PythonとOpenCVを使って物体検出をやってみた - Qiita
はじめに こちらで顔の検出と抽出を行いましたが、あまり何も考えることなくコピペで実現できたのと、 今度は顔以外の物体の検出をやってみたくなったので、色々知識がないながらも見よう見まねで作ってみました。 TensorFlowを使ってDir en greyの顔分類器を作ってみた - ④顔抽出編 参考 opencv チュートリアル チャレンジ９ OpenCVにおける輪郭(領域) 環境 こちらをご覧ください。 TensorFlowを使ってDir en greyの顔分類器を作ってみた - ②環境構築編 使用する画像 あぽーです。 結果 以下の３つが検出されます。 以下の３つの矩形画像が出力されます。 ソースコード #!/usr/local/bin/python #! -*- coding: utf-8 -*- import cv2 import numpy as np # 指定した画像(path)の
顔認証技術: DeepFace と Pyramid CNN - Preferred Networks Research & Development
得居です。3月下旬とは思えない寒さに凍えています。 Facebook が CVPR2014 に投稿しアクセプトされていた顔認証に関する論文 [1] が MIT Technology Review にて紹介されたことで注目を集めています。DeepFace と名付けられた手法で、同社が集めた4030人の顔写真440万枚を用いた大規模学習によってほぼ人間並の人物識別性能を達成しているということで、なかなかキャッチーな話題です。一方、Face++ という顔認証・分類のプラットフォームを展開する Megvii社 がつい先日公開したプレプリント [2] でも DeepFace と同程度の性能を達成しています。今日はこの2つの論文を解説します。 DeepFace の論文では、検出された顔矩形に対して以下の3つの処理を施しています。 矩形の2次元アラインメント 3次元モデルを用いた out-of-plan
YOLO: Real-Time Object Detection
How It Works Prior detection systems repurpose classifiers or localizers to perform detection. They apply the model to an image at multiple locations and scales. High scoring regions of the image are considered detections. We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions and predicts bounding boxes and probabilitie
PIL（Python Imaging Library）を使って画像ファイルを作成する。 - Qiita
Python 2.7で実行。まだPILはPython 3系には対応していないもよう。 ※自分の学習用のメモです。 PIL（Python Imaging Library）とは Python Imaging Library (PIL) Python Imaging Library - Wikipedia 画像処理ライブラリ。さまざまな画像処理が実装されているらしい。 とりあえずサンプル #!/usr/bin/env python # -*- coding: utf-8 -*- """ 画像ファイルを作成する """ import Image def make_image(screen, bgcolor, filename): """ 画像の作成 """ img = Image.new('RGB', screen,bgcolor) # #ここに、いろいろな処理を追加する # img.save(f
pythonを使って簡単な画像分類を実現する - stMind
yhatでpythonを使って簡単な画像分類をするエントリがあったので紹介します。 画像分類のステップ 画像分類を実現するステップは以下の通りです。 学習画像を集める 画像を特徴量に変換する 識別器を学習, モデルを評価する 1. 学習画像を集める 分類器を学習するための画像を取得します。Bingの画像検索結果のHTMLを解析して、学習画像を保存します。上記のエントリでは、check（小切手）か運転免許証かを分類する例になってましたが、ここではarchitecture（建物）かfood（食べ物）を分類するようにしてみます。（SNS向けに撮った写真は建物か食べ物が多いので） スクリプトは大体同じですが、queryをハードコードせずに引数として与えるようにしました。 #-*- encoding: utf-8 -*- """ Usage: query_bing_images.py <query>
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
