アンサンブル学習--識別器の識別性能向上法および情報統合の数理 | CiNii ResearchJaLC IRDB Crossref DataCite NDLサーチ NDLデジコレ（旧NII-ELS） RUDA JDCat NINJAL CiNii Articles CiNii Books DBpedia KAKEN Integbio PubMed LSDB Archive 極地研ADS 極地研学術DB OpenAIRE 公共データカタログ
Intelligent Image Processing Report
平成２２年度・画像解析論演習 本講義では、画像処理の基礎レベルを理解することを第一の目的とした構成としつつ、 最近の画像処理で用いられる技術までを視野にいれた内容も網羅している。 画像処理の研究では、単にプログラミング技術だけではなく、数学や物理、制御、生物 など、他の多くの分野の知識も求められる。このような分野横断的な関係を見出すことで、 画像処理の目指す本質とそのギャップを理解していくことが望まれる。 本講義資料は，以下からダウンロードすることができる。予め資料に目を通しておくことで 講義の理解をより一層深めてほしい。 画像解析論講義資料 レポート課題演習について 課題で使用する画像は、２５６階調までの白黒階調画像で、その 画像ファイル形式はPGMフォーマット(ファイルの拡張子として".pgm"がついてい る)である。これ以外にPPM形式（拡張子は".ppm"）のカラー画像も扱う。 画
Information Knowledge Network Special Lecture / IKN Laboratory
Lecture / 授業 Information Knowledge Network Special Lecture 情報知識ネットワーク特論 Semester / 開講 Tuesday, 3rd hour (13:00-14:30), Winter, Graduate School of IST, Hokkaido University 後期火３限, 大学院情報科学研究科，北海道大学 The URL of this page: http://www-ikn.ist.hokudai.ac.jp/ikn-tokuron/ News / 新着情報 Updated on 30 Nov. 2016. Description of This Lecture / この授業の説明 Purpose / 目的 情報検索とデータマイニングについて，基本的な考え方とアルゴリズムを学びます. Learning b
第3回 オブジェクト検出してみよう | gihyo.jp
第1回、第2回と画像認識の基礎とOpenCVについて紹介してきました。第3回目の今回は、いよいよ本連載の目玉であるOpenCVを使ったオブジェクト検出に挑戦してみます。 オブジェクト検出の仕組み 基本原理のおさらい オブジェクト検出のプログラムを書き始める前に、そもそもどんな仕組みでオブジェクト検出を行っているのかを理解しましょう。 第1回では画像認識の原理として、学習フェーズと認識フェーズがあることを説明しましたが、OpenCVに実装されているオブジェクト検出プログラムもこの流れに従います。つまり、画像から特徴量を抽出し、学習アルゴリズムによってオブジェクトを学習します（詳しくは第1回を参照してください）。 図1 画像認識の流れ OpenCVに実装されているオブジェクト検出プログラムは、Paul Violaらのオブジェクト検出の研究［1］をベースに、Rainer Lienhartらが
コンピュータビジョン 最先端ガイド2 − CVIMチュートリアルシリーズ − - オンライン書店 | アドコム・メディア株式会社
待望の続編が遂に刊行！ 本書を読めば、コンピュータビジョン分野での話題の技術・アルゴリズムについて、その原理を理解できるだけでなく、それを実践に生かすための実装法までを一度に学ぶことができる！ 日常，われわれが愛用するハンドブック，解説記事等は，広く専門知識を獲得する目的においては役に立つ。しかし，ある原理・手法について学びたい場合，解説記事を読んだだけでは不十分で，原著論文に戻り，試行錯誤を繰り返す必要がある。しかし，ほとんどの原著論文には，プログラムの実装方法のような具体的内容までが記載されていないため，「このパラメータの設定方法は？」「初期化は必要なの？」「データの定義方法は？」 など多くの疑問が生まれる。一方，特定の内容についての解説本や教科書では，特徴抽出，物体追跡などの技術目標についてまとめられているケースが多く，方法論や表現方法という観点でまとめられた書籍は少ない。さらに，コ
