前回のパン屋さんのパンを３種類の記事は、VOTT(Microsoft)のアノテーションツールとAmazonのSageMakerを使って学習させて推論しましたが、 今回はlabelimgでアノテーションを行い、Yolov10をベースに学習させました。 下図はlabelimgの画面ですが、１枚１枚写真の中のパンにマウスドラッグで枠を設定し、アップルパイ、クリームパン、カレーパン、と３種類のラベルを付与していきます。アノテーションは大変ですが、学習データの作成ということで雑にはで
近所にとてもおいしいパン屋さんがありまして、クリームパン、カレーパン、アップルパイの３種類を買ってきました。 その３種類のパンを写メでパシャパシャ撮影しまして、AIくんに、これはクリームパン、これはカレーパン、これはアップルパイということを教えてあげました。特徴ある形の３種類にしたので、そんなに多くない枚数でも覚えてくれました。 左からクリームパン、カレーパン、アップルパイと並べていますが、 クリームパンは 97.7% の確率でクリームパンとAIくんは言っています。 カレー
先日、尊敬している経営者の方とお話させていただいた時に聞いた Notta という議事録ツール、また tl;dv も気になっていたので、同じタイミングでさわってみました。 下図は各々の議事録AIツールのトップページです。 音声データからの文字起こしができて、何ができるかがポイントですね。 tl;dv にログインし、wavの音声ファイルをアップロードしました。 内容は、前回のブログで使った、音声合成時の私の声を30秒ほど録音した音声データを読み込ませてみました。 上図の赤枠
【Seed-VC】で何ができるか。 他人が話している音声データの声が、自分の声に置き換わります。 日本語を話している音声データは高品質で私の声に変換できました。 中国語を話している男性、女性の音声データも私の声に変換できました。 流暢に私が中国語を話している！！ 英語に関しても、私の声に変換できました。 英語も違和感なく聞こえます。 私の子どもにも聞いてもらいましたが、お父さんやと、お墨付き。 今までは、自分の声を学習させるために、声の録音が結構大変でしたが、今回は、30秒
RPA（ロボティック・プロセス・オートメーション）なので、「パソコン操作自動化ツール」と書くと、違うと指摘されるかもしれませんが、ここはパソコン操作を自動化して、空けた時間を他の業務に利用しようというコンセプトで書かせていただきました。 私は一時、Microsoftの「Power Automate」を使っていました。RPAのツールは世の中にたくさんありましたが、Windows上で使うRPAを探したのでOSと同メーカーのMicrosoftのRPAが相性良いかなと思ったのがきっ
ご覧いただきありがとうございます。私は今まで、プレゼン資料・説明資料をパワーポイントで作成していたのですが、AI時代の資料作成の方法を考えてみました。それで今は、提供されているAIのサービスを使って色々できることを知り、デザイン含めて下記に記述する流れで作成をしています。 プレゼン・説明用の構成資料をテキストで作成するところから始めるのですが、今回はChatGPTに構成をお願いしました。 テーマは「営業活動でのマーケティングの説明をプレゼンします。市場分析、セグメンテーショ
手書きの発注書を用意するために、Microsoft の Excel のテンプレートに発注書がありましたので、それを使って印刷しました。 その発注書に手書きで書き加えたものを発注書とします。 FAXで送る現場はまだまだ残っているかと思います。 また、その手書きの発注書を写メで撮影し、メールなり、Webアプリでやり取りすることも考えられます。 下図がMicrosoft の Excel の発注書テンプレートに手書きで作成したものになります。 これを AI-OCR で解析すると
Kaggleの住宅価格のコンペデータを使わせていただき、 訓練データとテストデータを使いました。 販売価格（単位はドル）の項目を予測ターゲットにしましたが、 データ項目の影響度が「総合評価」と「居住領域の広さ」が大きいので、 販売価格に影響のありそうな項目に絞ると、より良い結果が出ると思っています。 下図は Quick build で学習させたもので予測した一部の結果です。 黄色の列が、予測した販売価格で、オレンジ色の列が、実際の販売価格に なります。予測精度は ( 予測
