Bag-of-Featuresの実装 - なにメモ
Bag-of-Featuresが必要になったものの、OpenCVではPython用に実装されていないという悲しい現実が待ち受けていたので実装しました。(ちなみにコーディングスタイルはJavaです。) ベクトルの量子化にK-meansを使う一般的なものとGMMクラスタリングを使うものを作りました。GMMクラスタリングにはscikit-learnが必要です。 This is a class of Bag-of-Features for OpenCV これのサンプルコードは以下のとおりです。 Test for BagOfFeatures.py サンプルコードの実行結果は以下のとおりです。 The result of bofTest.py 多くのコードブックサイズでK-meansのほうが認識率が良かったので、GMMクラスタリングの収束条件などを変えると良くなるかもしれません。 Fisher Vec
Visual Wordsを用いた類似画像検索 - 人工知能に関する断創録
類似画像検索システムを作ろう（2009/10/3） 3日で作る高速特定物体認識システム（2009/10/18） に続くOpenCVプロジェクト第三弾です。今回は、上の二つをふまえてカラーヒストグラムではなく、局所特徴量（SIFTやSURF）を用いた類似画像検索を試してみます。局所特徴量はグレースケール画像から抽出するため、カラーヒストグラムと違って色は見ていません。画像の模様（テクスチャ）で類似性を判定します。 実験環境は、Windows 7、MinGW C++コンパイラ、OpenCV2.0、Python 2.5です。EclipseでMinGWを使う方法はEclipseでOpenCV（2009/10/16）を参照してください。Visual C++にはないディレクトリスキャン関数を一部使っているのでVisual C++を使う場合は、少しだけ修正が必要です。 Bag-of-Visual Wor
Bag of Visual Words - n_hidekeyの日記
Bag of visual words (BoVW)は、一般物体認識において現在最も広く普及している画像特徴表現で、画像中の多数の局所特徴をベクトル量子化しヒストグラムにしたものです。最近はOpenCVなどのツールの普及により使いやすくなってきましたが、実際に使ってみようとすると細かい部分でつまづくことも多いのではないでしょうか。最新の研究では認識精度が飛躍的に向上していますが、局所特徴抽出などの細かいノウハウの蓄積による部分もかなり大きいと思います。 （そのような部分は学術的な新規性は低いため、論文ではさらりと書いてあることが多いのですが） 以下、自分が把握しているノウハウをまとめてみたいと思います。ただし、私自身の経験や主観に基づくものであり、絶対的なものではないことにご注意ください。 また、BoVWについて基本的な知識があることを前提としています。 画像サイズ まず、そもそも画像はど
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
