Python: k 近傍法を実装してみる - CUBE SUGAR CONTAINER
k 近傍法 (k-Nearest Neighbor algorithm) というのは、機械学習において教師あり学習で分類問題を解くためのアルゴリズム。 教師あり学習における分類問題というのは、あらかじめ教師信号として特徴ベクトルと正解ラベルが与えられるものをいう。 その教師信号を元に、未知の特徴ベクトルが与えられたときに正解ラベルを予想しましょう、というもの。 k 近傍法は機械学習アルゴリズムの中でも特にシンプルな実装になっている。 じゃあ、シンプルな分だけ性能が悪いかというと、そんなことはない。 分類精度であれば、他のアルゴリズムに比べても引けを取らないと言われている。 ただし、計算量が多いという重大な欠点がある。 そのため、それを軽減するための改良アルゴリズムも数多く提案されている。 k 近傍法では、与えられた未知の特徴ベクトルを、近い場所にある教師信号の正解ラベルを使って分類する。
高解像度テクスチャ生成手法を利用してスタイル変換を行う
High-Resolution Multi-Scale Neural Texture Synthesis 2017年9月に高解像度のテクスチャを生成する手法であるHigh-Resolution Multi-Scale Neural Texture Synthesis[Snelgrove 2017]が提案されました。 画像のスタイル変換を行うNeural Style Transfer[Gatys 2015]の手法を利用しています。 Neural Style Transferについては以下に詳しい説明があるので、興味がある方はこちらを参照してください。 Elix Tech Blog Neural Style Transfer: Prismaの背景技術を解説する Preferred Research 画風を変換するアルゴリズム 大雑把に説明すると、Neural Style Transferでは以
バイラテラルフィルタ | イメージングソリューション
ガウシアンフィルタなどのフィルタでは、ノイズをできるだけ除去しようとすると、輪郭もボケてしまうという欠点がありました。 この欠点を解決しようとした処理アルゴリズムがバイラテラルフィルタ（bilateral filter）です。 バイラテラルフィルタは処理前の画像データの配列をf(i, j)、処理後の画像データの配列をg(i, j)とすると となります。 ただし、ｗがカーネルのサイズ、σ１がガウシアンフィルタを制御、σ２が輝度差を制御しています。 と言われても、何だか式が難しくて良く分かりません。 でも、分母分子に出てくる最初のexpの部分はガウシアンフィルタで見たことがあるな～ という事に気が付けば、突破口が開けます。 ２つ目のexpの部分が良く分からないので、とりあえず取っちゃってみて、 とすると、分母の部分がガウシアンフィルタと少し違うけど、Σの範囲が-W～Wなので、(2W+1)×(2
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
処理を実行中です
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
High-Resolution Multi-Scale Neural Texture Synthesis
