Cloudinaryを使って画像の変換をやってみる - Qiita
Cloudinaryというクラウドベースの画像管理のサービスを使って、画像変換などやってみます。 はじめに Cloudinaryは、画像を管理するクラウドサービスで、画像の保存、変換、配信がとても簡単できます。Akamaiと連携しているようでワールドワイドで画像配信ができます。 いくつかプランがありますが、無料のアカウントで30万ファイル、10ギガのストレージ、月間2万回まで画像の変換ができます。 記事作成後にプランの考え方が変わっているので、こちらを参照してください。 https://qiita.com/kanaxx/items/b3366025e6715562d8f9 Cloudinaryの画像変換は、この動画をみるのが一番早いです。 https://cloudinary-res.cloudinary.com/video/upload/ac_none,c_scale,h_388,q_4
Android用画像読み込みライブラリ、Glideを使ってみよう！ | 株式会社ヌーラボ(Nulab inc.)
こんにちは。Typetalk開発チームの後藤です。Android用の画像読み込みライブラリを使うことで、自前のコードがだいぶ削減できましたので、ご紹介したいと思います。 このようなライブラリを使う利点は以下の通りです。 基本的に画像URLと表示するImageViewを指定するだけ メモリキャッシュ、ファイルキャッシュを自動に行ってくれる Gifアニメーションが表示できる Glideとは もともとはBumpという会社が開発していたようですが、この会社はGoogleに買収されており、CopyrightにはGoogleと記載されています。同じ目的のライブラリはいくつかあるようですが、Googleだと安心感があり、採用の十分な根拠になりますね！ はじめに まずはじめに、build.gradleのdependenciesにglideを追加しましょう。現在のバージョンは4.4.0なので、この記事はこの
<img>: 画像埋め込み要素 - HTML: ハイパーテキストマークアップ言語 | MDN
HTML チュートリアル HTML の基本 HTML 入門 HTML 入門の概要 HTML を始めよう ヘッド部には何が入る? HTML のメタデータ HTML テキストの基礎 ハイパーリンクの作成 高度なテキスト整形 文書とウェブサイトの構造 HTML のデバッグ 評価課題: 手紙のマークアップ 評価課題: コンテンツのページの構造化 マルチメディアとその埋め込み マルチメディアとその埋め込みの概要 HTML の画像 動画と音声のコンテンツ object から iframe まで — その他の埋め込み技術 ウェブへのベクターグラフィックの追加 レスポンシブ画像 評価課題: Mozilla のスプラッシュページ HTML の表 HTML の表の概要 HTML の表の基本 HTML 表の高度な機能とアクセシビリティ 評価課題: 太陽系の惑星データの構造化 リファレンス HTML 要素 <a>
Rubyで画像ファイルの種別を判定
Rubyで画像ファイルの種別を判定する方法です。 🐹 判定ロジック JPEG => ファイルがffd8で始まり、ffd9で終わる GIF => ファイルがGIFで始まり、3bで終わる PNG => ファイルが89504e470d0a1a0aで始まり、0000000049454e44ae426082で終わる 😸 ソースコードdef image_type(file_path) File.open(file_path, 'rb') do |f| begin header = f.read(8) f.seek(-12, IO::SEEK_END) footer = f.read(12) rescue return nil end if header[0, 2].unpack('H*') == %w(ffd8) && footer[-2, 2].unpack('H*') == %w(ffd9)
Kerasによるデータ拡張 - 人工知能に関する断創録
今回は、画像認識の精度向上に有効な データ拡張（Data Augmentation） を実験してみた。データ拡張は、訓練データの画像に対して移動、回転、拡大・縮小など人工的な操作を加えることでデータ数を水増しするテクニック。画像の移動、回転、拡大・縮小に対してロバストになるため認識精度が向上するようだ。 音声認識でも訓練音声に人工的なノイズを上乗せしてデータを拡張するテクニックがあるらしいのでそれの画像版みたいなものだろう。 ソースコード test_datagen2.py test_datagen3.py ImageDataGeneratorの使い方 #3 - GithubのIssuesでTODOを管理し始めた ImageDataGenerator Kerasには画像データの拡張を簡単に行うImageDataGeneratorというクラスが用意されている。今回は、この使い方をまとめておきた
画像の前処理 - Keras Documentation
