Gradient ベースの特徴抽出 -SIFT と HOG-
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
bayonを使って画像からbag-of-keypointsを求める - のんびり読書日記
クラスタリングツールbayonとOpenCVを使って、画像からbag-of-keypointsを特徴量として抽出する手順について書きたいと思います。bag-of-keypointsは自然言語処理でよく使用されるbag-of-words(文章を単語の集合で表現したもの)と同じようなもので、画像中の局所的な特徴量(keypoint)の集合で画像の特徴を表します。bag-of-wordsと同じ形式ですので言語処理と同じように、bag-of-keypointsデータを使ってクラスタリングツールに適用したり、転置インデックスに載せたりといったことが可能になります。 今回は画像からbag-of-keypointsを取り出し、そのデータを使ってbayonで画像集合をクラスタリングするところまでやってみます。ちなみに画像処理は完全に素人で、この記事もニワカ知識で書いているので、間違っている箇所やもっと効率
Affine-SIFT (ASIFT)
SIFT and ASIFT --- online demo : try if your images match! Jean-Michel Morel Guoshen Yu morel[AT]cmla.ens-cachan.fr yu[AT]cmap.polytechnique.fr News: The ASIFT source code and online demo are now published in the journal IPOL! 2011.02.24 News: frequently asked questions on ASIFT. --- 2009.11.22 Summary: A fully affine invariant image comparison method, Affine-SIFT (ASIFT) is introduce
[機械学習] bayon+LSHIKITを使って画像クラスタリング - tsubosakaの日記
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
![[機械学習] bayon+LSHIKITを使って画像クラスタリング - tsubosakaの日記](https://cdn-ak-scissors.b.st-hatena.com/image/square/4726d0fe10c94d023f9d3751369bf10a254dda5e/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Ft%2Ftsubosaka%2F20100130%2F20100130195850.png)
Intelligent Image Processing Report
平成２１年度・知的画像処理 講義資料は，東工大OCWのページから，あるいは以下の所からダウンロードする ことが可能である．各自で準備をしておくこと. 知的画像処理講義資料 注意事項 課題として出されたレポートは，プログラムと結果および簡単な考察を簡潔に まとめたうえで，できるだけ指定された期日までに R２棟１階，像情報工学研究施設の郵便ポストR２-５１に 提出すること． なお，レポート課題で使用する画像は，２５６階調までの白黒階調画像で，その 画像ファイル形式はPGMフォーマット(ファイルの拡張子として".pgm"がついてい る)である．これ以外のフォーマット，あるいは画像の種類については，本課題 の中では扱わない． PGM画像フォーマットの取扱例を サンプルプログラム１(sample1.cc)に示す． 画像の入出力は，マイクロソフト社製のWindows系OSとLinuxの双方で実行できる
物体認識のための局所特徴量 SIFTと最近のアプローチ
物体認識のための局所特徴量 SIFTと最近のアプローチ http://www.vision.cs.chubu.ac.jp/SIFT/ 藤吉 弘亘 中部大学工学部情報工学科 概要 1. SIFT(Scale-Invariant Feature Transform) 2. SIFTアプローチの高精度化 - PCA-SIFT - GLOH(Gradient Location and Orientation) 3. SIFTアプローチの高速化 - SURF(Speeded Up Robust Features) 4. 学習を用いた高速化 - Randomized Trees 5. SIFTと一般物体認識(画像分類) 1. SIFT(Scale-Invariant Feature Transform) ステレオ画像 Related Work 回転・スケール変化 照明変化等に頑健 特徴点検出 スケー
Keypoint detector
Implementations of the SIFT Keypoint Detector There are many publicly available implementations of SIFT. A good one is VLFeat by Andrea Vedaldi. There are also versions in OpenCV and other sources. For historic purposes, this page provides access to an older 2005 demo version of David Lowe's SIFT keypoint detector in the form of compiled binaries that can run under Linux or Windows. The demo softw
3日で作る高速特定物体認識システム (1) 物体認識とは - 人工知能に関する断創録
情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非常に参考になりますが同様にPDFが手に入りません・・・。他にもいくつかわかりやすい総説論文へのリンクを参考文献にあげておきます。 物体認識とは 物体認識（object recognition）は、画
意味的マルチメディア処理特論 2008
意味的マルチメディア処理特論 2008年度 後期 教員：大渕 竜太郎 講義のねらい 以下の4点を理解することが本講義の目標です． マルチメディア情報に対する，意味を考慮した処理，例えば要約，認識，分類，検索，などの概要とその使い道について知る． 音声や画像データの取り込みと分析に関わる，量子化やサンプリングなどの手法を理解する． 音声や画像データの特徴抽出の手法，例えばフーリエ解析，ケプストラム，多重解像度解析，等，複数の手法を理解する． 音声や画像データから得られた特徴を照合する手法，例えば，DPマッチング，ベクトル空間における各種の距離尺度による照合，機械学習に基づく特徴空間や意味空間における照合，等を理解する． 講義内容 第08回 (12/15（月）) 視覚マルチメディアデータの意味的処理 提出は12月22日(月）の講義開始前です． 課題1. 課題は，OpenCVを元に行います
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. 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紹介する． Scal
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
learncv on USTREAM: meeting to learn major computer vision algorithms.
FLabStream on USTREAM: This channel is Fujiyoshi laboratory's stream.. Conference
http://www.vision.cs.chubu.ac.jp/04/pdf/TS03.pdf
滝口研究室
http://www.vision.cs.chubu.ac.jp/index.html