Extracting Audio from Pictures
Three years ago, a survey team identified a staggering 569,148 time-based media objects on the Bloomington campus of Indiana University—that’s over half a million sound recordings, video recordings, and reels of film. The earliest items documented in the survey report date back to 1893. However, that report doesn’t mention what might be considered IU Bloomington’s oldest time-based media of all. T
Caffeで手軽に画像分類
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。システム統括本部 データソリューション本部の宮崎です。 最近ディープラーニングと呼ばれる技術の話題を耳にすることが増えてきました。 この記事ではディープラーニングの手法を実装し画像認識系の用途で便利に使えるCaffeというツールの使い方を紹介します。 Caffeの概要 Caffeは、C++で実装されGPUに対応した高速なディープラーニングのライブラリです。 大規模画像認識のコンテストILSVRCで2012年にトップとなった畳込みニューラルネットワークの画像分類モデル[1]がすぐに利用できるようになっています。 Caffeは、カリフォルニア大学バークレー校のコンピュータビジョンおよび機械学習に関する研究センターであるBV
Facebook、“ほぼ人間レベル”の顔認識技術「DeepFace」を発表
米Facebookの人工知能（AI）ラボが、顔認識技術「DeepFace」に関する論文（リンク先はPDFダウンロード）を公開した。 この技術は、ディープラーニング（深層学習）と呼ばれるニューラルネットワーク技術を採用している。Facebookは昨年12月、人工知能研究ラボを立ち上げ、深層学習を研究するヤン・ルカン教授を所長に迎えた。 DeepFaceの2つの画像の顔の識別精度は97.25％で、人間（97.53％）とほぼ互角という。従来の顔認識技術より25％精度が上がったとしている。 実験には、公開されている画像データベースやFacebookにアップロードされている4030人の440万点の画像、米GoogleのYouTubeの動画内の顔データを集めたデータベースを利用した。 DeepFaceは画像内の顔から3Dモデリング技術で正面を向いた顔の画像を作り、これを1億2000万以上のパラメータを
Detexify LaTeX handwritten symbol recognition
Did this help? Hosting Detexify costs money and if it helps you may consider helping to pay the hosting bill. Want a Mac app? Lucky you. The Mac app is finally stable enough. See how it works on Vimeo. Download the latest version here. Restriction: In addition to the LaTeX command the unlicensed version will copy a reminder to purchase a license to the clipboard when you select a symbol. You can p
【ML advent calendar 2012記事】Computer... | DERiVE コンピュータビジョン ブログ
このサイトについて DERiVEはコンピュータビジョン、画像認識が専門のMasaki Hayashiがお送りしている、コンピュータビジョン(Computer Vision)を中心としたITエンジニア、研究向けのブログです。※「DERiVE メルマガ別館」は2015/9月で廃刊致しました、 ML Advent Calendar2012のこの記事へのリンクから飛んできた皆さんこんにちは。この記事は私が担当させていただく、2012/12/19のML advent calender向け記事になります。 まず最初に、はじめてこのブログにいらっしゃった非コンピュータビジョンクラスタ向けに、簡単に自己紹介をしておきます。私は慶応義塾大学の後期博士課程に所属している、学生研究者の林(@payashim)と申します。私は修士修了後、（画像以外の計測も含めて）各種計測システムの開発者をしておりましたが、昨年退
コンピュータビジョンのソースコード/ライブラリのまとめ - takminの書きっぱなし備忘録 @はてなブログ
今まで自分が見つけたコンピュータビジョンの研究に役に立ちそうなフリーのライブラリやソースコードをまとめてみました。自分ではまだ使っていないものも多いので、そこはご容赦を。主にC/C++が中心です。 またライブラリ形式でない、いわゆる学会で発表した研究のコードをそのまま公開しているという人がたくさんいて、それに関しては特にメジャーなもののみ紹介しています。なにぶん僕の観測範囲は限られてますので、「このライブラリに触れないのはおかしい」、「説明が間違っている」等、ご意見大歓迎です。 定番(Standard) OpenCV 定番中の定番です。コンピュータビジョンに関して広範なアルゴリズムが実装されています。 http://code.opencv.org/projects/OpenCV/wiki/WikiStart Point Cloud Library ３次元点群データを扱うならこれ。Kinec
JavaScriptの顔認識ライブラリをチューニングしたら実用レベルになったという話 (Kanasansoft Web Lab.)
