料理画像判定のためのバックエンドアーキテクチャ - クックパッド開発者ブログ
サービス開発部の外村 (@hokaccha）です。 クックパッドのアプリには「料理きろく」という機能があります。 モバイル端末から料理画像のみを抽出して記録することで食べたものが自動的に記録されていくという機能です。 今回はこの料理きろくで画像判定をおこなっているバックエンドのアーキテクチャについて紹介します。なお、実際に判定をおこなう機械学習のモデルのはなしは以下の記事に書かれているのでそちらを参照してください。 料理きろくにおける料理/非料理判別モデルの詳細 - クックパッド開発者ブログ また、以下のスライドでも料理きろくのバックエンドについて紹介されているのでこちらも参照してみてください。 処理の概要 ざっくりとした画像判定のフローとしては、次のようになります。 クライアントアプリは端末内の画像を判定用に縮小してサーバーにアップロードする サーバーはアップロードされた画像を機械学習を
機械学習で遊ぼう! APIサービスやTensorFlowを使ったサンプルレシピ集|Tech Book Zone Manatee
「機械学習に興味あるけど、なかなか自分でアプリを作るところまでできない…･･･」 本連載では、そんな方を対象に、気軽に機械学習を使ったアプリを作れるようなサンプルを紹介していきます。 興味があるけどなかなか着手できていなかった方、一度チャレンジしてみたけれど難しくて挫折してしまった方、またはすでに取り組んでいて、もっといろんなアプリを作ってみたい方は、ぜひ本連載で紹介するアプリを一緒に作ってみてください。 本連載では、前半ではAPIサービスを、後半ではライブラリを使って、機械学習を使ったアプリのサンプルを紹介していきます。APIサービスとしてはGoogleのGoogle Cloud Platformで提供されているAPIサービスを使い、ライブラリとしては、オープンソースとして提供されているTensorFlowを使います。 阿佐志保 TIS株式会社 戦略技術センター所属。金融系シンクタンクで
keras(tensorflow)で花の画像から名前を特定 - Qiita
Convolutional Neural Network (CNN)畳み込みニューラルネットで、 花の画像から名前を特定する実験をしてみる！ はじめに 今回はdocker環境上にプログラムをおいて実施します。 １．環境準備 ２．プログラム ３．実験 プログラムはGitに置いておきます。 環境準備 開発環境 Macbook pro 13 2016 dockerのインストール dockerは以下のサイトからバイナリで簡単にインストールできます。 Minicondaイメージから機械学習環境を構築 機械学習系のパッケージを詰め込んだ、コンパイル済みバイナリをインストールできる conda(Miniconda)での環境構築をします。 ① テンプレートのダウンロード
画像認識対決 ~Microsoft VS Google VS IBM VS AWS~ - Qiita
はじめに この記事は、Life is Tech ! アドベントカレンダー2016 18日目の記事です。 はじめまして！iPhoneメンターのにっしーです。 「時間があるときに勉強しよう」と人工知能／機械学習／Deep Learning／認識技術といったトピックの記事の見つけてはストックしてきたものの、結局2016年は何一つやらずに終わろうとしているので、とにかく一歩でも足を踏み出すべく、 本質的な理解等はさておき、とにかく試してみる ということで画像認識技術に触れてみることにしました。 画像認識とは? 画像認識とは、画像データの画像内容を分析して、その形状を認識する技術のことである。 -- Weblio辞書 画像認識では、画像データから対象物となる輪郭を抽出して、背景から分離し、その対象物が何であるかを分析するのが基本になります。 しかし、人間なら無意識化に行われていることですが、コンピュ
Deep Learningによる一般物体検出アルゴリズムの紹介 - ABEJA Tech Blog
一般物体検出アルゴリズムの紹介 今回CNNを用いた一般物体検出アルゴリズムの有名な論文を順を追って説明します。 コンピュータビジョンの分野において、一般物体検出とは下記の図のように、ある画像の中から定められた物体の位置とカテゴリー(クラス)を検出することを指します。 [6]より引用 Deep Learningアルゴリズムの発展によって、一般物体認識の精度は目まぐるしい勢いで進歩しております。 そこで今回はDeep Learning(CNN)を応用した、一般物体検出アルゴリズムの有名な論文を説明したいと思います。 R-CNN (Regions with CNN features) (CVPR 2014) [1] かの有名なCNNの論文[8]で、ILSVRC 2012の物体認識チャレンジで大差をつけて1位になりました。 このチャレンジでは1枚の画像が1000クラスのうちどれに属するかを推定する
ディープラーニングを使わない顔認識 - ニートがプログラミングするブログ（はてな出張所）
