NumPyでの画像のData Augmentationまとめ - kumilog.net
Python Advent Calendar 2017 の 18日目 の記事です。 画像のData Augmentationの手法をNumpy(とSciPy)で実装し、まとめてみました。 使うデータ Data Augmentation Horizontal Flip Vertical Flip Random Crop Scale Augmentation Random Rotation Cutout Random Erasing さいごに DeepLearningで画像分類など画像系の問題に取り組むとき、画像の枚数が精度に大きく影響を与えます。そこで、画像を数を増やすために、画像をちょっと傾けたり、反転させたりと画像を加工したりします。加工して数を増やすことを一般にData Augmentationと呼びます。 Data Augmentationは前処理で使うだけでなく、推論時にも使うこと
【画像処理】RGBからHSVへの変換
【前提条件】 R、G、Bの値が0.0～1.0の範囲にあるとします。 色相Hの計算 R,G,Bの3つの値のうち、最大のものをMAX、最小のものをMINとしたとき、色相は以下の式で計算できます。 (1) つまり、の3つの値のうち、どれが最大値かによって計算式が変わります。 色相が負の値になれば、360を加算して0～360の範囲内に収めます。 色彩Sの計算 色彩は円柱モデルか円錐モデルかによって計算方法が異なります。 円柱モデルのときの色彩を、円錐モデルのときの色彩をとしたとき、以下の式で計算できます。 (2) 色彩は0～1の範囲内に値が収まります。 明度Vの計算 明度は以下の式で計算できます。 (3) 明度は0～1の範囲内に値が収まります。 実装例（プログラム）
画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
カメラの画像をPHPでサーバー上に保存する方法 | ScrapEngineer
HTML5でキャプチャした画像をPHPサーバに送信して保存する方法です。 これによってWebブラウザ上で撮った画像をサーバに送信、保存することが可能です。 以前のHTMLでカメラから映像、画像を取得する方法を参照してください。 HTML5 getUserMedia APIでカメラが使ってみる Javascript側に以下を追加。 キャプチャ画像を撮影する後にさらに関数を追加してください。 // Ajaxにて画像データを送信する var saveSnapshot = function() { var hostUrl= 'http://localhost/save.php'; // データ送信先 $.ajax({ url: hostUrl, type:'POST', dataType: 'json', data : {img : document.getElementById('img').s
カメラを使ってみよう ーWebRTC入門2016
こんにちは！ がねこまさしです。2014年に連載した「WebRTCを使ってみよう！」シリーズですが、内容がすっかり古くなってしまいました。そこで2016年6月の最新情報に基づき、内容をアップデートして改めてお届けしたいと思います。 WebRTCとは？ WebRTCとは”Web Real-Time Communication”の略で、Webブラウザ上でビデオ/オーディオの通信や、データ通信を行うための規格です。HTML5で新しく策定されたもので、複数の技術の連携で成り立っています。 ちなみに策定には複数の団体が絡んでいています。 API → W3C ビデオ/オーディオのコーデック → IETF APIの策定作業はWebRTC 1.0に向けて大詰めに入っています。またより詳細な低レベルのAPIを定義しているORTCも登場し、将来の統合に向けた動きも始まっています。 コーデックの選定では、ブラウ
【OpenCV】輪郭処理（cvFindContours）を使ったラベリング処理 画像処理ソリューション
メインページ ＞ OpenCV OpenCVには標準的にはcvLabelingのようなラベリングの関数は無いので、 ●ラベリングクラス（大阪大学の井村先生によるもの） ●Blob extraction library を使いましょう！というのが一般的になってきているように思いますが、最初のラベリングクラスでは、画像の幅の画素数が４の倍数で無い場合、うまく動作してくれなかった気がするし、Blob extraction library は英語なので良く分からないし・・・ ということで、OpenCVに標準的にある輪郭処理の関数【cvFindContours】を使ってラベリングの処理ができないか？調べてみました。 結果、OpenCVの関数だけで、こんな感じ↓まで出来ました。
ねこと画像処理 part 2 – 猫検出 (モデル配布) – Rest Term
ねこと画像処理。 (アイシャ – 池袋 ねころび) 前回のねこと画像処理 part 1 – 素材集めでは猫画像の集め方について整理しました。今回はその集めた猫画像を使って猫検出用の学習モデル(分類器)を作成したいと思います。それにはいろいろと準備が必要です。 モデル(分類器)の配布についてはこのエントリーの後半で説明します。 アノテーションデータの収集 学習モデルを作る前に猫のどの部分を検出するかを決める必要がありますが、今回は猫の顔(頭)部分の検出を行おうと思います。そのためのアノテーションデータ作成補助ツールを作成したのでそれを使ってひたすらデータを集めます。僕一人の作業だと限界があったのですが、クラウドソーシングによりネット上の顔も知らない有志達の協力のおかげであっという間にデータが集まりました。 アノテーションデータ作成補助ツールの作成にあたっては以下のサイトを参考にさせてもらいま
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
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
東京ﾊﾟﾉﾗﾏ写真 Tokyo Roppongi Gigapixel