「ポメラ」で5000万円稼いだ! 作家・芝村裕吏氏が明かす「ポメラ」 DM200の魅力 (1/3)
芝村裕吏氏は、最新作「エレメンタル・ローズ」をはじめ、「マージナル・オペレーション」シリーズ、「セルフ・クラフト・ワールド」シリーズなどの小説で知られる作家さんだ。「刀剣乱舞-ONLINE-」の世界観監修や脚本に参加したゲームデザイナーでもある。古くは「高機動幻想ガンパレード・マーチ」と関わる無名世界観などから追いかけ続けているファンも少なくないはずだ。 過去のツイートも見ると、小説・脚本などの執筆に「ポメラ」シリーズを利用しているヘビーユーザーのようなのだが、はたして「ポメラ」DM200でそんなにも稼げるのだろうか？ 作家さんに数千万稼げそうと言わしめる魅力はどんな点なのか？ そこが気になり、芝村裕吏氏にインタビューさせていただいたのだ。 「累計で5000万円くらい儲かった！ キングジムさん、ありがとう」 —— Twitter上で「新型ポメラ。これで5,000万円を二、三年で稼げそう。」
画像処理におけるフーリエ変換④〜pythonによるフィルタ設計〜
周波数とは振動数と同じで、単位時間にどのくらい振動しているかを表す指標です。単位は[Hz]で表されます。電力でよく60Hzとか50Hzとか聞くと思いますが、これは一秒間に信号が60回、50回振動しているという意味です。 上で述べた内容は1次元的な信号の場合ですが、画像のような2次元的な信号でも周波数を考えることができます。1ピクセル動いたときに、どのくらい画素が変化するかによって周波数を考えることができるのです。画素値の変化が大きいところは周波数大で画素値の変化が小さいところは周波数小です。
3.3. Scikit-image: 画像処理 — Scipy lecture notes
3.3. Scikit-image: 画像処理¶ 著者: Emmanuelle Gouillart scikit-image は画像処理に特化した Python 画像ライブラリで、 NumPy 配列を画像オブジェクトをネイティブに扱います。この章では scikit-image を多様な画像処理タスクにどう利用するかや NumPy や Scipy などの他の Python の科学技術モジュールとの連携についても扱います。 参考 基本的な画像操作、たとえば画像の切り抜きや単純なフィルタリングなど、多くの単純な操作は NumPy や SciPy でも実現できます Numpy と Scipy を利用した画像の操作と処理 を参照して下さい。 この章を読む前に前の章の内容について慣れておく必要があります、マスクやラベルといった基本操作は準備として必要です。
Deep learningで画像認識①〜Deep Learningとは？〜
Deep learningとは、人間の脳の神経細胞のネットワーク（ニューラルネットワーク）を模倣した情報処理技術です。その活用方法についてご紹介します。 最近、様々な分野でDeep learningと呼ばれる技術が用いられています。 Deep learningとは、人間の脳の神経細胞のネットワーク（ニューラルネットワーク）を模倣した情報処理技術です。Deep learningでは、層が深い（ディープな）ニューラルネットワーク（多層ネットワーク）を組むことによって、画像や音声などに含まれる特徴量をコンピューター自身が発見し、分類のルールを構築することが可能になりました。 従来は、人間がまず特徴量を設定し、その後、その特徴量を基に分類アルゴリズムにかけて分類するという手法でしたが、Deep learningにより、人間による特徴量の設定の必要なくデータ分類が可能になったことは、機械学習技術にお
レンズ設計光学講座
