はてなブックマーク

DbUnitとH2 Databaseでデータベースのユニットテスト　はじめの一歩（環境構築、初期値データのセット、XML/Excel/CSV テーブルの比較）JavaJUnitgradleDBUnith2 はじめに データベースを使ったJavaアプリケーションのユニットテストが難しい理由として以下の３つがあげられると思います。 1. データベースのセットアップの問題 2. テストコードやテストデータのメンテナンス性の問題 3. テストに時間がかかる問題 これらの問題に対応するため、DbUnit（リンク）とH2 Database（リンク）を使ってユニットテストをしてみます。 DbUnitは、依存しているライブラリが多いため、Gradleを使って環境構築していきます。 DBUnit DBUnitは、JUnitのデータベース用の拡張モジュールです。 xmlファイルに書いたデータベースの状態をセッ

はじめに レガシーコードの static, final, private, new をモックにしたいとき、次のような選択肢が考えられます。 (A) Mockito + 自作のラッパークラス or リファクタリング (B) Mockito + PowerMockito (C) JMockit (A)～(C)のどれにするのかは、テスト対象との兼ね合いになるかと思います。 以前、『Java テストツールのトレンド 2014/1～2016/5』という記事を書きましたが、本記事では、この中で一番情報が少ないJMockitでモックを作る方法を紹介します。 セットアップ EclipseでJMockitを使えるようにセットアップしてみます。 ダウンロード 今回はjmockit-1.27.zipをダウンロードしました。 http://jmockit.org/index.html クラスパス jmockit.

はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s インストールと簡単な使い方はこちら http://qiita.com/olympic2020/items/d5d475a446ec9c73261e 動体追跡をしたりするためには、最初に画像のフィルター処理をする必要がでてきます。 今回は、OpenCVを使ってエッジ検出をしてみます。 プログラム 以下のような流れになります。 カラー画像を読み

■ はじめに Ansibleとは Ansibleについて簡単に紹介しておきます。 エージェントレスでサーバ構築を自動化してくれるツールです。 sshdが動作しているマシンにSSHで接続し環境を構築してくれます。 設定ファイルはYAMLで書きます。プログラムの知識（Ruby、Python、etc.）は不要です。 数台～数十台規模のサーバ構築だったらchef, puppetよりも簡単です。 makeモジュール makeモジュールは、Ansible ver.2.1から追加された新機能です。 make - Run targets in a Makefile 環境の準備 以前の記事を参照してください。 Ansible 最初の一歩 Gitを手動でソースからインストールする方法は下記の記事を参照してください。 最新のGit（ver.2.9）をソースからインストールする ■ Gitをソースからインストール

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s インストールと簡単な使い方はこちら OpenCV 3（core + contrib）をPython 3の環境にインストール＆OpenCV 2とOpenCV 3の違い＆簡単な動作チェック 静止画像のフィルター処理についてはこちら OpenCVでエッジ検出してみる 動画ファイルの処理についてはこちら OpenCVで動画をリアルタイムに変換してみ

はじめに AWSのEC2にJenkins環境を構築する手順です。 Jenkinsプラグインの動作検証などにご利用ください。 構築するJenkins環境 Amazon EC2 OS : Amazon Linux AMI ID : 以下確認済み Amazon Linux 2 AMI 2.0.20180622.1 HVM Amazon Linux AMI 2016.03.1 x86_64 HVM Jenkins version : 2.7 ※ 1.651.2も同じです。 環境構築手順の流れ EC2のインスタンスを作成します。 Jenkinsをインストールします。 起動設定をします。 EC2インスタンスを作成 Amazon LinuxのEC2インスタンスを作成します。ポイントは、以下。 SSHのキーペアの秘密鍵（pemファイル）をクライアントPCに保存しておく。 PuTTYでEC2にアクセスし操作

Java テストツールのトレンド 2014/1～2016/5版 1. エコシステムに乗っかるべし 継続的インテグレーション（CI：continuous integration）は、もはや必須のプラクティスとなりました。ＣＩを実施するにあたり、できるだけ世の中でよく使われているツールやフレームワークを使うことが、エコシステムにスムーズに乗っかっていく鍵になります。マイナーなツールやフレームワークを採用してしまった場合の問題点を挙げてみます。 採用したツールの開発が停滞していてバージョンアップによる恩恵が受けられない。 他のツールのバージョンアップに採用したツールが追従できず、他のツールのバージョンアップの恩恵が受けられない。 足りない機能があり社内で色々作りこんだものの、社内のスピードよりも、世の中のスピードのほうが速く、システムの改修が世の中に追従できななくなってしまう。 CIシステムの維

今回は、(a)(b)(c)全てを使ったプログラムを作成しますが、必要なもののみ取捨選択することも可能です。例えば、モーション画像のみ欲しければ(b)(c)は不要です。 今回のプログラムの主な機能は以下になります。 - モーションを検出しグレースケールで表示します。 - 新しいモーションを強調し、古いモーションは徐々に薄く表示します。 - 各座標のモーションの方向を緑色の線で表示します。 - 画面全体のモーションの方向を黄色い線で表示します。 プログラム 動作環境 python: 3.5.1 OpenCV(core + contrib): 3.1.0 動画データ プログラムではOpenCVに付属しているサンプル動画を利用します。 OpenCV\opencv\sources\samples\data\768x576.avi import time import math import cv2

はじめに AWS Lambdaでテンポラリファイルを作成し、それをS3にアップロード。さらに、S3にアップロードしたファイルを元の場所にダウンロード、というグルグルをやってみます。 システム構成 /tmp/log/sess/ にファイルを作成し、ディレクトリを /tmp/sess-info.tar にアーカイブします。 S3<bucket>に sess-info.tar をアップロードします。 /tmp/sess-info.tar を削除し、S3<bucket>のsess-info.tar を/tmp/sess-info.tarにダウンロードします。 /tmp/log/sess/ が存在すれば削除し、sess-info.tar を /tmp/log/sess/ に展開します。 Lambda Code import boto3 import os import os.path import

はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s インストールと簡単な使い方はこちら http://qiita.com/olympic2020/items/d5d475a446ec9c73261e 静止画像のフィルター処理についてはこちら OpenCVでエッジ検出してみる 今回は、動画をリアルタイムに変換してみます。 プログラム while文のループの中で以下を行っています。 元のカラー動

やりたいこと サーバーレスシステムでの個人情報保護について考えてみます。 システムで管理するべき個人情報は、できるだけクラウド内にとどめ、クライアントとやりとりしないということにできれば、通信路上での漏えいを防ぐことができます。 また、個人情報の管理を、限定することができれば、システムの大部分は、個人情報の漏洩について意識することなくシステム開発を行うことができます。 このような要求のシステムの場合、AWSでは、次のようになります。 Cognito Identity Poolでユーザー管理をする。 クライアント⇔AWS間の通信路上はアクセストークンと処理結果のみの受け渡しする。 AWS内ではLambdaがアクセストークンを受け取りCognitoのユーザー情報をもとに処理を行う。 アクセストークンを受け取ったLambdaにアクセストークンに対応するユーザー情報へのアクセス権限が委譲され、La

はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s インストールと簡単な使い方はこちら http://qiita.com/olympic2020/items/d5d475a446ec9c73261e 静止画像のフィルター処理についてはこちら OpenCVでエッジ検出してみる 動画ファイルの処理についてはこちら OpenCVで動画をリアルタイムに変換してみる 今回は、Webカメラ、ビデオカメラ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? OpenCVを使った顔推定 前回は、Haar-like特徴分類器を使って顔領域を抽出しました（OpenCVを使った顔認識（Haar-like特徴分類器））。今回は、応用として、Haar-like特徴分類器で抽出した顔画像をOpenCVの顔推定器（Eigenface, Fisherface, LBPH）に学習させ、表情の違い、変装、ライトの当たり具合の違いがある中で、未学習の顔が誰の顔なのかを推測させてみます。 OpenCVが搭載している顔推定アルゴリズムは以下になります。（詳細はこちら） Eigenface（固有顔） 顔画像を固有顔に変

はじめに 今回は、OpenCV3とPython3を使ってニューラルネットワークの学習をしてみます。 画像処理とニューラルネットワークを組み合わせて使うケースがOpenCVだけで完結するので、ちょっとした検証に便利です。またOpenCVのPythonバインディングは、実体はC++で、PythonはC++のメソッドを呼び出すラッパーにすぎないので、学習はそこそこ高速に動作します。 ■ 実行環境 ・Python: 3.5.2 ・OpenCV: 3.1 ■ インストールと簡単な使い方はこちら OpenCV 3（core + contrib）をPython 3の環境にインストール＆OpenCV 2とOpenCV 3の違い＆簡単な動作チェック プログラム 最低限のプログラムです。 入力層：９ 隠れ層：５ 出力層：９ 活性化関数：シグモイド 学習方法：バックプロパゲーション 学習データ： ・入力データ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

OpenCV 3で犬と猫を分類できるように学習してみる（BOW: Bag Of Visual Words, KNN: k-Nearest Neighbour, k-meansクラスタリング, KAZE）Python画像処理OpenCV機械学習 はじめに 今回は、画像の中の物体が何なのかをOpenCV3とPython3で推測してみます。 ・　　＝　Dog or Cat ? 物体認識は、訓練フェーズとテストフェーズに分かれ、それぞれ、次のようになります。 訓練フェーズ 入力画像 特徴量抽出 特徴量をクラスタリング クラスタリングされた特徴量を集計（ヒストグラム） ヒストグラムと物体カテゴリの相関を学習 テストフェーズ 入力画像 特徴量抽出 特徴量をクラスタリング クラスタリングされた特徴量を集計（ヒストグラム） ヒストグラムがどの物体カテゴリに近いか距離を計算 今回、それぞれのステップでOpe

OpenCV3とPython3で特徴点を抽出する（AgastFeature, FAST, GFTT, MSER, AKAZE, BRISK, KAZE, ORB, SimpleBlob, SIFT）Python画像処理OpenCV はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 ● OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s ● インストールと簡単な使い方はこちら OpenCV 3（core + contrib）をPython 3

OpenCVで特徴量マッチング 特徴量マッチングとは、異なる画像でそれぞれ抽出した特徴量の対応付けのことです。 パノラマ画像の作成 物体検知 動体追跡 で登場する技術です。 OpenCVには、以下のライブラリが用意されています。 特徴量抽出 特徴量マッチング マッチング結果の表示 今回は、OpenCV 3 + Python 3 を使って、下記のような、回転、ズームした画像の特徴量マッチングをしてみます。 マッチング結果を描画 OpenCVとは OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 ■ OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code

はじめに OpenCV(Open Source Computer Vision Library)はBSDライセンスの映像/画像処理ライブラリ集です。画像のフィルタ処理、テンプレートマッチング、物体認識、映像解析、機械学習などのアルゴリズムが多数用意されています。 OpenCVを使った動体追跡の例 (OpenCV Google Summer of Code 2015) https://www.youtube.com/watch?v=OUbUFn71S4s pipは、Python 3.3以降からPython標準ライブラリの１つになったPythonのパッケージ管理ツールです。 本ページでは、Python 3.5にOpenCVパッケージとPyNumパッケージのみ追加して、OpenCVを試してみるための環境構築について説明します。 OpenCVのインストール方法の動向 Anaconda → Open