You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

It is hard to know the accepted English pronunciation of technical terms that you've only read, or are either unfamiliar with the language from which they come or are not a native English speaker. (And I have a lot of sympathy--I've been working with minimal success for years on my own pronunciation and accent in languages that are new to me.) I'm a native American English speaker and had the bene

3D Packing for Self-Supervised Monocular Depth Estimation paper code Self-supervised Learning with Geometric Constraints in Monocular Video Connecting Flow, Depth, and Camera paper SuperDepth: Self-Supervised, Super-Resolved Monocular Depth Estimation paper HOW MUCH POSITION INFORMATION DO CONVOLUTIONAL NEURAL NETWORKS ENCODE? paper Instance-wise Depth and Motion Learning from Monocular Videos pap

AI Labの尾崎です。 主に人間とロボットとのインタラクションに関する技術開発を担当しております。 さて、インタラクションといえば、ARやVRを始めとしたxRが巷で流行っていると思います[1]。たとえば、家具のCGオブジェクトを現実空間に重ねて表示[2]したり、VRゴーグルをかぶって仮想空間の物体をリズムに合わせて斬るゲーム[3]なんかがあります。 このxRではユーザ体験を向上させるために、物体や人体との距離などを測定することがあります。たとえば、AR上でオブジェクトが障害物に隠れる現象（オクルージョン）を再現するため、VR空間上に手を表示するため、空間を３Dモデルとして保存するために測定されます。 このときに役立つハードウェアがデプスセンサやLiDARなどと呼ばれる3Dセンサ（俗称）[4]になります。しかし、この3Dセンサはたくさん種類があり、それぞれどのような特性を持つのか私を含め知

AI×医用画像の現状と可能性_2019年度版です 2019年に論文発表またはプレスリリースされた物を中心に振り返ります このスライドを手に取られる方にAI×医用画像の難しさと面白さが伝わることを願って。 [編集] 2019 12/29 52~54枚目スライド，139枚目スライド追加

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

OpenCV は物体認識などのライブラリが含まれているので、Windows IoT Core で使えると利用できる幅が広がりそうですよね。Linux 系の Raspbian の場合はソースコードをダウンロードしてビルドして導入という手順になりますが、Windows IoT Core の場合は UWP アプリにしないといけない難点があってちょっとハードルが高くなっています。が、できないことはないです。 Windows 10ユニバーサルアプリ(Universal Windows Application)でOpenCVを使う（その2） - embeddedなブログ なところに、導入＆プロジェクト作成手順が書いてあるので、それに従うとうまくいきます。 いくつかのポイントがあって、 github の Microsoft/opencv の vs2015-samples というブランチを使う。 このブラ

以前からやってみたかったRaspberry Piの物体認識を試してみました。今回はクラウドサービスを使わずに深層学習ライブラリと学習済みモデルを使ってみました。 環境 Raspberry Pi3 (RASPBIAN JESSIE WITH PIXEL 4.4　/ Python 3.4.2) LOGICOOL ウェブカム HD画質 120万画素 C270 ミニロボットPC等用スピーカー小型かわいい白 7インチ(1024*600) IPS液晶パネル　ディスプレイ 今までカメラモジュールを利用していたのですが、OpenCVでストリーミングをさせるためWebカメラを購入しました。ついでにちょっと可愛らしいロボット型のスピーカーも合わせて買ってみました。 ロボット型のスピーカーがWebカメラに映った物をしゃべってくれます（英語です）。 こんな感じ Deep Learning Object Recog

In this tutorial we will learn how to estimate the pose of a human head in a photo using OpenCV and Dlib. In many applications, we need to know how the head is tilted with respect to a camera. In a virtual reality application, for example, one can use the pose of the head to render the right view of the scene. In a driver assistance system, a camera looking at a driver’s face in a vehicle can use

SLAM, Visual Odometry, Structure from Motion, Multiple View Stereo 1. SLAM, Visual Odometry, Structure from Motion and Multiple View Stereo Yu Huang yu.huang07@gmail.com Sunnyvale, California 2. Outline • Calibration • Camera pose estimation • Triangulation • Bundle adjustment • Filtering-based SLAM • Key frame-based SLAM • PTAM/DTAM • SLD-SLAM/ORB-SLAM • Direct Sparse Odometry • MonFusion/MobileF

以前、こちらのブログでもお知らせしたが、5月25日に「はじめてのコンピュータビジョン 〜画像認識の仕組みとビジネス事例〜」というセミナーを開催いたしました。 遅くなりましたが、こちらで使用した資料から一部割愛したバージョンを公開いたします。 こちらの資料は「非技術者でもわかる（？）コンピュータビジョン紹介資料」を大幅に改定し、同資料と同様「コンピュータビジョンで何ができるのか？」を主眼にしつつ、代表的な仕組みの話や、流行りのビジネス事例（拡張現実感や自動運転等）に関する資料を大幅に追加しました。もちろんディープラーニングについても大幅に加筆してます。 というわけで、お役に立てれば幸いです。 また間違っているところなどあればご指摘ください。 20160525はじめてのコンピュータビジョン from Takuya Minagawa

オタク機械学習勉強会 #0 発表資料

１．はじめに OpenCVには，様々な処理が用意されています。画像処理，映像解析，カメラキャリブレーション，特徴点抽出，物体検出，機械学習，コンピュテーショナルフォトグラフィ，3D可視化などが基本モジュールで用意されています。さらに，エクストラモジュールを追加することで，より豊富うな処理が利用できます。[1] OpenCV 3.x系を中心に話をします。 今回は，OpenCVの局所特徴量がどの程度簡単に使えるのか興味があり，局所特徴量を利用した物体検出を作成しました。 最近世間では，ディープな物体認識で盛り上がっていますが。 特徴点抽出に関する詳しい説明は，検索すれば多数ありますので，ここでは割愛します。 藤吉先生 (中部大学)のスライド「画像局所特徴量SIFTとそれ以降のアプローチ」は，とてもわかり易く説明されています。 ２．特徴点検出と特徴量記述 特徴点検出と特徴量記述は，feature

はじめに WebRTC を使ってビデオチャットアプリを作る際に、ビデオ画像にエフェクトをかけたくなりました。モザイクとか、ブラーとか、漫画カメラとか。 ブラウザ上でJavaScriptでごりごり画像処理をするのはさすがに厳しそうですので、画像処理を行うのは別のアプリケーションで行うことにしました。 最終的に WebRTC で MediaStream として扱うことを考えると、画像処理の結果が通常のWebカメラと同様に navigator.getUserMedia() できれば一番手っ取り早いんじゃないかなーと思っていろいろ手法を探してみました。 便利なソフトを教えていただいた しかし調べれば調べるほど、Windows上だと DirectShowのお勉強しなきゃとかつらそうな気配が漂っていたのですが、Twitterに泣きついたところ、@jnakano さんが ycapture(わいきゃぷちゃ

コンピュータビジョンの最新ソフトウェア開発環境 －OpenCV,PCLの導入・機能紹介。プログラミング言語の選択と開発ツールの活用－ OpenCV3.0の個別の新アルゴリズムについてはプレゼン中には紹介できなかったのもあり、DERiVEのメルマガにてvol.22以降に個別にアルゴリズム紹介を行っています http://derivecv.tumblr.com/post/113871865219 また、DERiVEのFacebookページもよろしくです。 https://www.facebook.com/pages/DERiVE-コンピュータビジョン-ブログ/165910800110198Read less