opencv.jp - OpenCV-1.0:機械学習 ブースティング（Boosting）リファレンス マニュアル -
最終変更者: 怡土順一, 最終変更リビジョン: 467, 最終変更日時: 2009-06-23 14:23:34 +0900 (火, 23 6月 2009) 一般的な機械学習のタスクは，次のような教師あり学習である． 入力と出力の学習データ集合が与えられたときに，未観測の入力サンプル xに対する出力 y を予測する． つまり，入力 x と出力 y の間の関係を表す関数F: y = F(x) を学習することが目的である．定性的な出力予測が分類と呼ばれるのに対して，定量的な出力予測は回帰と呼ばれる． ブースティングは教師あり分類の学習タスクを解決する強力な学習概念であり，たくさんの「弱い」分類器の能力を結合することで， 強力な「コミッティ」[HTF01] を構成する． 弱い分類器は，偶然よりもましな性能を持っていれば良いため，非常にシンプルで計算コストの小さいものである． しかし，これらの多く
デザイン思考と創造性
Mon, Jul 19 デザイン思考と創造性 22:59 デザイン思考と創造性：今晩はNewsweek July19号を参考に創造性について考えてみたい。KMDで教えていることは創造性につきるのだが、モダンアート好みやオシャレ好きが創造性だと思っているところが非常に困る。エンジニアやビジネスをする人とアートっぽい人がいる、のではない。 23:05 少し前に教育産業の人と仕事をしたが、まいったのは、創造性とは美術教育とか音楽教育であるという思いこみが変わらない。また実際そこにつけ込んでビジネスをしている人も多いので面倒だ。情操教育とか、金持ちの息子とか娘がヨーロッパの美大にいってるとか、そんなレベルの話にされる。 23:09 創造性はそうしたつかみ所のないものではなくて、もっと明確に定義できる。50年以上前だがアメリカのPaul Torranceという研究者がそう考えて、400人の生徒
MASAHIKO SATO | TOPICS OF TOPICS :: “これも自分と認めざるをえない” 展 の見方
六本木・東京ミッドタウンにあります21_21デザインサイトで、私がディレクションした展覧会「“これも自分と認めざるをえない” 展」が現在、開催されています。 その詳細は、21_21のホームページに載っており、私の主旨文もありますので、そちらを参照してください。 21_21ホームページ：http://www.2121designsight.jp/ ここでは、そのよりよい見方について、お伝えいたします。 【１】会場は、ひとりひとりの体験型の作品が多く、大変、混み合っています。 可能なら、週日（しかも、午前１１時の開館に近い時間帯）に行くと、正しく鑑賞できます。もし、土日しか時間が取れない方も、お昼までに入ると、あまり並ばなくてすみます。 【２】正直、とても楽しいし面白い体験がたくさんできます。しかし、私がみなさんにやってほしいのは、楽しむだけでなく、その作品を体験することで得られる「新しい表象
Microsoft PowerPoint - Ppt0000004[読み取り専用]
画像認識の基礎から応用 和歌山大学 和田俊和 画像認識：「画像」と「認識」，どっちが大事？ • 認識：WHAT,WHICHを問う問題 – Cognition or Re‐cognition?=>知ってるから分かる ( Pattern Recognition: 分類問題 ) • 画像：WHERE，HOWを求めなければいけない． – 2次元なのに位置・向き・大きさ等の探索が必要 ( 検出，追跡の問題 ) 画像認識の問題を要約すると A) WHAT・WHICHが 分かれば探索でき る． B) WHERE・HOWがわ かれば認識できる． C) 上のA)B)を同時に 行うことは困難な 問題 Where/How What/Which パターン認識 検出・追跡 Product Space 近年の進歩 • （WHAT・WHICH）認識技術の進歩 – SVM，ADA Boost，（計算論的学習理論） • （
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
村田研究室のページ
Amazon.co.jp: 顧客満足型マーケティングの構図: 新しい企業成長の論理を求めて: 嶋口充輝: 本
ブースティングと学習アルゴリズム--三人寄れば文殊の知恵は本当か? | CiNii Research
Amazon.co.jp: パターン認識と学習の統計学―新しい概念と手法 (統計科学のフロンティア 6): 俊一,甘利, 麻生英樹, 津田宏治, 村田昇: 本
Eye-Fi プロモーションビデオ （WEB版）