Tech Talk in 関西: Google 日本語入力を支える情報処理技術 (学生向け)のお知らせ (1 月 30 日) ちょうど前回のパターン認識の講義で統計的言語モデルを扱っていたので、これは聞きに行くしかない!と何も考えずに行ってきました。 以下、走り書きメモを若干補完したものです。 私が興味をもった質問に対する回答も該当場所に埋め込みました。 誤りがあれば指摘してくださると有り難いです。 概要紹介 内部設計 IMは複雑(Officeソフト並?) たくさんのコンポーネントからなる これまでの一般的な実装 - As DLL 各アプリにロード アプリ毎にOfficeソフトがくっついているようなもの 辞書は共有リソース 排他制御が必要 (弱点1)クラッシュに弱い IMが落ちるとアプリも落ちる。逆も然り 辞書にアクセス中だった場合辞書も破壊 (弱点2)セキュリティ問題 ログオン時etcで
bayonを使って画像からbag-of-keypointsを求める - のんびり読書日記の記事を読んで、クラスタリングを行う際の入力データを作るために文献[1]にある方法が利用できると思って実験してみた。 局所特徴量を持ったデータの取扱い 画像データの分類などを行う際にSIFTのような画像中の特徴点(keypoint)を抽出するということがよく行われる。 例えばSIFTを用いる場合は各keypointは128次元のベクトルとなり、画像ごとにいくつかのkeypointが抽出される。ここで抽出されるkeypointの数は画像ごとに異なる。このため、画像間の類似性を比較するのは困難である。 これに対するアプローチとしては一つは画像中の特徴点同士の全対比較を行う、もしくはマッチングをとるという方法が挙げられるがこれは計算量が非常に大きい。 別の方法としてヒストグラムを利用するという方法がある。これ
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
処理を実行中です
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