ただ、WebRTCで顔認識させようとすると遅くてしかたがなかった。 最初は速いこともあるが、10回ぐらい認識をさせるとすぐに遅くなる。 とりあえず、デモ。 そこで、チューニングをしてみることにした。 まず、JavaScriptの定番の高速化を試してみた。 例えば、正の数で使える「Math.floor(x)」を「(x | 0)」に、整数で使える「x * Math.pow(2, y)」を「x << y」にする等。 これで、10~30%高速化できた。 次に、遅くなっている部分を調べたら、Web Workersで分散するための仕組みが遅くなる原因だとわかった。 これは、Web Workersを使わない場合にも影響が出ていた。 じゃあ、Web Workersを使えば速くなるのかといえばその逆で、20倍遅くなっていた。 詳しくは調べてないけど、多分Workerスレッドに処理データを渡す時にJSON化が
本棚の写真から本のリストを構築したい – NOSE Takafumi
バーコードを読み取って本のリストを作るiPhoneアプリはあるらしいのだが，本というものは背表紙が見える状態で整理されていることが多いのだし，本棚の写真を撮るだけでリスト作れたら便利だなーと思いまして．で，画像処理全くわからないんだけど我流でOpenCVを使いながら試み中．一応そのものズバリなタイトルな英語論文(Building book inventories using smartphones)はあって，それを参考にキーワードを探りながら画像処理の知識を蓄えている． 本のタイトルのあたりは角が多いのでコーナー検出をすればそこにコーナーが集中する，ということと，直線の検出をすると平行な線がたくさん出る，ということを使えばいいんじゃないかと思っている（後者は論文でも使っている）． 今の処理の流れは 元画像に対してコーナー検出を行なって角の座標を得る（コーナー検出アルゴリズムはEigenVa
TechCrunch | Startup and Technology News
YouTube’s free Playables don’t directly challenge the app store model or break Apple’s rules. However, they do compete with the App Store’s free games. The tech layoff wave is still going strong in 2024. Following significant workforce reductions in 2022 and 2023, this year has already seen 60,000 job cuts across 254 companies, according to independent layoffs tracker Layoffs.fyi. Companies like T
Real Time Edge Detection in Haskell
Last week we submitted a paper to ICFP about how to implement efficient parallel stencil convolutions in Haskell. This goes along with a new release of Repa that runs on GHC 7.0.3. We've extended the old array representation to support the partitioning of arrays into several regions, and rewritten the back-end to recover sharing between the computation of adjacent array elements. Coupled with a ca
きれいなおねいさんのあつめかた：Bijostagramのはなし。 - TMBのおぼえがき
Bijostagram（びじょすたぐらむ）というWebサービスを作ってみました。 Bijostagram - Cute Girls on Instagram きれいなおねいさんは、好きですか？ Bijostagramとは？ Bijostagramは、きれいなおねいさんの画像がたくさん眺められるサービスです（個人的に作りました）。一番の大きな特徴は、Instagramから自動的にきれいなおねいさんの画像を集めてくる、というところです。Bijostagramでは、集めてきたおねいさん画像をランダムに表示しています。 Instagramは写真版Twitterで、しかも撮影した画像をオサレな感じで加工できてツイートできるというサービス。２月末に公式のAPIが公開されたので、いじってみました。→インスタグラムのAPIについてはこちら Bijostagramは、画像抽出と画像配置のアルゴリズムをPer
Visual Wordsを用いた類似画像検索 - 人工知能に関する断創録
類似画像検索システムを作ろう（2009/10/3） 3日で作る高速特定物体認識システム（2009/10/18） に続くOpenCVプロジェクト第三弾です。今回は、上の二つをふまえてカラーヒストグラムではなく、局所特徴量（SIFTやSURF）を用いた類似画像検索を試してみます。局所特徴量はグレースケール画像から抽出するため、カラーヒストグラムと違って色は見ていません。画像の模様（テクスチャ）で類似性を判定します。 実験環境は、Windows 7、MinGW C++コンパイラ、OpenCV2.0、Python 2.5です。EclipseでMinGWを使う方法はEclipseでOpenCV（2009/10/16）を参照してください。Visual C++にはないディレクトリスキャン関数を一部使っているのでVisual C++を使う場合は、少しだけ修正が必要です。 Bag-of-Visual Wor
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
Engadget | Technology News & Reviews
健康的な水着写真かそうでないかを判別できるフィルタリングシステムの開発に成功 
万引き犯共有ネットワークが物議を醸しております(山本一郎) - 個人 - Yahoo!ニュース
Engadget | Technology News & Reviews
Engadget | Technology News & Reviews
大規模画像認識とその周辺
TechCrunch | Startup and Technology News
GazoPa similar image search