(2017年12月) PythonとOpenCVをこれからやってみる - 3 - 文字認識(1) - Qiita
#はじめに Python(パイソン)もOpenCV(オープンシーブイ)もこれまでまったく触れてこなかったけど、ちょっとやってみたいと思ってはじめたので、色々と試しているという状況です。 前回（(2017年12月) PythonとOpenCVをこれからやってみる - 2 - マークを読取る - Qiita）はOMR的な事を行ないましたので、今回はOCR的な事をしてみます。 環境はWindows7 64bitです。 #Tesseract(テッセラクト) PythonとOpenCVを使って文字認識するなら、tesseractを使うのが定番のようですね。記事も多いです。 単語そのものは正八胞体(または四次元超立方体)という意味合いのもののようですね。 基本的な説明はWikiなどがありますので、早速インストールを行なっていきます。 GitHubで公開されていますので、基本はそこからソースコードを落と
機械学習のデータセットを可視化する「Facets」で遊んでみた - paiza times
秋山です。 先日、Google Open Sourceで「Facets」という機械学習向けデータセットの可視化ツールが公開されました。 サイトはこちら opensource.googleblog.com (※Chromeであれば、ブラウザ上でどういったことができるかのデモを触れます。Safariだとうまく動かない？ようなのでご注意ください） GitHubはこちら github.com デモのようにブラウザ上でデータを可視化したり、Pythonライブラリのjupyter内で使ったりすることができます（ブラウザで表示させるかjupyter内で表示させるかだけの違いですが…） 例えば巨大なデータを扱っていて、うまく分離できていないデータ群はどの辺りになるのか…といったことを可視化して眺めたいときなどによさそうなので、実際にちょっと使ってみたいと思います。 ■Facets使ってみた Facetsに
ビタビアルゴリズムをpythonで実装してみた - Screaming Loud
ビタビアルゴリズムを理解も兼ねて実装してみました． # -*- coding:utf-8 -*- states = ("rainy","sunny") observations = ("walk","shop","clean","shop","walk") start_prob = {"rainy":0.6,"sunny":0.4} transit_prob = {"rainy":{"rainy":0.7,"sunny":0.3}, "sunny":{"rainy":0.4,"sunny":0.6}} emission_prob = {'rainy' : {'walk': 0.1, 'shop': 0.4, 'clean': 0.5}, 'sunny' : {'walk': 0.6, 'shop': 0.3, 'clean': 0.1}} def viterbi(observs,state
PythonでLeft to Right型隠れマルコフモデルとBaumwelchアルゴリズム - 元理系院生の新入社員がPythonとJavaで色々頑張るブログ
この記事に書かれていること Pythonによる隠れマルコフモデル(Hidden Markov Model)とBaumwelchの実装 http://unicorn.ike.tottori-u.ac.jp/murakami/paper/STUDY/IEICE_2010_07/main.pdf 隠れマルコフモデルとBaumwelchアルゴリズムのとても親切な資料が公開されて居たので、Pythonで実装してみました。 時間が有る時に、隠れマルコフモデルの記事も書きたいですね。 また、Androidにおいて手書き数字文字のstroke情報をサンプリングし、strokeの移動角度を16分割にコードブック化し文字認識をした所、状態数1の時が最も識別率が高くなりました。(90%くらい) Pythonによる隠れマルコフモデルの実装 __author__ = 'emoson' def forward(A,
chainerのサンプルコードを集めてみた(チュートリアルも追加) - studylog/北の雲
(2016.1.21追記)最近あまりメンテナンスしてないので1.5以上のバージョンを使ってる人には役に立たなくなったかもしれません。 (2015.12.15追記)当初はサンプルコードにリンクを貼っただけの記事でしたがチュートリアル等も含めたものに加筆中。また古くなった情報は順次削除・更新してます。 バージョンごとの互換性など こっちに移しました。1.5以上を強くお勧めします。 chainerのバージョンごとの違い(2016年1月19日現在) - studylog/北の雲 1.0 1.1 1.2 黎明期バージョン 1.3 1.4 CuPy導入 1.5 1.6 色々とパワーアップした現世代 概要・チュートリアル 概要を掴むのに適したスライド 1.5以上から始めるならこちら。 Chainerチュートリアル -v1.5向け- ViEW2015 内容は重複していますが1.4以前のバージョン時代のチュ
元理系院生の新入社員がPythonとJavaで色々頑張るブログ
研究部署に配属されて一週間が経ちました。はじめは朝起きれるのかとか社章を忘れていないか等々、細かな部分が気になってしまい注意のリソース配分が上手く行きませんでしが、後半になるにつれてようやく周りに意識を向けられるようになりました。 周りを見ていると、先輩社員や上司の方々が忙しい仕事の合間を縫って僕達に気を掛けてくれている事に、気が付くことが出来ました。 まだまだ利益を生み出すことは叶いませんが、逆に考えれば失敗しても大きな負債が生まれるわけではないので、失敗とそれのリカバリを存分に経験できると言う貴重な時期とも考えられますね。許される範囲で様々な事に挑戦していきたいと思います。 新入社員研修が終わりました。 中でも特にぼくのネット生活に影響を与えそうなのが、コンプライアンスの指導でした。 コンプライアンスとはざっくり言うと「企業が法律や倫理を遵守する事を規定したモノ」で、 具体的な例を挙げ
