ChainerでDeep Learningをしない（SfMからSLAMまで） - Qiita
Chainer Advent Calendar 2017の7日目です。 はじめに みなさん、Deep Learningしてますか？正直Deep Learningって疲れますよね。パラメータチューニングの毎日、下がらないLoss、過学習するモデル、スタープラチナに殴られたようなGANで生成された大量の顔。 そんな鬱憤を晴らすべく、今日はChainerでDeep Learningをしない、という記事を書きます。 Computer Visionの多くの問題は、何らかの最小化問題として定式化されます。最小化する際は、殆どの場合は式を立て、微分し、最適なパラメータを求めます。そこには大きな問題があります。 微分めんどい 微分が複雑・・・式が複雑だと計算間違える・・・手法を変更するたびに微分しなくてはいけない。そんな問題を解決する凄いライブラリがあるのです。そう、Chainerです。Chainerでは
GitHub - tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository)
This package contains an OCR engine - libtesseract and a command line program - tesseract. Tesseract 4 adds a new neural net (LSTM) based OCR engine which is focused on line recognition, but also still supports the legacy Tesseract OCR engine of Tesseract 3 which works by recognizing character patterns. Compatibility with Tesseract 3 is enabled by using the Legacy OCR Engine mode (--oem 0). It als
CVPR 2015 論文紹介（NTT研究所内勉強会用資料）
5月22日、研究所内勉強会の担当回だった時の資料（一部変更）。 画像説明文生成や真相学習を利用した画像生成など、以下のオーラル発表5本を紹介。 1. Show and Tell: A Neural Image Caption Generator 2. Long-term Recurrent Convolutional Networks for Visual Recognition and Description 3. Deep Visual-Semantic Alignments for Generating Image Descriptions 4. Deep Neural Networks are Easilly Fooled: High Confidence Predictions for Unrecognizable Images 5. Understanding Deep Ima
電子情報通信学会知識ベース ｜2編 パターン認識とビジョン
知識ベースのなかから適切なテーマを選りすぐって企画されたものです．内容に関しては新規執筆も含めて，より分かりやすく再編集されています．いわば学会の知の結晶を，皆様により充実した形でお届けするものです． 本シリーズを通じて，電子情報通信の最先端分野の面白さを堪能して頂ければ幸いです． 企画代表 原島 博「刊行のことば」より ●感覚・知覚・認知の基礎 乾 敏郎 監修 →詳細はこちら ●医療情報システム 黒田 知宏 監修 →詳細はこちら ●画像入力とカメラ 寺西 信一 監修 →詳細はこちら ●宇宙太陽発電 篠原 真毅 監修 →詳細はこちら ●電子システムの電磁ノイズ −評価と対策− 井上 浩 監修 →詳細はこちら ●マイクロ波伝送・回路デバイスの基礎 橋本 修 監修 →詳細はこちら ●将来ネットワーク技術 −次世代から新世代へ− 浅見 徹 監修 →詳細はこちら ●ネットワークセキュリティ 佐々木
Point Cloud Library
The Point Cloud Library (PCL) is a standalone, large scale, open project for 2D/3D image and point cloud processing. PCL is released under the terms of the BSD license, and thus free for commercial and research use. Whether you’ve just discovered PCL or you’re a long time veteran, this page contains links to a set of resources that will help consolidate your knowledge on PCL and 3D processing. An
Random sample consensus - Wikipedia
Random sample consensus (RANSAC) is an iterative method to estimate parameters of a mathematical model from a set of observed data that contains outliers, when outliers are to be accorded no influence on the values of the estimates. Therefore, it also can be interpreted as an outlier detection method.[1] It is a non-deterministic algorithm in the sense that it produces a reasonable result only wit
Hervé Jégou — Hervé Jégou
I am a former student of the Ecole Normale Superieure de Cachan, holding a M.S. (2002) and PhD (2005) from University of Rennes I. During my PhD, I worked on error-resilient compression and joint source channel coding. After that, I turned out to Computer Vision and Pattern Recognition. I joined the LEAR group (INRIA Grenoble) as a permanent researcher in 2006, and moved to INRIA Rennes in 2009. I
Joint Inverted Indexing
