アカウント名:
パスワード:
googleでの「製品開発に有益な FST に代わる尺度」というのは、画像認識で誤認識を減らして精度を上げるのが目的なのかな。
単純にサンプルによる学習であれば区分はいらないはずですが、こと人種や肌色に関してはそうも言えないですからね（これ [it.srad.jp]とか）今はかなり人の手による調整が入っていると思われますが、それをより正確にするための施策かと
# 絵文字の色指定にも影響あったりするんだろうか……
サンプルによる学習だからこそ、区分が必要なのでは。
今までも複数のサンプルによって学習させてはいたけれど、実際には白人よりで黒人の画像を読み込ませたら正常に認識できない事例があった。もっと増やすべきだが、ではどのくらい？何段階用意すればいい？
とりあえずの指標としては、「この6段階のサンプルのデータを用意して学習させました。」が今後のテスト標準になりうる。そのための提案なのでは。
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
吾輩はリファレンスである。名前はまだ無い -- perlの中の人
そもそも肌の色を区分する理由 (スコア:1)
googleでの「製品開発に有益な FST に代わる尺度」というのは、画像認識で誤認識を減らして精度を上げるのが目的なのかな。
Re:そもそも肌の色を区分する理由 (スコア:0)
単純にサンプルによる学習であれば区分はいらないはずですが、こと人種や肌色に関してはそうも言えないですからね（これ [it.srad.jp]とか）
今はかなり人の手による調整が入っていると思われますが、それをより正確にするための施策かと
# 絵文字の色指定にも影響あったりするんだろうか……
Re: (スコア:0)
サンプルによる学習だからこそ、区分が必要なのでは。
今までも複数のサンプルによって学習させてはいたけれど、実際には白人よりで
黒人の画像を読み込ませたら正常に認識できない事例があった。もっと増やすべき
だが、ではどのくらい？何段階用意すればいい？
とりあえずの指標としては、
「この6段階のサンプルのデータを用意して学習させました。」
が今後のテスト標準になりうる。そのための提案なのでは。