Visual Wordsを用いた類似画像検索 - 人工知能に関する断創録
類似画像検索システムを作ろう（2009/10/3） 3日で作る高速特定物体認識システム（2009/10/18） に続くOpenCVプロジェクト第三弾です。今回は、上の二つをふまえてカラーヒストグラムではなく、局所特徴量（SIFTやSURF）を用いた類似画像検索を試してみます。局所特徴量はグレースケール画像から抽出するため、カラーヒストグラムと違って色は見ていません。画像の模様（テクスチャ）で類似性を判定します。 実験環境は、Windows 7、MinGW C++コンパイラ、OpenCV2.0、Python 2.5です。EclipseでMinGWを使う方法はEclipseでOpenCV（2009/10/16）を参照してください。Visual C++にはないディレクトリスキャン関数を一部使っているのでVisual C++を使う場合は、少しだけ修正が必要です。 Bag-of-Visual Wor
ねこと画像処理 part 2 – 猫検出 (モデル配布) – Rest Term
ねこと画像処理。 (アイシャ – 池袋 ねころび) 前回のねこと画像処理 part 1 – 素材集めでは猫画像の集め方について整理しました。今回はその集めた猫画像を使って猫検出用の学習モデル(分類器)を作成したいと思います。それにはいろいろと準備が必要です。 モデル(分類器)の配布についてはこのエントリーの後半で説明します。 アノテーションデータの収集 学習モデルを作る前に猫のどの部分を検出するかを決める必要がありますが、今回は猫の顔(頭)部分の検出を行おうと思います。そのためのアノテーションデータ作成補助ツールを作成したのでそれを使ってひたすらデータを集めます。僕一人の作業だと限界があったのですが、クラウドソーシングによりネット上の顔も知らない有志達の協力のおかげであっという間にデータが集まりました。 アノテーションデータ作成補助ツールの作成にあたっては以下のサイトを参考にさせてもらいま
HOG特徴量の計算
概要 HOG(Histogram of Oriented Gradients)を知らないゴリラはいない。 中部大学 藤吉研究室 http://www.vision.cs.chubu.ac.jp/joint_hog/pdf/HOG+Boosting_LN.pdf 東工大 画像解析論 http://www.isl.titech.ac.jp/~nagahashilab/member/longb/imageanalysis/LectureNotes/ImageAnalysis07.pdf 以下では、ある点の近傍を1ブロックとして、そのHOG特徴量のみを計算する。 一般的なHOGの計算では画像領域を格子状のブロックに分け、各ブロックの位置（格子点）で特徴量を計算してそれらを連結する。 しかし、これを素朴に実装すると問題が発生する。 たとえば人物検出で探索窓をスライドさせるとき、計算に用いるセルは数ピ
ICCV 2013 (1) - 東京大学中山研究室 研究日記
中山です。 遅くなりましたが、先月シドニーで開催されたInternational Conference on Computer Vision (ICCV)の紹介をさせて頂きます。 ICCVは、CVPRと並ぶコンピュータビジョンの分野では最も権威のある国際会議です。CVPRの方は毎年米国で開催されますが、ICCVは隔年でECCVと交互に開催されています。内容的にはどちらも変わらず最高レベルの研究発表が行われますが、雰囲気はCVPRと結構違う印象を受けました。シングルトラックでセッションが組まれていることが大きいと思いますが、質疑応答などは以前参加したCVPRの方がずっと活発であったように感じました*1。 いずれにせよ、ビジョンのみならずさまざまな分野の研究者にウォッチされている会議であり、我々としては目指すべき場所の一つです。今回の採択率は久しぶりに30%を超え、少し間口が広がった印象があり
一般物体認識の現状と今後
Vol. 48 No. SIG 16(CVIM 19) Nov. 2007 † 1 1 101 6 The Current State and Future Directions on Generic Object Recognition Keiji Yanai† “Generic object recognition” aims at enabling a computer to recognize objects in images with their category names, which is one of the ultimate goals of computer vision research. The categories which are treated with in generic object recognition have broad variabili
