Scale-invariant feature transform - Wikipedia
The scale-invariant feature transform (SIFT) is a computer vision algorithm to detect, describe, and match local features in images, invented by David Lowe in 1999.[1] Applications include object recognition, robotic mapping and navigation, image stitching, 3D modeling, gesture recognition, video tracking, individual identification of wildlife and match moving. SIFT keypoints of objects are first
LadypackWiki
Project Goals Teach a robot about a physical space by interacting with it in much the same way we'd interact with a new lab member or coworker. Walk the robot around the space and verbally describe the surroundings and features. The robot would then be able to localize itself and navigate within the environment using the verbal cues as well as with a geometric model of the space. Having once told
SIFT - osdev-j (MMA)
このサイトについて major PC section... AT互換機 PC-98x1 FM-TOWNS minor PC section... 8BitPC 16BitPC 32BitPC 68kFamilyPC other technical... 家庭用ゲーム機 携帯用ゲーム機 その他のコンピュータ CPU/コントローラ他 プロトコル/拡張子 アルゴリズム ライブラリ/API other section... ツール プログラミング言語 UI/フォント OS一覧 興味深い Information/Fun 書籍 Communication... けいじばん/一言 Resource... ScreenShot DiskImage Link... projects 関連サイト 最新の30件
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
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
【研究・SIFT】Keypoint detector
Implementations of the SIFT Keypoint Detector There are many publicly available implementations of SIFT. A good one is VLFeat by Andrea Vedaldi. There are also versions in OpenCV and other sources. For historic purposes, this page provides access to an older 2005 demo version of David Lowe's SIFT keypoint detector in the form of compiled binaries that can run under Linux or Windows. The demo softw
知能画像工学
知能画像工学 【講義の目的】 近年，コンピュータの高速化・小型化とテレビカメラの分解能・感度向上・小型化・低価格化が 平行して進みつつあり，マシンビジョンシステムがFA・オフィス・医療・福祉など幅広い分野に 導入されるようになってきた． 本講義では，博士前期課程履修者を対象に，この基盤となる画像処理・解析技術について， 基本技術と最近の研究動向に関する説明を行う． 【キーワード】 Computer Vision，3次元画像認識，動画像処理，画像認識 【授業計画】 1. CV序論 2.ＣＶのための画像センサ 3.ＣＶにおけるエピポーラ幾何 4. カメラキャリブレーション 5. ステレオ視 6. 動画像処理（１）：基本概念・差分処理 7. 動画像処理（２）： オプティカルフロー 8. 動画
ユーザの商品探索プロセスとサイト上の注意点 (ユーザビリティ実践メモ)
家具、日用品などを扱うECサイトでは、ユーザがサイトに訪れてからどの商品を購入するかを検討する行動が多く見られます。このようなサイトでは、ユーザがいかに目的とするものにスムーズに辿り着けるかが特に重要となります。 こうした問題に対処していく場合、次のようなユーザの行動特性を踏まえる必要があります。 ユーザは最初に、探しているものの形状、大きさなどの大まかな特徴を含んだ表象(注)を形成します。 （「リビングに置くための低めのテーブルが欲しいなあ」といった漠然としたイメージを思い描いています。） (注)表象・・・ある存在に対する頭の中の対応物。イメージ。 イメージがあいまいで直接具体的な商品が引き出せないため、一旦像を抽象化します。 （一般名詞としての「机」を想起します） 外部の視覚的刺激を受けて探しているものが属するカテゴリを同定します。 （画像やカテゴリ名を頼りに、探しているものが「ローテ
新しい趣味を見つける３つの方法
僕は結構いろんなことに手を出していて、趣味は多い方です。ずっと続けているものもあれば、途中でやめたりしたものもありますが、常に新しい趣味を発見し続けてます。最近「趣味は？」と聞くと「別に」と答える人が身の回り多いのが残念ですが、そういう人たちは趣味との出会い方をしらないだけなのかなと思います。そこで、今回は僕なりの「趣味の見つけ方」をご紹介します。 １）雑誌を読む 雑誌は常に発行されてるものなので、常に新鮮な情報が手に入ります。なので、流行ものの情報は雑誌から入手することが多いです。趣味関連の雑誌とかでなくても、一般紙の誰かのインタビューとかで「最近xxにはまってるんですよねぇ」とかいう記事からも影響されることがしばしばあります。僕がやってる「石鹸作り」も「ロボット」も発端は雑誌からでした。 ２）東急ハンズに行ってみる 安直な感じがしますが、東急ハンズは趣味の宝庫です。一回りしてみるだけで
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
ためしてガッテンに学ぶ定番料理17品の美味しい作り方 - Liner Note