2016 - 06 - 24 ディープラーニングを使わない顔認識 最近は様々なところで ディープラーニング が使われています。 ここで書く顔認識の分野でも主流となっています。 しかし、この記事ではあえてそれを使わない方法を説明します。 というか単に ディープラーニング がうまく扱えなくて、自己流で顔認識技術を改良して言っただけですが……。 ちなみにここでは、画像中から人の顔を見つけるのが顔”検出”、その顔が誰であるかを特定するのが顔”認識”ということにしておきます。 一昔前の顔認識ではeigen face、fisher faceやLBPなどが使われていました。 これらは OpenCV に実装されているので、簡単に利用することが出来ます。 しかし実際に試してみたところ、これらは精度があまり高くない気がしました。 他に良い方法がないか探していたら、ぱろすけさんがAV女優の顔認識に関する論文を書
Chainerで画像のキャプション生成 - Qiita
概要 Chainerを使って画像のキャプション生成を実装しました。画像を入力するとその説明文を生成します。ソースコードは以下にあります。 https://github.com/dsanno/chainer-image-caption 以下の論文のアルゴリズムを使いました。 Show and tell: A neural image caption generator すでにChainerでキャプション生成を実装されている方もいたので、そちらも参考にしました。 Image caption generation by CNN and LSTM ～ Satoshi's Blog from Bloomington キャプション生成モデル 論文で使用するキャプション生成モデルは大きく分けて3つのネットワークで構成されています。 画像をベクトルに変換する${\rm CNN}$ ${\rm CNN}$に
画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
Webカムに映った顔の位置を認識するJSライブラリ headtrackr.js がすごい « console.log :) | Don't forget trace :)
Javascriptで実装された顔認識ライブラリ「headtrackr.js」がけっこうスゴイです。 Githubでソースが公開されています。 https://github.com/auduno/headtrackr/ 以下のデモでどういう機能か分かると思いますが、 Webカムに映った顔を認識し、その位置座標を取得できるものです。 実装されている処理は、ホワイトバランスを調整する処理や顔認識処理、スムージング処理などをまとめて一つのライブラリになっているようです。 １．基本機能デモ http://auduno.github.com/headtrackr/examples/facetracking.html ２．顔の位置と連動した立体表現デモ http://auduno.github.com/headtrackr/examples/sprites_canvas.html ３．顔の位
Android Tips #15 FaceDetectorで Bitmap から顔を検出する | DevelopersIO
この中の pose() メソッドですが、どの Bitmap でも必ず 0 を返してしまうようです。なので、現状は使用できないことになります。何故そうなっているかは不明ですが、傾きはとても必要な情報だと思うので、使えるようになることを切に願っています。。 また、 FontDetector クラスは APIレベル1から存在するクラスなので、どのバージョン向けのアプリにも組み込むことができます。 顔検出アプリを作る 1.画像を取得する まずはじめに、検出する画像が必要です！ということで、以前の記事と同様の方法でギャラリーから画像を取得しましょう。 ContentProvider クラスで端末内の画像を取得します。選択するしくみなどは特に必要ないので、最新の画像を一枚だけ取得するロジックにしておきます。 FaceDetectorActivity.java package jp.classmetho
WhatTheFont : MyFonts
Frequently asked questions How do I find a font from an image? To identify a font from an image, use a font finder or font identifier. These tools are great for finding the name of a font or similar alternatives. All you need to do is upload an image of the text by having it readily available on your device or taking a photo. Is there an app I can use to identify fonts? Yes, WhatTheFont is a simpl
JavaScriptの顔認識ライブラリをチューニングしたら実用レベルになったという話 (Kanasansoft Web Lab.)
