画像認識の大革命。AI界で話題爆発中の「Vision Transformer」を解説！ - Qiita
0. 忙しい方へ 完全に畳み込みとさようならしてSoTA達成したよ Vision Transformerの重要なことは次の3つだよ 画像パッチを単語のように扱うよ アーキテクチャはTransformerのエンコーダー部分だよ 巨大なデータセットJFT-300Mで事前学習するよ SoTAを上回る性能を約$\frac{1}{15}$の計算コストで得られたよ 事前学習データセットとモデルをさらに大きくすることでまだまだ性能向上する余地があるよ 1. Vision Transformerの解説 Vision Transformer(=ViT)の重要な部分は次の3つです。 入力画像 アーキテクチャ 事前学習とファインチューニング それぞれについて見ていきましょう。 1.1 入力画像 まず入力画像についてです。ViTはTransformerをベースとしたモデル(というより一部を丸々使っている)ですが、
Kuwahara filterとかいう明らかに日本人の名前な画像フィルターに出会い、試してみたらすごかったので紹介する。 - Qiita
Kuwahara filterとかいう明らかに日本人の名前な画像フィルターに出会い、試してみたらすごかったので紹介する。Python画像処理画像加工フィルター 6/15追記 あとがきの提案について書きました 写真表現としての桑原フィルターの提案 #はじめに Kuwahara filter（桑原フィルター）とは 桑原フィルターは桑原道義さんという大学教授（Wikipedia曰く）が考案した平滑化フィルターの一種で、内容のシンプルさに反して上手いことかけるとまるで油絵のようになる、なんだかすごいフィルターであーる（先に結果が見たい方は記事の一番下を覗いてみよう） Kuwahara filter -Wikipedia SPECT用データ処理 (元論文？) #桑原フィルターの内容 https://upload.wikimedia.org/wikipedia/commons/4/49/Kuwahar
画像処理100本ノックを作ったった - Qiita
画像処理が初めての人のための問題集をつくったりました。（完成！！） 研究室の後輩用に作ったものです。 自然言語処理100本ノックがあるのに、画像処理のがなかったので作ってみました。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい 画像処理の基本のアルゴリズム理解につながると思います。 pythonのnumpyの練習にもなると思います。(2019.3.8 C++もつくってますーー） ぜひぜひ下のgitをやってみてください。 [HP]https://yoyoyo-yo.github.io/Gasyori100knock/ [Git]https://github.com/yoyoyo-yo/Gasyori100knock ★追記 2020.5.8 環境構築の手間をなくすために、Google Colabに修正
【Unite Tokyo 2018】なんとっ！ユナイト！ミリシタをささえる『ＡＫＡＮＥ大作戦』とは？
講演者：池田 早人(株式会社バンダイナムコスタジオ) ：加藤 政樹(株式会社バンダイナムコスタジオ) こんな人におすすめ ・スマホアプリの開発者 ・最適化で困っているプログラマ ・アイドルマスター好きなプロデューサー 受講者が得られる知見 ・スマホアプリの開発で気を付けるべき点 ・最適化のヒント ・『ＡＫＡＮＥ大作戦』の真相Read less
フロイド-スタインバーグ・ディザリング - Wikipedia
原画像（左）、通常の変換（中）、フロイド-スタインバーグ・ディザリングを用いた変換（右） ダビデ像の画像にフロイド-スタインバーグ・ディザリングを施した例 フロイド-スタインバーグ・ディザリング（Floyd–Steinberg dithering）は画像用ディザリングアルゴリズムであり、1976年、ロバート・フロイドと Louis Steinberg が発表した。画像操作関係のソフトウェアで広く用いられており、例えば最大256色までしか使えないGIF形式への変換の際に使われている。 各ピクセルの量子化誤差をそれに隣接するピクセル群に拡散させることでディザリングを実現するアルゴリズムである。隣接ピクセルへの誤差の分配は次のようになる。 星印 (*) が現在見ているピクセルを表している。 このアルゴリズムでは、画像を左から右、上から下にスキャンし、ピクセルの値を1つずつ量子化していく。毎回の量
k-means法で画像を減色するサンプルコード - めもめも
何かというと 下記のような画像ファイルの色数を減らして、N色の画像にする処理を考えます。どんな方法を思いつくでしょうか？ （N=16あたりで考えてください。） たとえば、次のような手順が考えられます。 (1)画像の中で代表的な色をN個選ぶ。 (2)それぞれのピクセルを一番色が近い代表色に置き換える。 (2)の処理については、「色の近さ」を定義する必要がありますが、これは (R,G,B)（R,G,Bはそれぞれ0〜255の値）で色を表現して、 と の距離 = という、3次元ベクトル空間上の距離で計算することができます。 一方、(1)において、どうやって代表色を選ぶかが悩ましいところです。機械学習のアルゴリズムの1つである「k-means法」を利用すると、このような代表色を自然に選択することができます。 これは次のようなアルゴリズムです。 (1) はじめに、ランダムにN個の代表色を選択します。
Fastest Gaussian Blur (in linear time)
I needed a really fast Gaussian blur for one of my projects. After hours of struggling and browsing the internet, I finally found the best solution. Beginning My solution is based on Fast image convolutions by Wojciech Jarosz. Presented ideas are very simple and I don't know who is the original author. I am going to describe it a little better and add some mathematics. To get motivated, take a gla
GuidedFilter
