SURFとSIFTの簡単な例(C++) samples/cppに収録されたSURFを用いたマッチングの例。 ?DescriptorExtractorの派生としてSIFTも用意されているので比較してみた。 drawMatchesのDEFAULT出力がイマイチなので自前で出力画像を用意する。関連してmixChannelsも参照。 ソース #include <stdio.h> #include <opencv2/core/core.hpp> #include <opencv2/features2d/features2d.hpp> #include <opencv2/highgui/highgui.hpp> //#define USE_SURF using namespace cv; int main(int argc, char** argv) { if(argc != 3) { printf(

名前とぼんやりとした役割や機能だけは知ってるけど、腰が引けて使えないという状態だったautomakeやautoconfですが、覚える必要が出てきたので概要だけでも把握しようという事で調べてみました。出てくるツールや中間ファイルの種類が多いので、まずは図を書いて整理してみました。 パッと見は複雑で見て見ぬ振りをしたくなる図ですが、よく見ると自分で作成・編集する必要があるのは、オレンジの項目だけなので、ソースコードを除くとconfigure.acとMakefile.amの2つだけです。これなら何とか覚え始めようという気になりますね。 実際に図の手順を実行しながら追ってみますが、その前に手元のAutotoolsのバージョンを確認します。バージョンが違うと上手く動かないかもしれません。 $ autoconf --version autoconf (GNU Autoconf) 2.61 # 残りの出

総合研究大学院大学　複合科学研究科　 情報学専攻　卒　博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 画像中に存在する物体.....描写されている「事象」の特徴量は SIFTなどでも抽出可能でしょう しかし、画像そのもの、「画風」の特徴量はどうやったらわかるでしょうか？ 感性情報による類似画像群の分類 石井眞 相模女子大学 図学研究 37(4), 2003 人間が添付した外部情報(meta data)を用いるとは、案外確実です。 ２．類似画像群構築の可能性 本章では，印象語を用いた類似画像群の検索可能性に対する知見を得るため， 評価者が主観的に分類した類似画像群と評価者の入力値である印象度［石井眞人，近藤邦雄，佐藤尚