3日で作る高速特定物体認識システム (1) 物体認識とは - 人工知能に関する断創録
情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非常に参考になりますが同様にPDFが手に入りません・・・。他にもいくつかわかりやすい総説論文へのリンクを参考文献にあげておきます。 物体認識とは 物体認識（object recognition）は、画
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
2012/12/7にComSysで招待講演した際のプレゼン資料です。2013/1時点でのJubatusに関する全部入り資料になっています。 概要：Hadoopは非常に成功した大規模データの分散処理基盤である一方、データを貯めないリアルタイム処理や、統計的な手法で知見や予測モデルを得る機械学習技術のサポートは限定的である。Jubatusは、それらHadoopに足りない「分散・リアルタイム・機械学習」を実現するためのOSSフレームワークとして2011年にリリースされた。その技術的特徵は、オンライン学習アルゴリズムを分散化し、かつ分散環境でコストの高いデータ共有を排除してコンパクトな機械学習モデルのみを緩やかに共有するMix操作を中心とした計算アーキテクチャを採用していることにある。本講演ではその動作原理を中心にJubatusの裏側を紹介する。Read less
TanakaKoichi's Blog (まだβ版): Jubatus
「Jubatus Casual Talks」という、Jubatus開発者主催のイベントに参加してきました。イベントの詳細は下記ページを見てください。 Jubatus Casual Talks #1 ほとんどTwitter（Jubatus公式 @JubatusOfficial）での告知のみのようでした。 運営の方の説明によると、Jubatusの利用者に発表してもらうのは今回初めての試み、ということでした。（故に「Casual Talks #1」なのでしょう。） 以下に関連情報をまとめておきます。 関連ツイート（#jubatuscasual） : https://twitter.com/search?q=%23jubatuscasual 当日のUstream : http://www.ustream.tv/new/search?q=JubatusCasualTalks%231&type=a
PFI、リアルタイム処理を重視したビッグデータ分析ソフト「Sedue for BigData」を6月発売
PFI、リアルタイム処理を重視したビッグデータ分析ソフト「Sedue for BigData」を6月発売 プリファードインフラストラクチャー（PFI）は2013年5月20日、リアルタイム処理を重視したビッグデータ分析ソフトウエア「Sedue for BigData」を発表した。1秒当たり数千～数万件送られてくるデータに対してリアルタイムでインデックスを作成し、データに対する分析を可能にする。最小構成価格は3000万円からで、6月20日に発売する。 PFIが今回発表したSedue for BigDataは、同社が従来から販売する検索ソフト「Sedue」をベースに様々な機能を追加した新製品となる。Sedueは今後も販売する。検索ソフトのSedueが、ドキュメント検索を対象とした製品であるのに対して、「Sedue for BigDataは、サーバーのログデータやセンサーデータなど、流れるようにや
理研の人事を批判するなら、同じ口でシンガポールを目指せとか絶対に言うなよ - やまもといちろうBLOG（ブログ）
日経で非常に素晴らしい連載があって、これは通勤中でもクソ中でも目を皿のようにして読むべき記事だと思うわけです。 スター誕生の裏側 小保方博士と理研の迷宮（中） http://www.nikkei.com/article/DGXBZO71055780S4A510C1000000/ 今回は理研が採用している研究者任期制を取り上げて、希望や夢を抱けない若手研究者の苦悩を記しているわけですけれども、 [引用] 日本で研究を続ける場合、35歳がターニングポイントになる。大学で助教になるか、研究所や企業の研究職に就職しないと、その先はポストを探すことが難しくなる。そもそも博士課程を修了すると30歳近くの年齢になるため、理研に入った研究者は、任期が切れた後に不安を抱く。 [引用] 「研究の現場は、５年経てば全員が入れ替わる。こんな巨大研究組織は世界でも珍しいのではないか」。理研横浜研究所に在籍してい