A simple implementation of DTW(Dynamic Time Warping) in C#/python
DTW(Dynamic Time Warping) is a very useful tools for time series analysis. This is a very simple (but not very efficient) c# implementation of DTW, the source code is available at https://gist.github.com/1966342 . Use the program as below: double[] x = {9,3,1,5,1,2,0,1,0,2,2,8,1,7,0,6,4,4,5}; double[] y = {1,0,5,5,0,1,0,1,0,3,3,2,8,1,0,6,4,4,5}; SimpleDTW dtw = new SimpleDTW(x,y); dtw.calculateDTW
Django, Gevent, and Socket.io | pixeldonor
The gevent project has allowed us to transparently bolt on asynchronous functionality to otherwise synchronous python WSGI based web frameworks and servers. However, piecing together this puzzle for yourself may prove less than convenient as libraries and tutorials remain incomplete, skipping over many pertinent details. To remedy this confusion we'll put together a starter project combining geven
How to create a basic blog in Django
Django can do a lot more than just create blogging applications, however I do think this is a good place to start. Notes I am going to assume you have already setup Django to run as either a development server, or configure apache/lighttpd correctly. If not please refer to “Setting up your server to run django”. This is a working example, although lacks some real-world functionality, these points
Python パッケージ管理技術まとめ (pip, setuptools, easy_install, etc) | yunabe.jp
Python パッケージ管理技術まとめ (pip, setuptools, easy_install, etc) Python のパッケージ管理関係の情報がオフィシャルには整理されてなく、 またパッケージ管理まわりででてくるキーワードもいくつもあって分かり難いので完結にまとめてみました。 このドキュメント自体は少し長いですが、結論としては2015年1月時点では 原則 pip を使ってパッケージの管理を行う setuptools も広く使われているので入れておくとよい。そもそも pip のインストール時に自動的ににインストールされる distribute は 2013年に setuptools にマージされたので不要 という方針でよいと思います。 ただ少し古い情報ソースやパッケージのドキュメントを読んでいると distribute の利用が勧められていたり、 site-packages, e
Easy_installのインストール
2013.01.31 実行環境 OS： 64bit Windows 7 Home premium SP1 Python： 2.7.3 はじめに Easy_installなるものをインストールしたいと思います。これはPythonのパッケージ（外部ライブラリ）を簡単にダウンロード&インストールしたり、アップグレードやアンインストールができるパッケージ管理ツールです（これもパッケージです）。Rubyにおけるgemのようなものです。ちなみに、パッケージ名はEasy_installではなく、Setuptoolsという名前です。 1. Setuptoolsのインストーラのダウンロード Pythonの公式サイトのSetuptoolsパッケージが置いてあるページから各OS環境に対応したインストールファイルをダウンロードします（2013.1.31現在、バージョンは0.6c11となっています）。64bit W
Python初心者プログラマのためのdjangoチュートリアルまとめ - h-sby’s diary
2014-08-17 Python初心者プログラマのためのdjangoチュートリアルまとめ 最近はdjango使ってます。私は過去にcakePHPをつかって簡単なwebサービスを公開したことがあるのですが、確実にdjangoの方が使いやすいです。urlの設定が簡単だったり、アプリケーションを細かく分けたりとかで直感的にイジくれるのが好き。 だけどdjangoに言及した日本語リソースってだいぶ少ないんですよね。Pythonの専門書にオマケ程度にくっついてるくらい。djangoの日本語ドキュメントもだいぶ古いバージョンで翻訳止まっちゃってます。 しかしdjangoは海外では相当人気があるフレームワークのようで、英語のリソースはこれでもかってくらいたくさんあります。djangoの公式ドキュメントもかなり詳しいくまとまってます。そんでもってチュートリアルもたくさんあります。私はチュートリアル大好き
