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
まずはじめに LGTM 乞食なのでよろしくお願いします¥ この記事の目的 なんか顔認証のシステム作りたいなーと思い、OpenCVの基礎的な勉強から始めてます。 OpenCVでは、顔・目などを検出できるカスケード識別器の学習済みファイルを事前に用意されています。 学習済みファイルは下記リンク先からダウンロードできます。 今回は顔検出のために「haarcascade_frontalface_default.xml」を使ってみます。 https://github.com/opencv/opencv/tree/master/data/haarcascades 以下も用意されてるのでまとめてgit cloneしましょう。 カスケード型の識別器のファイル ファイル名 対象物体
何をするか? こういうのやりたい。 すなわち、写真の中に検出したいものが写っていたら、その座標を特定する。 どうやってやるか? openCVで、HOG特徴量(輝度の勾配で作る特徴量)やHaar-Like特徴量(画像の明度で作る特徴量)と正解ラベルを用いて、複数の弱学習器を作って、boostingして判別。 openCVは、pyenvでanacondaインストールからのconda install -c https://conda.binstar.org/jjhelmus opencvでサクッと入る。 pyenvとかanacondaはググれば沢山方法が出てきます。 レッツトライ 0 ディレクトリ構成 1 学習用の正解データ情報を作成 2 学習用の不正解データ情報を作成 3 positiveのベクトル作成 4 学習器作成 0 ディレクトリ構成 任意のディレクトリ/ ├data/ │ ├pos/
I have try to train my classifier using opencv_traincascade in my machine. When run it, it utilize 100% of my CPU but not use my GPU. I have install OpenCV 3.x in my Ubuntu 16.04. And I have GeForece GTX 1080 Ti/PCIe/SSE2. I success install the driver with CUDA 8.0. How I can use the GPU instead of using CPU? I use below script to train the module in opnencv_traincascade -data data -vec positives.
最近流行(?)のOpenCVによる画像認識をやってみようとしたのですが、思いのほか苦労が多かったので、サンプルデータで顔認識の動作を確認できたところまでの記録を残しておきます。 OpenCVをダウンロード(2.4.3) http://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.3/ ネット情報にあるインストーラがない 自己解凍exeのみ? 展開したディレクトリをC:\opencv2.4.3に移動 パス(環境変数)の設定 C:\opencv2.4.3\build\x86\vc10\bin C:\opencv2.4.3\build\x86\vc10 下記サイトに沿って作業 OpenCV2.4の入手、ダウンロード、インストール、環境設定 | イメージングソリューション 指定したパスに存在しているのにdllが見つからないエ
OpenCVの勉強、第3回です。 前回は予め準備されているカスケード分類器を使ってオブジェクト検出をしましたが、 今回はカスケード分類器を自作してみたいと思います。 目標 テニスボールを検出できるカスケード分類器を作る。 作業フォルダの準備 分類器を作成する作業フォルダの作成と、必要なファイルの準備をします。 <DIR> cascade <DIR> neg <DIR> pos <DIR> vec opencv_annotation.exe opencv_createsamples.exe opencv_ffmpeg346_64.dll opencv_interactive-calibration.exe opencv_traincascade.exe opencv_version.exe opencv_version_win32.exe opencv_visualisation.exe o
今日の話題は,OpenCVを使った機械学習.物体検出をご紹介しよう ちなみに使ったOpenCVのバージョンは1.0.上位バージョンも大筋は変わらない. 機械学習に使うツールは、 ・createsamples.exe ・haartraining.exe なのだ. これらはOpenCVをインストールすると、デフォルトで”C:\Program Files\OpenCV\bin”の下にできる. 1.学習データを用意する 学習に必要なデータは、学習対象の画像データ(正解画像)と、学習対象が写っていない不正解画像である。 正解画像7000、不正解画像3000位は必要と言われているらしい。 で、これらの画像から学習に使う、vecファイルなるものを作成するのだが、そこでcreatesamples.exeを使用する。 大量の正解画像を用意する方法は2つあり、まず根性で全部自分で用意する方法。そして回転等加え
サンプルコード 写真から撮影時刻を取得し、その時刻を写真に書き込んで保存する。写真から撮影時刻を取得するとき、PIL モジュールの機能を利用する。 import PIL from PIL import Image from PIL import ExifTags import cv2 as cv def get_exif(image_path): captured_datetime = None with Image.open(image_path) as imgfh: try: exif = imgfh._getexif() for attr, val in exif.items(): tag = ExifTags.TAGS.get(attr, attr) if tag == 'DateTimeOriginal': captured_datetime = val except Attri
続きです mecobalamin.hatenablog.com 生成した正解データと不正解データを使って 学習させたcascade.xmlを生成する 正解データのモンタージュ 不正解データのモンタージュ 逆さまとはいえ猫の顔の一部や全体が入っているので うまくいかないかもだがとりあえず使ってみる これらを使って学習させる 手順は ファイルのパス名、改行コードを変更する opencv_createsamplesで学習の出力ファイルを作る opencv_traincascadeでcascade.xmlを生成する ImageJで正解・不正解データを生成したときに それぞれpositive.txtとnegative.txtという 2つのテキストファイルも生成されている これには生成された画像ファイルのパスが記録されているが windows側で生成されているので wslで使えるようにパスの書き換えと
Python, OpenCVを使って画像にモザイク処理を行う。 画像全体にモザイク処理 画像の一部をモザイク処理 顔検出して顔部分にモザイク処理 徐々にモザイクがかかるGIFアニメ作成 についてサンプルコードとともに説明する。 画像全体にモザイク処理 モザイク処理といっても複雑なアルゴリズムは必要なく、画像を一旦縮小してから拡大して元のサイズに戻すだけでOK。 以下のように実現できる。 import cv2 src = cv2.imread('data/src/lena.jpg') def mosaic(src, ratio=0.1): small = cv2.resize(src, None, fx=ratio, fy=ratio, interpolation=cv2.INTER_NEAREST) return cv2.resize(small, src.shape[:2][::-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
処理を実行中です
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