ImageDataGenerator ImageDataGeneratorクラス keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, samplewise_std_normalization=False, zca_whitening=False, zca_epsilon=1e-06, rotation_range=0.0, width_shift_range=0.0, height_shift_range=0.0, brightness_range=None, shear_range=0.0, zoom_range=0.0, channel_shift_range=0.0, fi
Keras - Keras の ImageDataGenerator を使って学習画像を増やす - Pynote
概要 CNN の学習を行う場合にオーグメンテーション (augmentation) を行い、学習データのバリエーションを増やすことで精度向上ができる場合がある。 Keras の preprocessing.image モジュールに含まれる ImageDataGenerator を使用すると、リアルタイムにオーグメンテーションを行いながら、学習が行える。 キーワード ImageDataGenerator オーグメンテーション (augmentation) 関連記事 具体的な使い方は以下を参照。 pynote.hatenablog.com 概要 キーワード 関連記事 ImageDataGenerator 基本的な使い方 オーグメンテーションの種類 回転する。 上下反転する。 左右反転する。 上下平行移動する。 左右平行移動する。 せん断 (shear transformation) する。 拡
)
Downsampling (signal processing) - Wikipedia
In digital signal processing, downsampling, compression, and decimation are terms associated with the process of resampling in a multi-rate digital signal processing system. Both downsampling and decimation can be synonymous with compression, or they can describe an entire process of bandwidth reduction (filtering) and sample-rate reduction.[1][2] When the process is performed on a sequence of sam
アフィン写像 - Wikipedia
アフィン空間 (A, V(A)), (B, V(B)) に対し、写像 f: A → B と f が引き起こす線型写像 V(f): V(A) → V(B) の組 (f, V(f)) をアフィン写像という。ここで f が V(f) を引き起こすとは、f と V(f) との間に条件 任意の a ∈ V(A) に対し、 が成り立つ。 任意の P ∈ A, a ∈ V に対し、f(P + a) = f(P) + V(f)(a) が成り立つ。ただし、"+ a", "+ V(f)(a)" はそれぞれ、A, B における平行移動を表す。 が満たされることをいう。このアフィン写像を f × V(f): (A, V(A)) → (B, V(B)) あるいは単に f: A → B で表す。 原点を固定して A = O + V(A), B = O′ + V(B) とみるとき、アフィン写像 f: A → B は具体
幾何学的変換 - Wikipedia
幾何学的変換とは集合の何らかの幾何学的な構造を持つ自身への（もしくは幾何学的な構造を持つ相異なる集合への）全単射である。 特に「幾何学的変換は定義域と値域が点の集合であるような関数である。幾何学的変換の定義域と値域はしばしば R2 もしくは両方が R3 である。幾何学的変換はしばしば（反転に対応するため）1対1関数であることが要求される[1]。」幾何学の研究はこのような変換によって成されてきたと言うこともできよう[2]。 幾何学的変換は被演算子の集合の次元によって分類することができる。そのため、例えば平面変換と空間の変換は互いに区別される。幾何学的変換は保持される幾何属性によっても分類することができる。 変位は距離と向き付けられた角を保持する。 等長写像は角と距離を保持する[3]。 相似は角と距離の比を保持する。 アフィン変換は平行性を保持する[3]。 投影変換は共線性を保持する[4]。
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
https://thispersondoesnotexist.com/
https://keras.io/preprocessing/image/
https://matplotlib.org/stable/tutorials/introductory/images.html
zoom — SciPy v1.14.1 Manual
Homogeneous coordinates - Wikipedia
affine_transform — SciPy v1.14.1 Manual
rotate — SciPy v1.14.1 Manual
Central XNAT
Open Access Series of Imaging Studies (OASIS)
OASIS