2. 論文 Title : Joint Inverted Indexing Author: Yan Xia, Fang Wen (University of Science and Technology of China), Kaiming He, Jian Sun (Microsoft Research Asia) 2 3. 論文 Title : Joint Inverted Indexing 学生．多分MSRAでイン ターンで行った研究 Author: Yan Xia, Fang Wen (University of Science and Technology of China), Kaiming He, Jian Sun (Microsoft Research Asia) 3 4. 論文 Title : Joint Inverted Indexing 学生．多分MSRAでイン ター
Rodrigo Benenson github page
The Cityscapes Dataset M. Cordts, M. Omran, S. Ramos, T. Scharwächter, M. Enzweiler, R. Benenson, U. Franke, , B. Schiele Presented at CVPR workshop (unpublished) Chef's recommendation @inproceedings{Cordts2015Cvprw, title={The Cityscapes Dataset}, author={Cordts, Marius and Omran, Mohamed and Ramos, Sebastian and Scharw{\"a}chter, Timo and Enzweiler, Markus and Benenson, Rodrigo and Franke, Uwe a
新型BoVW - n_hidekeyの日記
いよいよ、従来のBoVWに変わる新しい特徴表現方法を見ていきます。これらの新しい特徴は直接線形手法に適用できるように設計されており、線形SVMと合わせて用いられることが多いです。 前置き 一枚の画像からBoVW（或いは、それに類する枠組み）によって特徴ベクトルを得るまでは、非常に大雑把に分けると次の二つの過程に分かれます。 画像から多数（数千〜数万）の局所特徴を抽出 得られた大量の局所特徴の情報を利用し、最終的なアウトプットである一本の特徴ベクトルを生成 どちらも大事なプロセスですが、今回考えるのは2のほうです。つまり、局所特徴はなんらかの方法でとってあるとして、その後どうするかという部分です。1の方は今回は触れませんが、SIFT + dense sampling などが多いようです（参考: Bag of Visual Words - n_hidekeyの日記）。 プロセス2で重要なのは、
画像認識の初歩、SIFT,SURF特徴量
6. 画像特徴量の変遷 第一世代 第二世代 第三世代 対象物全体 局所情報 局所情報のつな 輝度分布 SIFT がり wavelet SURF Haar-like Joint Haar-like HOG Joint HOG Shapelet 1990年代 2000 - 2005 2006 - 現在 7. 局所特徴量 SIFT 1999 •Google の論文で言及http://www.esprockets. com/papers/www2008-jing-baluja.pdf。ただし、アルゴリズムが著作 権で守られている。C#ライブラリ libsift, OpenCV SURF 2006 SIFT の処理速度改良版。OpenCV haar-like特徴 2001 近接する2 つの矩形領域の明度差 Haar- 顔認識に用いられ(OpenCVの顔検出) like HOG(Histogram o
キネクトが即効ハックされ「空間キャプチャー」「物体認識」など様々な技術デモ動画が公開 : はちま起稿
キネクトが即効ハックされ「空間キャプチャー」「物体認識」など様々な技術デモ動画が公開 キネクトが発売3時間で早くもハックされオープンソースのKinectドライバが公開 ◆空間キャプチャー 580 名前：名無しさん必死だな[] 投稿日：2010/11/15(月) 08:45:39 ID:XNcosZkC0 ツイッターで見つけた動画 ４０秒あたりからがすごい 583 名前：名無しさん必死だな[sage] 投稿日：2010/11/15(月) 08:54:55 ID:6N/ibHP80 [3/5] >>580 すげえ何これｗ 585 名前：名無しさん必死だな[sage] 投稿日：2010/11/15(月) 08:59:12 ID:zVSwvPzQP >>580 ここまで奥行きを再現出来るとは… 587 名前：名無しさん必死だな[sage] 投稿日：2010/11/15(月) 0
確率的ハフ変換(直線)
ハフ変換には、一般化ハフ変換と確率的ハフ変換があります。確率的ハフ変換は、画像の中から直線を探し出す時に使います。 端点である始点と終点をもつ線分を検出します。 濃淡画像にキャニーフィルタをして、線分化した画像に、確率的ハフ変換します。 原画から線分を検出します。 線分を検出は、各線分の交点、なす角度を求めたりすることに応用できます。 計測の基礎になるものです。 原画 キャニーフィルターをします。線分画像にします。確率的ハフ変換を実行します。検出された直線は赤い線で画像上に表示されます。 また、そのとき検出された直線の始点と終点を画面上に表示します。 結果 画面上に、ハフ変換の結果を表示します。 ライブラリ関数 MvcClp_Init int MvcClp_Init( void ) 戻り値 正常終了の時は、0を返します。それ以外は、以下の値を返します。 -1：プロテクトキーがありません -
近代デジタルライブラリーの画像の余白を切ってページ分割するための処理 - デー
近デジの画像の余白を取って左右に分割する - hitode909の日記を見てて、 近代デジタルの画像を余白切ってページ分割するの、知っていれば一瞬でできる問題だと思うんだけど、やったことないので試すか 2010-10-11 11:51:42 via P3:PeraPeraPrv と思ったのでやってみた。 選択された領域 やってること 元画像が超でかいので小さくして処理する(速くなる) cannyエッジを検出したあと確率的ハフ変換で線を検出(縦横) あとは単純に、 横線のうち一番上をtopに 横線のうち一番下をbottomに 縦線のうち一番左をleftに 縦線のうち一番右をrightに にして、この矩形を余白を取り除いた領域とする。 このとき真ん中に謎の黒い領域があって、その上下が検出されることがあるので、あまり上過ぎたり下過ぎたりする線は使わないようにした。（かなりテキトウ） ページの中心
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
Python and OpenCV Example: Warp Perspective and Transform
画像キャプションの自動生成
Generalised Hough transform - Wikipedia
Fast Approximate Nearest Neighbor Search — OpenCV 2.4.13.7 documentation
CloudCV
Image Completion