hagino_3000のブックマーク - はてなブックマーク

高速フーリエ変換（FFT） - 人工知能に関する断創録
Pythonで音声信号処理（2011/05/14）今回は、高速フーリエ変換（FFT）を試してみます。FFTとはFinal Fantasy Tactics Fast Fourier Transf ormの略でその名の通り、前回の離散フーリエ変換（DFT）を大幅に高速化したしたアルゴリズムです。一般にフーリエ変換といったらFFTが使われるようです。DFTは自分で公式に忠実に実装してみましたが、FFTはPythonのnumpyやscipyに実装があるのでそれを使ってみます。numpyの実装はnumpy.fft.fftでscipyの実装はscipy.fftpack.fftです。使い方はほとんど同じですが、この記事によるとscipyの実装の方が高速とのこと。scipy版には他にもいろいろ関数があります。おいおい使っていきたいと思います。 #coding:utf-8 import wave impor
hagino_3000 2014/01/27
python

fft
リンク
3日で作る高速特定物体認識システム (3) SURFの抽出 - 人工知能に関する断創録
3日で作る高速特定物体認識システム (2) SIFT特徴量の抽出（2009/10/24）の続きです。あっ、3日経っちゃいました。今回は、SIFTとは別の局所特徴量であるSURF（Speeded Up Robust Features）を抽出してみます。SURFのFはFeaturesなのでSURF特徴量とは言わないのかな？SIFTとは抽出方法は違いますが、画像からキーポイントと特徴ベクトルを抽出する点では同じです。抽出速度はSIFTより数倍高速だそうですが、精度は多少落ちるとのこと。リアルタイム処理したいときはこっちのほうがよさそうです。また、OpenCVにもすでに実装されています。SURFの詳しいアルゴリズムは後で論文を読むとしてとりあえず試してみます。画像からSURFを抽出する以下のプログラムは、画像からSURFを抽出して特徴点を描画し、特徴量をファイルへ格納するプログラムです。この
hagino_3000 2012/03/19
cv

atode

todo
リンク
3日で作る高速特定物体認識システム (2) SIFT特徴量の抽出 - 人工知能に関する断創録
3日で作る高速特定物体認識システム (1) 物体認識とは（2009/10/18）の続きです。今回は、画像からSIFT (Scale-Invariant Feature Transf orm) という局所特徴量を抽出するところを作ってみようと思います。 SIFT特徴量の抽出まずは、局所特徴量の代表ともいえるSIFTを試してみます。OpenCVにはSIFTを抽出する関数がなかったのでRob Hess氏がC言語で実装したライブラリを試してみます。内部でOpenCVを使っているので事前にOpenCVのインストールが必要です。実装はOpenCV 1.1でされているみたいですが、2.0でもちょっと手直しすると動きました。Rob Hess氏のホームページからSIFT Feature Detectorのzip版を落とします。（注）Hess氏のサイトが更新されたようで現在はGitHub上のOpenSIF
hagino_3000 2012/03/19
cv

atode
リンク
1