JTBパブリッシング(東京・新宿)は10日、観光地の詳細情報を紹介するスマートフォン(高機能携帯電話=スマホ)アプリ「るるぶ」に画像認識技術を応用した新機能を追加した。既にiPhone版とアンドロイド版を合わせて100万弱がダウンロードされている同アプリは、累計発行部数4億部を超える旅行情報誌「るるぶ」と情報サイト「るるぶ.com」を連携させる役割を担う。ユーザーが誌面を撮影すると、アプリが誌
Gradient ベースの特徴抽出 -SIFT と HOG- 藤吉 弘亘 中部大学 工学部 情報工学科 E-mail: hf@cs.chubu.ac.jp あらまし Scale-Invariant Feature Transform(SIFT) は,特徴点の検出と特徴量の記述を行うアルゴリズ ムである.検出した特徴点に対して,画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するた め,イメージモザイク等の画像のマッチングや物体認識・検出に用いられている.本稿では,SIFT のアル ゴリズムについて概説し,具体例として SIFT を用いたアプリケーションや応用手法への展開について紹介 する.また,SIFT と同様に gradient ベースの特徴抽出法である Histograms of Oriented Gradients(HOG) のアルゴリズムとその応用例として人検出についても
「数学記号」はこの項目へ転送されています。ウィキペディアにおける数式の書き方については「ヘルプ:数式の書き方」をご覧ください。 数学的概念を記述する記号を数学記号という。数学記号は、数学上に抽象された概念を簡潔に表すためにしばしば用いられる。 数学記号が示す対象やその定義は、基本的にそれを用いる人に委ねられるため、同じ記号に見えても内容が異なっているということがあれば、逆に、異なって見える記号が同じ対象を示しているということもある[注 1]。従って本項に示す数学記号とそれに対応する数学的対象は、数多くある記号や概念のうち、特に慣用されうるものに限られる。 記号論理の記号[編集] 以下の解説において、文字 P, Q, R はそれぞれ何らかの命題を表すものとする。 記号 意味 解説
コンピュータビジョン最先端ガイド3 一般物体認識サポートページ 【更新情報】 Bing APIの画像検索が結構いいです.サンプルコードとデモページを追加しました.(11/09/13) MKLの動作版コードをようやく公開しました.遅くなってすみません.(11/08/30) 公開勉強会があるそうなので,プレゼン資料追加しました.どうぞご利用下さい.(11/08/06) Flickrバージョンの画像収集スクリプトのソースコードを追加しました.(11/05/18) 大変お待たせいたしたました.オープンしました.(11/01/24) 第4章「一般物体認識」は,2009年11月に金沢で開催された情報処理学会 コンピュータビジョンとイメージメディア研究会(CVIM研) でのチュートリアル講演の予稿原稿が元になっています.その時のプレゼン資料を公開します.([プレゼン資料[PPTX]) ただし,プレゼン資
表題の通り、7/31(日)にCVPRというコンピュータビジョンの国際会議の論文読み会を開催しました。 http://atnd.org/events/17265 Togetter http://togetter.com/li/168739 以下、自分用の備忘録としてまとめておきます。 ちなみに今回は私は発表しませんでした。(名古屋で発表したので他の方に譲りましたw) 東大 原田達也先生 「CVPR2011における一般物体・シーン認識のトレンド」というタイトルで、 Unbiased Look at Dataset Bias(リンク先:PDF) What You Saw is Not What You Get: Domain Adaptation Using Asymmetric Kernel Transforms(リンク先:PDF) の二本の論文をご紹介されました。本当はもう二本くらいあったみ
MIRU論文集へのアクセスについて アクセスには,アカウントとパスワードが必要です. アカウント: パスワード: です. MIRU2008 論文集 第11回 画像の認識・理解シンポジウム 2008年7月29日(火)〜7月31日(木)軽井沢プリンスホテル MIRU2010 論文集 第13回 画像の認識・理解シンポジウム 2010年7月27日(火)〜7月29日(木)釧路市観光国際交流センター MIRU2007, MIRU2009 MIRU2007, MIRU2009論文集はこちら 著作権及び公開について MIRU2008 論文の著作権の取り扱い(以下抜粋) 著作権は著者に帰属します。 但し、画像情報学フォーラムが MIRU2008論文集(CD-ROM、印刷物)を出版し、MIRU2008参加者に配布する MIRU2008終了後、画像情報学フォーラムのWEBサイトにおいて、画像情報学フォーラムの
6月2日に開催されたDevLOVEさんと弊社の共同開催勉強会で、「Android×ComputerVision」というお題で発表してきました。 要はOpenCVをAndroidアプリに組み込んで特定物体認識を試そう、というもの。 資料は以下です。 20110602_MTI×DevLOVE発表資料「Android×ComputerVision」 View more presentations from Takahiro Horikawa ソースはgithubで公開してます。 https://github.com/thorikawa/AndroidObjectRecognition/ 概要 資料にも記載していますが、カメラのプレビュー画像からSURFの特徴点を検出して、LSHで再近傍検索→特定物体認識というのを毎フレーム行っています。 「物体」はCDのジャケット画像を5枚の内から認識して、それ
はじめに 研究室では、大規模データベースを対象とした検索インデックスについて研究しています。 分散処理によるインデックス作成を考えていて、今回 Hadoop Streaming でどこまでできるかを試すべく、 Locality-Sensitive Hashing (LSH) を実装してみました。 実装したアルゴリズムについて LSH にはいくつかのアルゴリズムのバリエーションがあります。 LSH の詳細は、ブログなり論文なり本なりありますので、ここでは省略しますが、 類似したデータに同じハッシュ値を与えることで、検索を高速化しようというアイディアです。 このハッシュ値には、0101 とかの短いバイナリ符号が好まれます。 今回は、いくつかある LSH のアルゴリズムのうち、 Charikar,M., Similarity estimation techniques from ro
[DL輪読会]Wasserstein GAN/Towards Principled Methods for Training Generative Adv...Deep Learning JP
GW 中の長距離移動のために体調が優れない takahi-i です. 今回は巨大なデータをマイニングする一つの技術として LSH (Localtiy Sensitive Hashing) を紹介させていただきます. LSH とは LSH は大量なデータから類似度が高いインスタンスのペアを高速に抽出してくれるアルゴリズムです. ここでインスタンスはデータ集合の一つの要素を表します. たとえば扱うデータが E-コマースサイトの購買ログであれば, インスタンスは各ユーザですし, 画像データ集合であれば, インスタンスは個々の画像データです. LSH の詳しい解説については以下のサイトがあります. Wikipedia のエントリ LSH に関する論文がまとめられているページ 本稿ではE-コマースサイトの購買履歴データを基に LSH の機能について述べてゆきます. 以下のような E-コマースサイトの
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
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