ただ、WebRTCで顔認識させようとすると遅くてしかたがなかった。 最初は速いこともあるが、10回ぐらい認識をさせるとすぐに遅くなる。 とりあえず、デモ。 そこで、チューニングをしてみることにした。 まず、JavaScriptの定番の高速化を試してみた。 例えば、正の数で使える「Math.floor(x)」を「(x | 0)」に、整数で使える「x * Math.pow(2, y)」を「x << y」にする等。 これで、10~30%高速化できた。 次に、遅くなっている部分を調べたら、Web Workersで分散するための仕組みが遅くなる原因だとわかった。 これは、Web Workersを使わない場合にも影響が出ていた。 じゃあ、Web Workersを使えば速くなるのかといえばその逆で、20倍遅くなっていた。 詳しくは調べてないけど、多分Workerスレッドに処理データを渡す時にJSON化が
顔のニキビを一刻も早く治す効果的な方法
顔のニキビを一刻も早く治す効果的な方法 大事な日が控えている時に限ってできてしまうこと、ありませんか？ ニキビができてしまうと、それだけで気分も落ち込み、印象も大分変わってしまいますよね？ 私も最近まではチョコチョコニキビができてしまうことがありました。 最近は以下の対策をすることで、劇的にニキビに悩むことが少なくなりました。 よかったら参考にしてみてください。 【YouTube】赤ら顔を治す方法こちら 顔のニキビの原因 まずはニキビができてしまった原因を特定しましょう。 ニキビの原因は様々です。 食生活の乱れ、角質の汚れ、メイクがきちんと落とせていない。 乾燥によるニキビ、または疲れが溜まっていたり、ストレスが溜まっている場合、ホルモンのバランスが崩れている場合などが挙げられます。 自分のニキビの原因が何なのかを知ることもとても大切です。 対処法その１ 原因が分かったら、その原因を排除し
FaceDetection - Integral Image : maaash.jp
昨日、Flashや画像や音声やらいろいろ強い人とお会いするきっかけがあり、 今まで話したことが無かったので Marilena (OpenCV顔認識のas3実装）をつくった時に感動した、 Integral Imageというアルゴリズムについて話しました。 一文で説明すると、 二次元配列で表されるデータがある時に（この場合は顔検出する対象の画像の明るさ） 二次元配列の中の矩形範囲のデータの合計を、高速に求める手法です。 発表資料を置いておきますのでよろしければ integral_image_opencv_face_detection.pdf 計算してみるためのスプレッドシート Integral Image Calculator こちらの方がわかりやすいかもしれません integral imageについて調べた 資料の中に数式が入るとどや顔の度が増しますね なおやんは寝てまし
HLAC: 高次局所自己相関特徴 – Rest Term
今回は画像特徴量の1つである高次局所自己相関特徴 (HLAC: Higher-order Local AutoCorrelation)について。 HLACは画像認識に対する基本的な要望としての位置不変性および加法性を満たすものであり、一次にとどまらない高次の相関に基づく統計的特徴量になっています。現在では様々なHLACの発展系が生まれていますが、今回はその基本となるアルゴリズムについて整理したいと思います。 基本アルゴリズム 自己相関関数を高次に拡張したN次の自己相関関数は、対象となる画像領域内の位置 r=(x, y) における画素値を f(r) とすると、その周りのN個の変位 a1, a2, …, aN に対して次式で定義されます。 基本的なHLAC特徴はこの関数に基づいた画像特徴で、実際には相関の次数を二次まで(3点相関)、変位も局所領域(3×3など)に限定して利用します。そのため変位
パーティクルフィルタ « Rest Term
今回はパーティクルフィルタを簡単に紹介。 (Wikipedia: 粒子フィルタ – Wikipedia) これは、一般状態空間モデルにおける状態ベクトルの推定法で、 Wikipediaではなにやら難しげに書かれているように見えますが、 要は、条件付き分布をたくさんのサンプル点で近似表現するだけの手法です。 この手法は、逐次モンテカルロ法とも呼ばれているように、 ランダムサンプリングによるモンテカルロ近似によって状態推定を行います。 パーティクルフィルタを物体追跡に適用するためには、 ・システムモデル（状態遷移関数） ・観測モデル（尤度関数） の2つを設計する必要があります。 今回は状態遷移に線形予測モデル、つまり等速直線運動を仮定し、 尤度(ゆうど：もっともらしさ)は “赤色らしさ” とします。 この尤度関数の設計はOpenCVのサンプルコードからお借りしました。感謝。 wonderflに
FLARToolKit - The Sixwish project
FLARToolKit About FLARToolKitの使い方と、何かを作るための講習テキスト。 FLARToolKit version 2.x FLARToolKit v1.x系と異なり、NyARToolKit for AS3 をベースにしたバージョンとなります。 APIはFLARToolKit v1.x系とほぼ一緒ですが、深い部分では異なっております。また、マルチマーカー処理時は高速化されています。 今回はAdobe Flash Builder Standard 4.0 日本語版を用いて説明します。 Start FLARToolKit Section 01 環境構築 Adobe Flash Builder 4 のインストール Section 02 Start FLARToolKit FLARToolKitの導入とサンプルを動かす 詳細説明 Section 3 詳細説明 幾つものプロ
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
クックパッドの機械学習を支える基盤のつくりかた / Machine Learning ops at Cookpad
セクシー女優で学ぶ画像分類入門
GitHub - zxing/zxing: ZXing ("Zebra Crossing") barcode scanning library for Java, Android