手元のPython用のOpenCVが2.4であることと，Guided Filterを高速化したFast Guided Filterを実装するためには，中身をいじらなければいけなかったので自前で実装することにしました（デモ用のPythonコードはGitHubで公開しています）． 以下では，簡単にGuided Filterの仕組みについて触れたいと思います． 一般的な重み付フィルタ 出力画像を$q$とすると，一般的な重みのフィルタリング処理は以下のように書けます． $q_i = \sum_j W_{ij} (I) p_j$ ここで，$j$は求めたいピクセル$i$の近傍ピクセル，$W_{ij}$はガイド画像$I$を入力とした重み関数でピクセル$i$，ピクセル$j$間の重みを表します． 例えば，Bilateral Filterの場合，以下のような重みを使っていることに相当します． $W_{ij}^
SSII2014 チュートリアル資料
7. 拘束付き最小二乗法 6 𝒚 = 𝑨𝒙 + 𝒏 2 2 2 2 HxAxy I 拘束付き最小二乗法 y: 観測画像 x: 真の画像 A: 劣化モデル n: ノイズ H: ハイパスフィルタ 尤度 自然画像の 事前確率 事後確率最大化 （MAP法） 観測 から 観測以外 から 8. 事後確率最大化と拘束付き最小二乗法 7 2 2 2 2 2 22 2 22 11 ' HxAxy HxAxy I I )()|()|( xxyyx ppp 事後確率（ベイズの定理） 尤度事後確率 2 2 2 2 exp)|( Axy xyp 2 2 2 2 exp)( Hx xp 事前確率 尤度（ノイズモデル）： ガウスノイズを仮定 （自然画像の）事前確率： 滑らかな画像を仮定
ガイデットフィルタとその周辺
2. 紹介論文 • J. Lu, K. Shi, D. Min, L. Lin, and M. N. Do, “Cross-Based Local Multipoint Filtering,” CVPR2012. • 内容： 高速なエッジキープ型のフィルタの 拡張とアプリケーション例 – 注）細かいところはカットしています – なかなか本題にはいりません． 3. 関連論文 • Bilateral Filterの論文 – C. Tomasi and R. Manduchi, “Bilateral Filtering for Gray and Color Images,” ICCV’98. • Joint/Cross Bilarater Filterによるデノイズ – G. Petschnigg, M. Agrawala, H. Hoppe, R. Szeliski, M. Cohen, K.
Little Color Management System
Welcome Here you will find tools and support for color enthusiasts Including the world-acclaimed LittleCMS color engine We offer trainings and we do custom development too Open Source CMM FREE under MIT license Written in C99 Widely Portable Fast and accurate Mature, evolving since 1998 color management Industrial color management ICC standards Prepress CMYK Contract proofing Embedded systems Spot
ディザ - Wikipedia
ディザ（Dither）とは、量子化誤差（端数）を、単純に丸めるのではなく、全体の量子化誤差が最小化するよう確率を調整して切り捨てまたは切り上げのどちらかをランダムにおこなうためによるゆらぎのことである。そのような一種のノイズ的データを追加する作業および技法はディザリング（Dithering）またはディザ法と呼ばれる。誤差を周囲のデータに拡散する手法をも含めて言うこともある。ディザリングは、デジタル音響やデジタル動画のデータを処理する際に普通に行われ、CDの制作でも最終段階でよく行われている。 用語 "dither" の起源[編集] […] ディザの最初期の使用例は第二次大戦に登場した。航空爆撃機では機械式計算機を用いて航行と爆弾の軌道計算を行っていた。面白いことに、こうした計算機 (＝数百の歯車が詰まった箱) は、航空機に乗せて飛んだ状態の方が計算精度が高く、地上では劣っていた。技術者たち
インテル® AVX を使用した IIR ガウスぼかしフィルターの実装 | iSUS
この記事は、インテル® ソフトウェア・ネットワークに掲載されている「IIR Gaussian Blur Filter Implementation using Intel® Advanced Vector Extensions」(http://software.intel.com/en-us/articles/iir-gaussian-blur-filter-implementation-using-intel-advanced-vector-extensions/) の日本語参考訳です。 ソースのダウンロード: https://software.intel.com/sites/default/files/m/4/3/7/a/a/gaussian_blur_0311.cpp gaussian_blur.cpp [36KB] はじめに この記事では、インテル® アドバンスド・ベクトル・エクス
フーリエ変換と画像圧縮の仕組み
第2回 プログラマのための数学勉強会で発表した資料です http://maths4pg.connpass.com/event/11781/Read less
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
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
GitHub - fogleman/primitive: Reproducing images with geometric primitives.
JPEGを「libjpeg」よりも20～30％小さく ～Google、新エンコーダー「Guetzli」を発表
Region growing method
cmykguide.com
waifu2x
Engadget | Technology News & Reviews
