EnsekiTT Blog

EnsekiTTが書くブログです。

2018-02-01から1ヶ月間の記事一覧

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(動画編)

つまりなにしたの? 街で撮ってきた動画をYolo v2とTiny Yoloで解析して、速度と精度のトレードオフがどの程度か肌感覚で知ることが出来た。

iMovieで直接読み込める動画をOpenCVで作る話

つまりなにしたの? OpenCVでiMovieから直接読み込める動画を出力するためには、XVIDではなくmp4vを使う。OpenCVで色々作ってみているものの、結果をまとめてYoutubeに上げる時にiMovieを使っている。 エンコーダとかで適当に変換しても良いんだけど、最初か…

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(画像編)

つまりなにしたの? Yolo v2を使うために、Darkflowをインストールしたので、早速検出できるものが写った画像を入れて、 検出結果を可視化して保存した。

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(CUDA,Darkflowインストール編)

つまりなにしたの? DarkflowでYolo v2を動かしてみたらいい感じにバウンディングボックスを描くことができそうなので今日はまず環境構築の部分を紹介する。

IrisのデータをXGBoostで回帰分析してみる話

つまりなにしたの? 前回XGBoostを使ってクラス分類ができることを確認した。今度は、アヤメのがく弁の長さをそれ以外の要素から予測する回帰問題として扱ってみる。 一応RMSEとして評価して寄与率の可視化も行った。

IrisのデータをXGBoostで解析してみる話(次回)

つまりなにしたの? せっかく導入したXGBoostがちゃんと使えるのか試すために、機械学習のHello Worldとも言えるIrisデータ(アヤメの花弁とかのデータ)を使ってアヤメの種類がどれだけ当てられるのか試してみた。特徴量の寄与度合いや木の可視化もしてみる…

IrisのデータをXGBoostで解析してみる話(初回)

つまりなにしたの? せっかく導入したXGBoostがちゃんと使えるのか試すために、機械学習のHello Worldとも言えるIrisデータ(アヤメの花弁とかのデータ)を使ってアヤメの種類がどれだけ当てられるのか試してみる。

PythonのPandasで外れ値を四分位範囲を用いてクリップする話

つまりなにしたの? pandasのデータフレームから1シリーズ(列)を入力すると外れ値をクリップして返してくれる関数を用意した。Irisのデータセットに外れ値を追加して実際に除去してみる例を紹介する。

PyEnv環境にXGBoostをインストールした話

つまりなにしたの? XGBoostをシステムのPythonではなく、pyenvのPythonにインストールした。 なおMacOS High Sierraの場合

Pythonでデータを圧縮する話

つまりなにしたの? Pythonで何かを何処かに送る時、データを圧縮したい。ただ、今回扱うのはZipファイルにするとかではなく、バイナリデータを圧縮したバイナリデータに変換する処理。何でやりたかったかというとストリーミング的な配信をする時に圧縮する…

Pythonで集合を扱う話

つまりなにしたの? 例えばCrossVaridationをするときとかにデータセットの1/10と9/10に分けるとかをより柔軟にやろうと思ったら setを使うのが便利だと思っていて今日はそれを紹介する。

機械学習の前処理でカテゴリデータをワンホット表現にする話

つまりなにしたの? カテゴリデータを説明変数に含むデータを機械学習に突っ込む時にはよくカテゴリデータをワンホット表現にすることが多い。 今回はそのワンホット表現を作る話。

【悲報】ゴールに至らず。差動2駆カートを強化学習で走らせた話

つまりなにしたの? 先日のカートを差動二輪駆動カートにして一本橋を渡りきれるかチャレンジしました。 失敗しました。

インフルエンザ治りましたって話。

こんにちは、えんせきです。 例によって頭が全く働かないので今日もインフルエンザの話です。 つまりなにしたの? リレンザ吸って、おかゆ食って寝てたらほんとに5日で熱がすっかり下がって元気になった。

クリエイティブ・コモンズ・ライセンス
この 作品 は クリエイティブ・コモンズ 表示 4.0 国際 ライセンスの下に提供されています。