折り返し雑音 - Wikipedia
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "折り返し雑音" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2022年12月) 正しく標本化されたレンガの壁の画像 空間折り返しひずみ（モアレ）が生じている例 折り返し雑音（おりかえしざつおん、（英: folding noise）またはエイリアシング（英: aliasing）とは、統計学や信号処理やコンピュータグラフィックスなどの分野において、異なる連続信号が標本化によって区別できなくなることをいう。エイリアスは、この文脈では「偽信号」と訳される。信号が標本化され再生されたとき、元の信号とエイリアスとが重なって生じる歪みのことを折り
擬似逆行列・一般化逆行列は，画像処理や計測工学・ロボット工学で応用される，最小二乗法による誤差最小の逆行列 - 勉強メモ （大学の講義動画や，資格試験の対策）
数学の解説コラムの目次へ 「一般化逆行列」とか，「擬似逆行列」という行列の工学上のツールがある。 この行列を理解するために必要な情報をまとめた。 （１）「一般化逆行列」（擬似逆行列）とは何か？ （２）どのような計算により，二乗誤差を最小化するのか？ →特異値分解 （３）「特異値分解」と「スペクトル分解」 （４）「一般化逆行列」は，どういう場合に現れるか？ （１）「一般化逆行列」（擬似逆行列）とは何か？ これは，次元があわなくてうまく逆行列を計算できないときに， 両辺の誤差が最小になるよう最小二乗法を使うことで， 近似的な逆行列を求める演算のこと。 一般逆行列・ムーア・ペンローズ逆行列 - 大人になってからの再学習 http://d.hatena.ne.jp/Zellij/20120811/p1 ムーア・ペンローズ逆行列A^{+}を使って、求めた解は、Aが縦長の場合は||A {￥bf x}
エルゴノミクスコンピューティング実習
ARToolKitとは マーカーのカメラ座標系における位置姿勢を単眼 カメラの映像から算出することにより，拡張現実 (Augmented Reality; Mixed Reality)空間を容易に構 築できる計測システム． 現奈良先端大教授(元 阪大基礎工 西田研助教授)の 加藤博一先生が，ワシントン大学HITラボ滞在中に 開発． H.Kato, M. Billinghurst: Marker Tracking and HMD Calibration for a Video-Based Augmented Reality Conferencing System, Proceedings of the 2nd IEEE and ACM International Workshop on Augmented Reality, 1999 平面のマーカを使いたい 歴史的経緯 1
画像処理のあれこれ1 閾値自動選定法の多クラス問題への応用｜伊藤 桂一(アダコテック)
2020/07/17追記 下記のような情報に見つけたので、実験画像の差し替えを行いました。 https://srad.jp/story/20/07/15/117231/ はじめまして初めましてアダコテックの伊藤です。製造業に向けた異常検知のAIソフトウェアを提供する㈱アダコテックでエンジニア兼取締役をしています。 エンジニアとしては、コア技術の研究開発、顧客から依頼されたPOCの実施などのを行っています。 仕事以外ではエンジニア仲間と飲みに行ったり、週末は息子と釣りに行ったりしています。(今は、コロナで自粛中ですが・・・) 弊社では、国立研究開発法人産業技術総合研究所（産総研）で発明された高次局所自己相関特徴量(HLAC)(*1)という特徴抽出法を使った異常検出ソリューションの開発・販売を行っております。 この技術を発明された大津展之先生をはじめとした先生方に弊社技術顧問として関わって頂き
大津の二値化ってなんだ…ってなった. - Qiita
はじめに OpenCVを利用して二値化を行う際, 「とりあえずcv2.THRESH_OTSUやっとけばええやろ, ぽいー」って感じでテキトーに二値化してました. 「とりあえずいい感じに動く」って認識だったので, きちんと(?)理解自分なりにここにまとめていきたいと思います. 初心者なので間違いなどあれば教えていただけるとありがたいです. 概要 - OpenCVさんの説明 OpenCVのチュートリアルを見ると 大津のアルゴリズムは以下の式によって定義される重み付けされたクラス内分散を最小にするようなしきい値(t)を探します. $\sigma_{\omega}^2(t) = q_1(t)\sigma_1^2(t) + q_2(t)\sigma_2^2(t)$ (各変数の定義は本家を見てください) のように書いてありました. 詳しくはわからなかったけど, いい感じのしきい値(t)を探してくるって
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
https://research-er.jp/articles/view/114587