデータを持っている企業が圧倒的に強い...
コンテンツ力を最大限に生かして様々なデータを集めてきた欧米の企業に比べ、
日本企業は劣るのでこれからは厳しい戦いになるのではないでしょうか。

まだ顕在化していない今後のビジネスで重要となるデータ(なんなのだろう...(^_^;)
をいち早く見つけ出して
そのデータを集めることに適したコンテンツを作ると良いのではと...
#まあ、言うは易しですね笑


それにしても、
どうしてRe『c』ognitionではなくて
Re『k』ognitionなのでしょうか

【AI】人工知能があなた好みの曲を作る

f:id:qstairs:20170117000442j:plain

脳波から人の気分を読み取った人工知能が、その人の気持ちを高揚させたり落ち着かせたりする曲を自動で作曲する技術を、大阪大学のグループが開発しました。

www3.nhk.or.jp


この技術によって
作曲家が作った曲を一方的に聞くのではなく、
聞く人それぞれの曲が生まれる
=オンリーワンの曲ができる
ということになりそうですね!


ということはこれから、
人工知能に与えるための曲を作るビジネス」
が生まれるかもしれませんね(;´・ω・)

【画像認識・AI】三菱電機の人工知能(AI)を用いた不審者や社会的弱者を監視カメラで検知するシステム

f:id:qstairs:20160628223434j:plain

三菱電機人工知能(AI)のひとつで画像の特徴を自ら学ぶディープラーニング(深層学習)を使い、商業施設にいる不審者や社会的弱者を監視カメラでとらえるシステムを開発した。

style.nikkei.com


記事に
「深層学習を使えば、属性を定義するプログラミングが簡単になる」
とあるように、
Deep Learningによって、対象物の特徴を簡単に得られるようになりました。


ただ、対象物を概念として機会が学習するためには、
大量のデータが必要です。

私の感覚では1万データ(パターン)以上は必要なのではないかと思います。
不審者のデータを1万データ(=1万人の不審者の画像、動画)用意することは容易ではありません。


やはり、今後のDeep Learningを用いた画像認識技術の発展には、
学習データをいかにして大量に集めるか
が重要だと私は考えています。

広告