GitHub - rezoo/illustration2vec: A simple deep learning library for estimating a set of tags and extracting semantic feature vectors from given illustrations.You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Hello Autoencoder — KiyuHub
Hello Autoencoder 最近，身内でDeep Learningを題材に含んだ勉強会を行なっている． メインは専門である自然言語処理まわりだが， とりあえず実装(というよりnumpy)の導入になる上，結果を視覚化できることから， 画像データを利用したAutoencoderの実装について取り扱った． 軽い説明と共にコードと，色々な結果を Autoencoder Autoencoderとは,Neural Networkの特殊系で，基本的には 入力層と出力層のユニット数が同じである． 教師信号として入力そのものを与える． という特徴を持つ． 入力と出力が共に4次元で，隠れ層が2次元なAutoencoderの図 Autoencoderは，入力の情報をを一度隠れ層の空間に写像(encode) したあと， 元の信号を復元(decode)するようなパラメータを学習する． 図のように，もしも隠れ
類似画像検索システムを作ろう - 人工知能に関する断創録
C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文（Datta,2008）を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます
Python/OpenCVで顔検出を利用した肌色検出 | ぱろすけのメモ帳
序論画像から肌色領域を検出する必要は、様々な場面で生じます。たとえば指や腕などをうまく切り分けることができればジェスチャーの認識が容易になります。肌色領域検出によって画像から人を検出するタスクも難易度が下がるでしょう。肌色領域検出は水玉コラを自動生成に役立つなど、愉快なアプリケーションも多くあります。というわけで本記事では画像から肌色領域の検出をする手法を提案し、その実装を示し、実験により性能を検証します。修士論文書かなきゃなあと思いながらブログを書くと、構成が自然と論文風になってしまいますね。関連研究関連研究を述べます。Elgammal による肌色検出のチュートリアル [Encyclopedia of Biometrics, 2009] では、肌色領域の検出の方法について説明しています。そこでは、あらかじめ「こういう色が肌色です」と定義しておいて、それをもとに画像から肌色領域を検出すると
Web から画像を up して Django で処理する雛形 | ぱろすけのメモ帳
なんとなく使えそうなので書きました。画像を受け取るとサーバに送信し、サーバは顔認識して結果を返します。以下みたいな感じです。以上はここで実際に見ることができます。クライアント側はふつうに Javascript で書かれています。ファイルを受け取ってアップロードするために Dropzone.js というライブラリを使ってみました。サーバ側は Python/Django で書かれています。なぜ Python かといいますと、まあ、使い慣れているからです。Django は最近はあまり流行らないそうですが、しかしちょっと調べてみた感じでは Python の Web フレームワークの中では一番将来性がありそうな印象でした。今回は本当に小さいプログラムですから、明らかに役不足（正しい意味で）ですね。画像ファイルをアップロードしてバックエンドで処理できるといろいろ楽しいですよね。一応コンピュータビジョン
Python でポワソン画像合成のコード書いたよー | ぱろすけのメモ帳
皆様こんにちは。元気に画像合成してますか？ ふつーは画像合成とかあんまり興味ないですよね。僕も全然興味ありませんでした。何だか難しそうだし、面倒そうだし、Photoshop 持ってないし。でもですね、画像合成に全然興味がなく、一切関わりたいとも思っていなかったのは、画像合成について何ひとつ知識を持たなかったからです。皆様はポワソン合成についてはご存知ですか？ ポワソン合成を用いると、以下のような画像を簡単に作ることができます。 モナリザをベースとしている感じはありますが、顔が違いますね。なんか違う。 実はこれ、以下の画像をベースとして 以下の絵を合成しています。 どの部分を合成するかについては、以下の画像で指定しています。 ポワソン合成を用いるとこのような合成を簡単に行うことができます。どうですか面白くないですか。 ポワソン合成は、SIGGRAPH というコンピュータグラフィクス界で非常に
セクシー女優で学ぶ画像分類入門
2. 解析動機 2013年5月18日Tokyo WebMining #26 2 最後の春だし画像処理の勉強でもしとくか 後輩からAV女優の類似画像検索の話を聞く （ぱろすけ 2012） DMMにはアフィリエイトあったよな これでウェブサービス作れば儲かるかも 決して下半身からの要望で解析したのではありません http://blog.parosky.net/archives/1506 3. 計算環境 2013年5月18日Tokyo WebMining #26 3 使用言語：Python ２．７ （少しだけR） 使用モジュール：Numpy, Scipy, OpenCV 科学技術計算用のライブラリ MATLABにできることは大体できる numpy.ndarray 型付き多次元配列 numpy.linalg 線形代数計算 scipy.cluster 今回はこれのk-means法を使用
画像処理でのPythonの利用
東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
1
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
monophile: OpenCVで顔認証をしてみる
Python Imaging Library Handbook (2003 Edition)