![](https://cdn-ak-scissors.b.st-hatena.com/image/square/68ac74a78538f8879d147e43b175bbf791f343ab/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUU1JUE0JTlBJUU4JUE2JTk2JUU3JTgyJUI5JUU3JTk0JUJCJUU1JTgzJThGJUUzJTgxJUE3JUU0JUI4JTg5JUU2JUFDJUExJUU1JTg1JTgzJUU1JUJEJUEyJUU3JThBJUI2JUUzJTgyJTkyJUU4JUFBJThEJUU4JUFEJTk4JUUzJTgxJTk5JUUzJTgyJThCJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00NTEwNjY5YzFkMGFkYmJmNGUwNDBhNjU0YjlmNzNkMg%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D4e6fbb0aceb5bfe839cd7b1d1d3f05eb)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
多視点画像で三次元形状を認識する - Qiita
本記事では三次元形状認識を題材とした、外観検査アルゴリズムコンテスト2020「X線CTによる工業製品の内... 本記事では三次元形状認識を題材とした、外観検査アルゴリズムコンテスト2020「X線CTによる工業製品の内部検査~ボクセルデータからの形状と材質の分類~」1への提出作品2の解説を行います3。PythonでのVTK(Visualization Toolkit)による簡単なボリュームレンダリングの実装例も紹介します。 本記事の要約 三次元形状の認識を高速に行う手法としてMVCNN(Multi-view CNN)4を試しました。形状が既知の三次元形状の識別は、多視点画像を用いた手法で比較的高速に精度よく処理可能なことが分かりました。 未知形状への対応のため、クラス識別タスクではなく、距離学習による照合タスクとしました。 画像処理による事前の部品分離精度、および学習データの品質が正解率に寄与していると考えられました。 1データセットから250個程度の部品を抽出し、12種類の部品個数の計数にかかった時