OpenCVのNuGetパッケージまとめ（2017年版） - Qiita
はじめに この記事はOpenCV Advent Calendar 2017の10日目の記事です． 他の記事は目次にまとめられています． この記事は現在公開されているOpenCVのNuGetパッケージの調査結果になります．どのNuGetパッケージを使うかを選択する際に参考になりましたら幸いです． Windows環境じゃない人ごめんなさい ソースからビルド派，インストーラ派の人ごめんなさい NuGetとは NuGetとは，.NET Framework対応のパッケージ管理システムです．また，Visual Studio 2012以降から標準でNuGetがインストールされているため，ユーザーはNuGetそのものを追加でインストールすることなくNuGetを利用できます． NuGetパッケージ一覧 NuGetのパッケージ検索でOpenCVパッケージを探したところ，執筆時点（2017/12/9）では以下の
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs We present a new method for synthesizing high-resolution photo-realistic images from semantic label maps using conditional generative adversarial networks (conditional GANs). Conditional GANs have enabled a variety of applications, but the results are often limited to low-resolution and still far from realistic. In thi
画像処理で2重ループをなるべく書くな - Qiita
注意：検証が不十分な部分があり、そのままでは動作しない記述です。 また、プログラムの例は、見本的なプログラムとは程遠いものであることをお許しください。 画像処理では旧来より2次元配列へのアクセスという発想で2重ループで書かれる処理の内容が多い。 OpenCVのC++で使う場合でも2重ループでの画素に対するアクセスの書き方しだいで、処理速度が変わることが知られています。 これがnumpyを使う場合には、2重ループでの画素に対するアクセスすると、そのアクセスのエラーチェックのために耐え難いほど遅くなることが分かっています(ほぼpython言語を使いつつ、ループを使いながら高速化したい場合にはCythonを調べてください。)。 ですから、この文章では「画像処理で2重ループをなるべく書くな」と主張します。 2重ループ処理のほとんどは、ライブラリの関数として実装されています。 2重ループで書きたくな
研究発表でのよくある質問集
金森 由博 (kanamori<AT>cs.tsukuba.ac.jp) 2017/1/26, ver. 1 はじめに 主に CG やその周辺の情報系の学生を対象として、卒論・修論などの学位審査や学会発表の際によくある質問を挙げてみました。事前に質問を想定して準備し、よりよい発表の助けとなれば嬉しいです。また、学会発表などで座長さんが質問内容を考えるヒントとしても使えるかもしれません。 なお、ここに挙げているのはあくまでも「よくある質問」であり、研究の基本的な事項を確認する質問が多いです。発表を通じて聴衆の理解が深まれば、研究内容に応じた、より踏み込んだ質問が出てくるはずです。 根本に関わる質問 ※下記質問の 4 を除き、以下の質問を受けるということは、研究の根本的な内容がちゃんと伝わっていなかった可能性が高い。発表内容に改善が必要。 「新規性 (オリジナリティ, 学術的貢献) は？」「提
関東コンピュータビジョン勉強会
6. カメラパラメータ スクリーン座標 ワールド座標 𝒙 = 𝐊 𝐑 𝒕 𝒑 𝒖 𝒗 𝟏 ~ 𝑓 𝑠 𝑐 𝑥 0 𝑎𝑓 𝑐 𝑦 0 0 1 𝑅11 𝑅12 𝑅13 𝑡 𝑥 𝑅21 𝑅22 𝑅23 𝑡 𝑦 𝑅31 𝑅32 𝑅33 𝑡 𝑧 𝒑 𝒙 𝒑 𝒚 𝒑 𝒛 𝟏 カメラ内部行列 DOF: 5 カメラ外部行列 DoF: 6 7. カメラパラメータ カメラ内部行列 DOF: 5 スクリーン座標 カメラ外部行列 DoF: 6 ワールド座標 𝒙 = 𝐊 𝐑 𝒕 𝒑 𝒖 𝒗 𝟏 ~ 𝑓 𝑠 𝑐 𝑥 0 𝑎𝑓 𝑐 𝑦 0 0 1 𝑅11 𝑅12 𝑅13 𝑡 𝑥 𝑅21 𝑅22 𝑅23 𝑡 𝑦 𝑅31 𝑅32 𝑅33 𝑡 𝑧 𝒑 𝒙 𝒑 𝒚 𝒑 𝒛 𝟏
The Future of Real-Time SLAM and Deep Learning vs SLAM
Last month's International Conference of Computer Vision (ICCV) was full of Deep Learning techniques, but before we declare an all-out ConvNet victory, let's see how the other "non-learning" geometric side of computer vision is doing. Simultaneous Localization and Mapping, or SLAM, is arguably one of the most important algorithms in Robotics, with pioneering work done by both computer vision and
http://www.iedu.i.kyoto-u.ac.jp/uploads/20141022.pdf
3–4 (2014 10 22 ) – 3–4 / 3–4 (2014 10 22 ) 1 3–4 (2014 10 22 ) 2 n m mn n m A = a11 a12 ··· a1m a21 a22 ··· a2m . . . . . . ... . . . an1 an2 ··· anm ai j A (i, j) i j Ai j n m Mnm(R) Rn×m n n n Mn(R) Rn×n 3–4 (2014 10 22 ) 3 n 1 n 1 n n n Rn 1 1 3–4 (2014 10 22 ) 4 a11 a12 ··· a1m a21 a22 ··· a2m . . . . . . ... . . . an1 an2 ··· anm + b11 b12 ··
速水桃子「パターン認識と機械学習入門」
250. Reference "Pattern Recognition and Machine Learning" Christopher M. Bishop Springer; 1st ed. 2006. Corr. 2nd printing edition (October 1, 2007) "Truth and Probability" Frank Plumpton Ramsey (1926) "The physical basis of IMRT and inverse planning" S Webb British Journal of Radiology (2003) 76, 678-689 251. Wikipedia 渡辺慧 http://ja.wikipedia.org/wiki/%E6%B8%A1%E8%BE%BA%E6%85 %A7 『No Free Lunch T
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
論文執筆のためのチェックリスト (PDF)
卒・修論に見られる良くない表現
GitHub - ksasao/Gochiusearch: A Fast Scene Search Engine for Anime Series 'Gochuumon wa Usagi Desuka?'
http://www-erato.ist.hokudai.ac.jp/lecture2012/material/washio-1.pdf