女子の集団に男子を入れると－おばあさんの集団におじいさんを入れると - おうつしかえ
これ読んで思いだした。 女子校と共学の違いを表したイラストが「あるある」すぎると話題 | feely 以前、年配のグループをお世話するお手伝いをしていたことがある。 そのメンバーは圧倒的に女性が多い。おばさんやおばあさんの集団。滅多に男性はいない。 グループの中は、おだやかで平穏なことはほとんどない。グループが仲良くなればなるほど、トラブルやちょっとした軋轢が起きる。 そして、おばさんやおばあさんの集団はあっという間に仲良くなるので、あっという間にトラブルや軋轢が起きるのだ。 ［広告］ むむむ例１ A「いいのよーいつでもうちの庭に車停めてちょうだい」 B「あらーありがとうー」 ----- 後日 A「庭に車を停められて困っているのよ」 むむむ例２ C「これね。うちの田舎から送ってきたイナゴ。ダメだったら食べないで」 D「私は好きよ。イナゴ」 ----- 後日 D「クチの中に足が刺さって痛くな
KandaNewsNetwork KNN
2017/04/16 4knn.tvでも記事化しているがNikon Df https://4knn.tv/nikon-df/ 2013年発売でありながらも値下がりしない価値。中古価格でも16万円を維持…。 ボディだけでもいいかと思っていたが、50mmのレンズの評判が良い。 HDMI経由であれば動画のキャプチャーも可能というのが嬉しい。 投資対象としてのカメラ認定かと…。 ということでマップカメラとフジヤカメラで、物色してみたいと思います。 オールドレンズを探す、古いカメラ屋さんでの喜びがよみがえってくるのかも…。
線形SVM - 人工知能に関する断創録
下巻に入って7章のサポートベクトルマシン（Support Vector Machine: SVM）を実装してみます。SVMに関しては、有名なSVMのライブラリ（libsvm）を使ったことがあるだけで、アルゴリズム詳細はPRMLで初めて学習しました。なので変なことを書いていたらコメント欄で指摘してもらえると助かります。 まずは、一番簡単な線形SVMを実装してみます。今までと同様に直線（超平面）でデータが完全に分離できる場合です。PRMLの7章には特に説明がありませんが、カーネル関数に下の線形カーネル（データのただの内積）を用いた場合に相当するようです。このカーネル関数を多項カーネルやガウシアンカーネルに変更すると線形分離不可能なデータも分類できるようになるとのこと。非線形SVMは次回ためしてみます。 まず、SVMの識別関数は、式（7.1）で表せます。 今までと違ってバイアスパラメータをまとめ
K-meansクラスタリング - 人工知能に関する断創録
9章のK-meansをPythonで実装してみます。データx_nをあらかじめ指定したK個のクラスタにわけることを考えます。各クラスタの重心をμ_kとします。K個のデータ平均（means）=重心があるからK-meansですね。さらに、2値指示変数r_nkを用意します。これは、データ点x_nがk番目のクラスタに含まれるとき1、それ以外は0になります。各データx_nはただ1つのクラスタに属するという仮定があるためr[n]のK次元ベクトルは1つだけ1であとは0になります。このとき、最小化したい目的関数Jは（9.1）で与えられます。 上の式は各データ点x_nからその点が所属するクラスタの重心までの距離を最小化することを意味しています。ここでの目的は、Jを最小にするr_nkとμ_kを求めることです。r_nkとμ_kの2つともわからないので、r_nkとμ_kをそれぞれ最適化する2つのステップを交互に何度
ソフトマージンSVM - 人工知能に関する断創録
前回（2010/5/2）のハードマージンSVMでは、データに重なりがある場合、下のようにちゃんと分類境界を求められませんでした。今回は、重なりのあるクラス分布に対応できるように拡張してみます。このようなSVMはハードマージンSVMに対してソフトマージンSVMと呼ばれます。別名としてC-SVMとも呼ばれるようです。 PRMLの7.1.1にあるように、データの誤分類を許すようにSVMを修正します。ハードマージンSVMでは、データ点がマージン内（-1 < y < 1）に絶対に入らないことを前提にしていましたが、ソフトマージンSVMでは「入ってしまったものは仕方ない、だがペナルティを与える！」と少し条件を緩めます。 まず、スラック変数ζ（ゼータ）をデータごとに導入します。スラック変数は、データが正しく分類されかつマージン境界上または外側にある場合は0、正しく分類されているがマージン内に侵入してしま