HerokuでNumpy, Scipy, scikit-learnを利用する - Qiita
Pythonで機械学習を組み込んだアプリケーションを作成すると、大体scikit-learn、それでなくてもNumpyやScipyに依存することが多いです。 これらは様々なライブラリに依存しているため、Heroku上にデプロイするには一筋縄ではいきません。AWSなどで自前のサーバーがたてられる場合はそちらに立てれば良いですが、お金もかかるしHerokuでやりたい！という場合もあると思うのでそのための手法を紹介します。 Docker Container HerokuでもDocker Containerを利用したデプロイが可能になったため、buildpackをいそいそと編集するよりもこちらを利用するほうが便利です。以下に公式のサンプルがあるため、こちらをご参考にしていただければと。 heroku-examples/python-miniconda これでもうapt-getでいろいろインストール
django始めました - くろねこ日記
はじめに PythonにはDjangoというフルスタックウェブフレームワークがあります． これまでここのブログではマイクロウェブフレームワークであるflaskの記事が多かったのですが， 最近，Djangoを使う機会を得たことで，学ぶ機会ができ，使ってみることにしました． なお，本記事で扱う環境は以下の通りです Python:3.4.2 Django1.7 学ぶにあたって，まずはここを見て一通り動かしてみました． Python Django入門 (1) - Qiita 解説がよくまとまっており内容もわかりやすいのですが、自分でどんなアプリを作るか決めないまま進めたこともあってか曖昧模糊だったので、シンプルなブログを作って練習してみました。 今回は以下のような仕様のブログの作成しました． 作成するブログ 機能 記事投稿 タイトル 本文 日付 記事表示 これだけです． 見た目についてもboots
Python言語によるプログラミング・イントロダクション
Python言語によるプログラミング・イントロダクション: 世界標準MIT教科書 （近代科学社） サポートページ ここは，John V. Guttag著，Introduction to Computation and Programming Using Python (MIT Press) の訳書のサポートページです． 第二版のサポートページはこちら EdXで，本書の内容に沿った講義MIT6.00x, MIT6.00.2xが無料で受けられます． 翻訳者 久保幹雄（東京海洋大学）：1 章，付録Python 2.7 簡易マニュアル � 麻生敏正（東京海洋大学）：2から4 章 � 木村泰紀（東邦大学） ：5から7 章 � 藤原洋志（信州大学） ：8から10 章 � 関口良行（東京海洋大学）：11から13 章 � 小林和博（海上安全技術研究所）：14から16 章 � 並木誠（東邦大学） ：17から
入門機械学習の線形回帰をscikit-learnでやってみる
> lm.fit <- lm(log(PageViews) ~ log(UniqueVisitors), data = top.1000.sites) > summary(lm.fit) Call: lm(formula = log(PageViews) ~ log(UniqueVisitors), data = top.1000.sites) Residuals: Min 1Q Median 3Q Max -2.1825 -0.7986 -0.0741 0.6467 5.1549 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -2.83441 0.75201 -3.769 0.000173 *** log(UniqueVisitors) 1.33628 0.04568 29.251 < 2e-16 *** -
[MySQL][Python]8000万レコードをInsertする | Momentum
概要 ・とある物件で8000万弱のレコードを新規のDBに効率的にぶち込む方法を考える必要に ・MySQL(Amazon RDS) + Python(mysql.connector)を想定 ・mysql.connector + pythonについては拙文ながら(http://nekopuni.holy.jp/?p=927)に書いております。 ・コミットの位置には気をつけよう + Multiple Insert最強ねというお話。 方法その1 まずは最初にやった方法。1レコードごとにInsertしてコミットしていく方法。 今までDB関連でやったコードはレコード量も大したことなかったので以下の方法でも特に問題なかった。 具体的な環境としてはテキストデータ(csv)を読み込み、それをDBにInsertしていくというもの。 csvの中身は日付(DATE)とデータ値(VALUE)がカンマ区切りになってい
【mysql-connector-python】PythonからMySQLを操作する - footmark
PythonのMySQLドライバ、mysql-connector-pythonを使っていて躓いたので、その備忘録も兼ねて紹介します。 PythonでMySQLを操作しようと思ったら まずドライバをインストールしなければいけません。 いろんな種類があり、紹介マニアどらふと版: Python の MySQL ドライバはどれを利用すれば良いのか に分かりやすくまとめられています。 僕はmysql-connector-pythonをチョイスしました。 特徴はMySQL公式のドライバだという点ですね。 公式がいいのか！と言われるとケースバイケースだと思いますが、最近使っているMySQL Workbenchという公式のGUIツールが使いやすかったので。 インストール pipでいけます。 $ pip install mysql-connector-python 基本的な使い方 次のようなデータをinse
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
言語処理100本ノック 2015
PythonでN-Gram - Qiita
