First part shows several methods to sample points from arbitrary distributions. Second part shows application to population genetics to infer population size and divergence time using obtained sequence data.
![セクシー女優で学ぶ画像分類入門](https://cdn-ak-scissors.b.st-hatena.com/image/square/305a81a7b2c913b0755434d8a6bcd4b394c9bb91/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Ftokyowebmining26-3-130517222434-phpapp02-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
By RobertBy Robert McDon. 皆様こんにちは! 今日は、「大規模AVサンプル画像認識」プロジェクトの第1回として、その下準備としての素材集めの話について書きます。これはもちろん何か悪事を働くためのプロジェクトではなく、コンピュータの活用によるユートピアの実現へ向けての第一歩と捉えていただければ幸いです。 さて僕は、画像処理や画像認識に関して、少しだけ知識があります。画像処理とは主に画像を処理して別の画像を吐き出すことで、たとえばフィルタをかけて色を変えたりぼやけさせたり、そういうようなことをしています。画像認識とは人工知能に比較的近い分野で、もう少し高度なことをします。たとえば、画像から顔を検出したり、写っているものが何であるか判定したりします。 画像認識では、近年、ネット上の大規模データを活用して何か賢いものを作ろうという話が多くあります。そのようなアプローチはアカ
2010年11月03日 Web上の膨大な画像に基づく自動カラリゼーション Tweet 以前『Web上の膨大な画像に基づく自動画像補完技術の威力』において、Web上の膨大な画像から欠損部分を自動的に補完する手法*1について紹介した(図1)。 図1:Scene Completion Using Millions of Photographs これは、Flickr等から大量にかき集めてきた画像から類似度の高い画像を自動的に抽出し、欠損部分にハメ込むことで違和感の無い補完画像を生成するアプローチであり、そのアイデアと、生成される補完画像のクオリティが話題になった。素材の量が質に変化する、まさにWeb時代に適したアプローチである。 本エントリでは同様の手法を用いて、失われた色を取り戻すカラリゼーション(colorization)について紹介したい。カラリゼーションとはコンピュータを用いたモノクロ画像
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