1.像質 2.光の屈折 3.球面収差 4.コマ収差 5.横収差の表し方 6.非点収差 7.像面湾曲 8.歪曲収差 9.歪曲収差とTV表示歪曲度 10.軸上色収差(縦の色収差) 11.倍率色収差(横の色収差) 13.スポットダイヤグラム 14.開口絞りと瞳 15.構成の進展① 16.構成の進展② 17.光学ガラス地図とガラス選択 18.幾何光学的MTF 19.MTF特性の表現形式 20.レンズの最小錯乱円と解像 21.レンズの理想MTFと実測MTF 22.投影解像度検査 23.光学設計手順 24.アプラナティックレンズ 25.波面収差と3次収差係数 26.光学仕様 ・高倍ズームのさらなる高倍率化 27.ゴーストとフレーア ◎ファインダーレンズ 1.眼の構造と模型眼 2.眼の矯正の原理 3.倍率 4.視度と調整 5.アフォーカル収差 6.設計事例 ・EVFレンズⅠ ・EVFレンズⅡ ・実像式ズ
レンズ設計光学講座
1.像質 2.光の屈折 3.球面収差 4.コマ収差 5.横収差の表し方 6.非点収差 7.像面湾曲 8.歪曲収差 9.歪曲収差とTV表示歪曲度 10.軸上色収差(縦の色収差) 11.倍率色収差(横の色収差) 13.スポットダイヤグラム 14.開口絞りと瞳 15.構成の進展① 16.構成の進展② 17.光学ガラス地図とガラス選択 18.幾何光学的MTF 19.MTF特性の表現形式 20.レンズの最小錯乱円と解像 21.レンズの理想MTFと実測MTF 22.投影解像度検査 23.光学設計手順 24.アプラナティックレンズ 25.波面収差と3次収差係数 26.光学仕様 ・高倍ズームのさらなる高倍率化 27.ゴーストとフレーア ◎ファインダーレンズ 1.眼の構造と模型眼 2.眼の矯正の原理 3.倍率 4.視度と調整 5.アフォーカル収差 6.設計事例 ・EVFレンズⅠ ・EVFレンズⅡ ・実像式ズ
目指せ光学設計者！駆け出しエンジニアのレンズ設計＆ZEMAX学習帳
前回の続き（NA～光学的不変量～輝度不変則）のお勉強は、もう少しまとまってからアップロードするとして、今日は身近な光学系のメガネについて考えてみます。 格安？メガネの作成つい先日、メガネを新調しました。私の視力は0.1未満の超ド近眼（最強度近眼）なので、レンズにはかなりの屈折力（パワー）が必要です。 「JINS」というメガネ界のユニクロ的存在のお店で、初めてメガネを作ったのですが、屈折率1.74の片側非球面レンズが、なんと「5,980円」ぽっきり！でした。 セール中だったので、もっと安いフレームなら4千円での作成も可能でした。すごい時代？になったものです。 最強度の近眼の場合、メガネの作成は「○○円ぽっきり！」と書いてあっても、高屈折率のレンズが必要なために、追加料金が必要になることが通例でした。それが追加料金なしで高屈折率のレンズが選べるなんて、ちょっと感激ものです。 これも、「プラスチ
ROOT講習
CERNで開発されている、 素粒子・原子核物理分野でのデーター解析フレームワークです。 フレームワークを利用して出来る事は「無限」にあるといっても 言い過ぎではないかもしれません。 その中でも良く利用されるものを列記すると ヒストグラムの操作 グラフ作図 関数の作図 データーのフィット 大量のデータの処理： 例えば列が１００個、列が１万個の要素をもつエクセルデータが あるとします。 行が一組の「イベント」、１万個のイベント「データ」と呼びます。 イベント毎に何らかの数値処理をして、それをデーター全体に処方する。 エクセルでやろうと思えばできますが、結構しんどいでしょう。 ROOTにはマクロ機能もあります。マクロの文法はＣ＋＋に沿っています。 かなり処理能力は高いので、Ｃ＋＋のインタプリターとしても使えます。 簡単なＣ＋＋のプログラム（関数）ならば、コンパイルしなくても動かす 事が出来ます。
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
GitHub - Sterncat/opticspy: python optics module
ライフサイエンス x 画像解析メディア