やる夫はSVMを実装したようです やる夫で学ぶ非線形なSVM
2乗誤差最小化を基礎におく線形識別器の欠点を克服する識別器の学習として有名なサポートベクターマシンについて、原理、学習アルゴリズムについて説明する。さらに回帰の応用したサポートベクター回帰についても説明する。
学習モデルのバックアップとリカバリ — Jubatus
学習モデルのバックアップとリカバリ¶ サーバープロセスは、メモリ上で機械学習に関するデータを管理しています。 メモリ上でデータを管理するという性質上、サーバープロセスの終了とともに Jubatus 上のデータは失われます。 Jubatus では、予期せぬプロセスの終了や誤ったオペレーションに備え、バックアップとリカバリのための機能を提供しています。 現在、Jubatus では、以下の手段を提供しています。 Save and Load¶ サーバープロセスの学習モデルをファイルに保存し、そのファイルを読み込むことで、サーバープロセスの学習モデルを復元する機能です。 Jubatus では、この機能をクライアント向けに MessagePack-RPC インタフェースで提供しています。 現在、学習モデルを保存した環境と異なる環境(Jubatusのバージョン、クラスタ構成台数、configファイルの内
JINS MEME（ミーム） | JINS - 眼鏡（メガネ・めがね）
ウエアラブルデバイスの、遥か彼方へ - 世界初、自分を見るアイウエア。MEME（ミーム）とは、個人の中に存在する感情や習慣、好みなど、人間の生き方を左右する形のない情報のこと。あなたはJINS MEMEを通して、自分の内側を知ることになる。今の自分の疲れが見える。気分が見える。眠気が見える。それはまさに、最適なミームを選択し、育て、より豊かな未来をつくっていくこと。私（ME）が 出会う、もう一人の私（ME）。内なる自分を見るその眼が、外の世界を見る眼を変え、人生の景色を変えていく。ウエアラブルを超えるアイウエア、誕生。 これからは、ビッグデータよりも、ディープデータ。JINS MEMEをかけたあなたの眼やその付近からは、今まで得ることのできなかった圧倒的に高精度な身体情報（DEEP DATA）を取得することができるのです。人間の感覚器の約８割が頭部に集中し、五感の約９割は眼から感知されると
Mac OS X で Youtube から動画をダウンロードして AAC 規格で圧縮する方法
時々しかやらないせいもあって、やり方を忘れるのでメモしておく。 自分の環境は、以下の通り。 Mac OS X version 10.6.6 brew 0.7.1 youtube-dl 2010.12.09 ffmpeg 0.6.1 libavutil 50.15. 1 / 50.15. 1 libavcodec 52.72. 2 / 52.72. 2 libavformat 52.64. 2 / 52.64. 2 libavdevice 52. 2. 0 / 52. 2. 0 libswscale 0.11. 0 / 0.11. 0 youtube-dl, ffmpeg が自分の環境に入っていなかった場合、以下のコマンドでインストールする。 $ brew install youtube-dl $ brew install ffmpeg youtube-dl は、youtube-dl の後に
「肉屋、鞄屋の人とは結婚して欲しくない」
自慢の母だったんです。 父は私が幼い頃病死。そこから女手ひとつで育ててくれた。 1人でお店をはじめ成功させた。「みんな店長の人柄に魅かれてこのお店に集まってくるのよ」とお客さんにも褒められた。 60代後半に見えないくらい若いし、同年代の人と比べても柔軟な頭を持ってる方だと思ってた。 だから、その分ショックが大きかった。 「肉屋と鞄屋の人とは結婚して欲しくないなあ。 そういう人たちは昔「えったもん」と言われててね。 そんな人達と結婚したらあなた自身だけでなく子供、孫までかわいそう…」 買い物帰りの車中の会話。 今時こんな時代錯誤な思考をする人がいるとは しかもそれが自分の親。尊敬していた私の母。 結婚をする予定は今のところ全然ないしお肉屋さんや鞄屋さんの知り合いもいない。 なんとなく世間話ついでにポロっと喋った程度の会話。 その場では「その考えあんまり好きじゃない…」と濁らせたが、いつかハッ
パターン認識と機械学習（PRML）まとめ - 人工知能に関する断創録
