マルコフ情報源 Markov source ホーム 情報通信のハイパーテキストは下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/ お探しの内容は、下記の目次にあります。 http://www.mnc.toho-u.ac.jp/v-lab/yobology/index.htm
マルコフ情報源 Markov source ホーム 情報通信のハイパーテキストは下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/ お探しの内容は、下記の目次にあります。 http://www.mnc.toho-u.ac.jp/v-lab/yobology/index.htm
HMMは、不確定な時系列のデータをモデル化するための有効な統計的 手法である[4]。HMMは、出力シンボルによって一意に状態遷移先が 決まらないという意味での非決定性確率有限オートマトンとして定義される。 出力シンボル系列が与えられても状態遷移系列は唯一に決まらない。観測でき るのはシンボル系列だけであることからhidden(隠れ)マルコフモデルと呼ば れる [60]。 HMMはパラメータとして状態遷移確率、シンボル出力確率、初期状態確率を持 つ。そして、シンボル出力確率の計算方法によって離散型HMMと連続分布型HMM に別れる。また、シンボル出力確率が状態で出力されるMooreマシンと状態遷 移で出力されるMealyマシンに分類できる。以下では、Mealyタイプの離散型 HMMについて述べる[60]。なお、MooreタイプとMealyタイプは相互 に変換可能である。
東芝(http://www.toshiba.co.jp/)は、カメラ撮影した画像から、高精度に人物を検出できる新技術を開発した。物体の形を詳細に表現することができ、従来課題だった、偶然に人物に似た特徴が得られることが少ない。従来の世界最高水準と比較して誤検出を半減できるという。可視光や赤外線など各種カメラに適用することができ、自動車での歩行者事故の防止や監視カメラによる不審者の検知、映像コンテンツの自動検索などの搭載が見込まれる。2~3年後の実用化を目指す。 開発したのは、「CoHOG(Co-occurrence Histograms of Oriented Gradients、輝度勾配方向共起ヒストグラム)」と呼ぶ画像分析手法。2つの異なった位置での輪郭のペアがどのような頻度で現れるかを見ることで、人物を表す輪郭のペアを抽出する。画像特徴を多くの人物画像から集めてより詳細な統計学習をする
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