L-07C optimus bright のroot化でGingerbreakを試したがうまくいかず…。でもデフォルトで入っている使わないアプリを削除したいので、root化をあきらめきれない。 いろいろ調べ、SupeerOneclickを使う方法を見つけた。 最新のSuperOneClick v2.3.2からLGデバイスをサポートしているという。もしかしたら使えるかな?と思ったので早速インストール。 まあ、あくまで自己責任で行う操作。誰も保証しないし不具合が出ても誰も責任が取れない。自分のL-07Cは端末の割賦がなく、2年縛りの契約がないのでいざとなったら端末を買いかえればいいのだ。 インストールといってもSuperOneClick 自体は圧縮ファイルを解凍するだけ。だが、私の環境ではAndroid関連のいらずら(root化やAndroidのバージョンアップをあえてこう言う)をWindow
Information for Non-Japanese speakers by SBS 「Android + データ専用 SIM での動作修正パッチ」を使用した場合や、バッチファイルと同じような作業を手作業で行った場合、または非 deodex 環境に対して手作業で適用した場合に改善があった端末のリストです。 ※このリストは長らくメンテナンスされていないので、自分の端末で実際に試してください。 処理モード 0 で上手くいく端末: Samsung Galaxy S2 (SC-02C, HyperDroid) Samsung Galaxy Nexus (GT-i9250, SC-04D + カスタムROM, JellyBeans など) Samsung Galaxy Note Samsung Galaxy Tab (多分 GT-P1000) Samsung Galaxy S (GT-i9000
ブログ記事一覧|プログラミング備忘録+その他いろいろなブログホームピグアメブロ芸能人ブログ人気ブログ新規登録ログインブログトップ記事一覧 ブログトップ記事一覧
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
画像処理 / 認識技術の現状と課題 画像処理技術の問題点 画像認識技術の問題点 最適化・自動化の必要性について 進化計算アルゴリズム GA (Genetic Algorithm : 遺伝的アルゴリズム) GP (Genetic Programming : 遺伝的プログラミング) ES (Evolution Strategy : 進化戦略) PSO (Particle Swarm Optimization) DE (Differential Evolution) GRAPE (Graph-structured Program Evolution) DE (Differential Evolution) その他の進化計算アルゴリズム 画像処理 + 進化計算 = 進化的画像処理 数値パラメータ最適化 直列フィルタ列最適化 木構造型画像処理最適化 ネットワーク型画像処理最適化 進化型回路網による画
画質処理、画像認識に関連する技術者、開発者、研究者 デジタルカメラ、デジタルビデオカメラ 印刷、カラーコピー機 テレビ・ディスプレイ レーザ計測、位置決め 医用画像処理、医療機器制御 衛星画像処理 超解像技術 ロボットのカメラ、制御 外観検査装置 非破壊検査装置 車載カメラ 防犯カメラ など 近年、画像認識 (コンピュータ・ビジョン) への期待は益々高まっている。 セキュリティ分野での監視カメラ、生産分野での各種外観検査、医療分野での組織検査や各種画像認識、スポーツ分野での動作解析や評価、インターネットでの画像検索、さらにはロボットの視覚など、多岐の分野にわたっている。 これらのニーズに呼応して画像認識の研究が盛んに行われているが、個別のアドホックな手法や専用の高価なシステムとなっていて、未だ自動化や実用化は難しく、実際の現場では依然として人の能力に頼っているのが現状である。 そのため、P
第1部 ロボティクスはモビリティを進化させられるか? ~カーロボティクスの展開と空間知能化~ (2012年1月27日 11:00~12:30) ロボティクスはセンサを用いて環境を認識しアクチュエータを用いて環境に働きかけることである。 多くの場合、いわゆるロボットとして考えられるが、環境自身がそのような機能を持つことも考えられる。 道路がセンサを持ち自動車がセンサを持つ現在では、これらからなるシステムはロボティクスと捉えられ、ITS (知的交通システム) として研究が進んでいる。 ここではロボティクスが大きな役割を果たしており、カーロボティクスという分野を創り出している。 本講座では、環境側の知能化と移動体の知能化の両面からモビリティの進化の方向を検討しカーロボティクスの動向を紹介するとともに、人と一体化するパーソナルモビリティにも言及する。 また、電脳空間とのインターフェースである空間知
みなさんこんにちわ! リアル徒然しているせいか更新頻度の高いにゃんたこすです。 前回記事でUSBカメラで画像処理を行う準備をしたということを書きました。 今回は、さらにそれにちょっとした画像処理機能を付け加えたというお話です。 今回付け加えた機能は「画像追跡処理」という機能です。 USBカメラなどで映している映像の中で物が動いているとき、それがどのように動いたかを追跡できれば何かと使い道があるものです。 たとえば、人の顔が映っている画像から、顔の位置・角度、目の位置の移動軌跡が分かれば、その人の視線の移動も追跡できるかもしれません。(視線トラッキングにつなげることができるかもしれない・・・と言うは簡単ですが^^;) 今回は「その筋」では非常に有名な手法、KLT追跡手法を実装しました。(※1) ソースコードなどはこちらからダウンロードできます。 ■KLT追跡手法の概要 1フレーム前の画像と最
以前こちらの記事で紹介したマーカレスARのソースをGitHub上で公開しました。MITライセンスです。 こちらからダウンロードできます。 https://github.com/takmin/OpenCV-Marker-less-AR 本当はリファクタリングが終わってから公開しようと思っていたのですが、それを言っていたらいつまでたっても公開できなさそうなので、エイヤ!でアップロードしちゃいました。これから随時コードを整理していきたいと思っています。 このプログラムは 特定物体認識 トラッキング 重畳表示 の3つのパートに分かれていて、一応それぞれのアルゴリズムを入れ替えられるように作ってます。 言語はC++で書かれていて、以下のライブラリを使用しています。 OpenCV 2.3.1 https://sourceforge.net/projects/opencvlibrary/ GLUT 3.
Motorola の 歩数計付き音楽プレーヤー MOTOACTVを入手しました。 この MOTOACTVなんですが、Android OSを搭載しているそうなのです。そして、ほとんど触らないうちに、rootedネタが転がり込んでたので、さっそく試してみました。※こちらの方法で、rootedすると、MOTOCASTで PCと同期できなくなっているような気がします。今後のアップデートなどもできないかもしれませんので、ご注意を。 ※<追記>こちらの方法で使用した boot.imgファイルは、8GB版のものだそうです。 8796さんのサイトに、詳細な記事がありますので、ご参照ください。 >MOTOACTVがrootedらしい : 8796.jp管理日誌 >MOTOACTV 16GB rooted! : 8796.jp管理日誌 まずは、簡単にMOTOACTVのご紹介です。 表面には、タッチ式の Bac
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