2010年は、パターン認識と機械学習（PRML）を読破して、機械学習の基礎理論とさまざまなアルゴリズムを身につけるという目標（2010/1/1）をたてています。もうすでに2010年も半分以上過ぎてしまいましたが、ここらでまとめたページを作っておこうと思います。ただ漫然と読んでると理解できてるかいまいち不安なので、Python（2006/12/10）というプログラミング言語で例を実装しながら読み進めています。Pythonの数値計算ライブラリScipy、Numpyとグラフ描画ライブラリのmatplotlibを主に使ってコーディングしています。実用的なコードでないかもしれませんが、ご参考まで。 PRMLのPython実装 PRML読書中（2010/3/26） 多項式曲線フィッティング（2010/3/27） 最尤推定、MAP推定、ベイズ推定（2010/4/4） 分類における最小二乗（2010/4/
認知症の女性 ７年ぶりに夫と再会 NHKニュース
認知症やその疑いがあって行方不明となる人が年間およそ１万人に上っている問題で、無事、保護されたものの認知症のため身元が分からず７年間、群馬県内の施設で暮らし続けている女性についてＮＨＫが番組で放送したことをきっかけに１２日、夫が面会し、東京の６７歳の女性と確認されました。この女性については下着に名前が書かれているなど多くの手がかりがありましたが、７年もの間、身元不明のままでした。 認知症やその疑いがあり、はいかいなどで行方不明になっている人が全国で年間およそ１万人に上っている問題で、ＮＨＫが全国の自治体などを取材した結果、無事、保護されたものの認知症のため名前や住所などの身元が分からず、施設などで今も暮らしている人が先月１日時点で少なくとも４人いました。 このうち平成１９年に、群馬県館林市で保護されたあと、身元が分からないまま７年間、介護施設で暮らし続けている女性について、１１日にＮＨＫス
米国版ドラえもんはココに注目 - 芸能ニュース一覧 - オリコンスタイル - エンタメ - 47NEWS（よんななニュース）
国民的アニメ『ドラえもん』が全米進出！ 日本では箸を使っているシーン（画像上）が米国版『DORAEMON』ではフォーク（画像下）に“ローカライズ”（C）藤子プロ・小学館・テレビ朝日・シンエイ・ADK 米国版ドラえもんはココに注目 漫画誕生から45年、1979年4月にテレビ朝日系でアニメ放送が始まって35年。先日、全米進出が報じられた日本の国民的アニメ『ドラえもん』。今回、初めて米国の文化や生活習慣が反映された『DORAEMON』が制作されることになり、その画像を入手した。のび太の0点の答案も、落第を意味する“F”の文字が追加されたり、のび太が手にするおこづかいもドル紙幣に変わるなど、米国版での“ココが違う”ポイントを一挙紹介する。 日本版と米国版の違いはほかにも… ◆キャラクター、ひみつ道具の名前が違う 作品の舞台は、日本ではなく、アメリカの架空の場所。ドラえもんは英語名もDoraemon
支払いが遅いクライアントに催促する10の方法 | ライフハッカー・ジャパン
Inc.：なかなかギャランティを支払ってくれないクライアントは、小さなビジネスにとって大きな悩みの種です。提供した労働に対する対価が入ってこないようでは、日々の支払いを済ませたり、会社を大きくしたりすることは間違いなくできません。 そこで、未払いの請求書がある場合にできる対策をまとめてみました。 1．作業を始める前に、クライアントから契約書に署名をしてもらう 納品物の内容、価格、支払日を明記した契約書を用意し、それに署名をしてもらうことで自分だけでなくクライアントも守ることができます。もしも法的な手段に出る必要がある場合でも、契約書があることによってずいぶんと有利な立場を確保できます。 2．支払いを前倒しすることに対してメリットを提供する 近所にある歯科医院では、治療を受けたその日に現金または小切手で支払いを済ませた患者は5パーセントオフになる、というところがあります。同じように、請求書や
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
ゴリラになる知識
CVPapers - Computer Vision Resource
Bazil - Make Machine Learning Much Easier
KandaNewsNetwork KNN
KandaNewsNetwork KNN
第1回 Jubatusハンズオン
やる夫で学ぶSVM with R
悪い広告の手口を世間に知らしめる団体、FacebookやGoogleら4社が設立