AWSのSageMakerのCanvasの機能でデータ予測ができます。ユースケースとして、下記の項目が書かれていました。 ①顧客の解約を予測する 商品の消費と購入履歴データを使用して、顧客の解約パターンを明らか にし、今後解約のリスクがあるものを予測します。 ②在庫を効率的に計画する 売上と需要の履歴データを、関連するウェブトラフィック、料金、商品 カテゴリ、気象、および休日のデータと組み合わせることで、在庫のニ ーズを予測します。 ③料金と収益を最適化する 過
「こもらめもりぃ」というアプリを開発して、サービス停止中でしたが、試用運用を開始しました。 YouTubeで限定公開されている動画、 vimeoで限定公開されている動画、 または独自のwebサーバにアップされている動画、 ビジネスシーンでは、vimeoの利用も多かったりしますので、 一括管理するのに便利なアプリになっています。 アプリへの設定は、好きな動画のURLをコピー・貼付けし、タイトル名を入れて、読込みボタンを押すと、登録できます。 YouTube , Vimeo
まず、画像を生成する技術として、SDXL1.0ベースのモデルを使って、プロンプトで指定した画像を生成することをしました。 ポーズを指定するのに、プロンプトも利用できますが、基となる写真があって、そのポーズどおりに生成したい場合は、 OpenPose , Canny , Depth , という各々の技術がありました。 OpenPoseは棒の骨格だけを抽出した画像を生成に使うので、現実的でない身体の画像も生成されましたが、それなりに近いポーズとなりました。 Cannyは線画画像を
AWS上でGenUの環境構築を行い、URLでアクセスできる検証環境が表示されました。 検証できるメニューは多々あり、 チャット、RAGチャット、文章生成、要約、校正、翻訳、Webコンテンツ抽出、画像生成、映像分析、音声認識、Kendra検索、とあります。 チャットは、OpenAIのChatGPTと同様のことができます。 RAGチャットは、Amazon Kendraで同期したファイル（社内の就業規則や社内システムのマニュアルなど）に記載されている内容を質問すると回答してく
まずはSDXLのベースモデルで爽やかな男性の画像を作成してみました。 プロンプトにかなり細かい設定をしたので、よく似た男性になってしまうのか。。。でも爽やかです。 下図はSDXLのベースモデルにRefinerを適用してみました。 Refinerは、画像の細部を調整し、高品質に仕上げてくれるそうです。 下図は、違うモデルを適用したものになります。 爽やかな男性の画像を作成してきましたが、私がかなりカッコイイと思う男性の画像を作成し、私の主観の美男美女のカップルの画像が作成
前回の記事は、１枚の画像からポーズの情報を抽出して、イラストに適用したものですが、今回は、depthという技術を使って、同じポーズの再現をしてみたいと思います。 depthは奥行きを抽出できるようで、どのように再現できるのか確認したいと思っています。 前回同様、下図の画像をベースにしました。 １枚の画像から深度マップを作成し、ポーズが再現できるようです。 下図が作成した画像になります。 ポーズはほぼ同じに再現できています。 いい感じです。 次に、不思議の国のアリスの「
前回の記事で、ウェディングドレスを着た女性画像をAIで作成してみましたが、その中の１枚の画像をイラストにしてみました。 下図の画像を加工します。 １枚の画像のポーズ図と線画の画像を作成しました。 ControlNetの機能を使って、ポーズ図と線画の画像を取り込み、作成したイラストが下図になります。 AIで作成した画像です花を持つ手の部分は気になりますが、全体的にベースにした画像と同じようなポーズで作成されています。ポーズがコントロールできるのは良いですね。 次は、Lo
結婚式のお仕事をされている業界で、広告の写真として使えるかもしれないと思いながら、AIを使ってウェディングドレスを着た女性を作成してみました。場所は教会の中で指定しています。 自動画像生成はプログラムで色々できることがわかってきましたが、技術の歴史もあって、何が良いのか。。。 1024×1024のピクセルサイズで作成できるSDXLを用いて作成してみました。 下図はSDXLのベースモデルのみで作成したものです。 下図はSDXLのベースモデルにRefinerを適用してみました
