講義情報 (2020年度) - 東北大学 鏡 慎吾
[ 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023年度 ] このページには学外向けの公開情報のみを掲載しています． 受講に当たっては各講義の Google Classroom を参照してください． Please check out the Google Classrooom of each class for latest information. 情報科学基礎I (学部3年 第1クォーター，月曜3限/水曜2限) 2クラス並行のうち B2,C1,C2 クラスを担当します． 講義は対面で行われ，資料や課題は Google Classroom で配布されます． 必要に応じて以下の過去
Pattern Information Processing
(ミニクイズの解答と解説) 問1.1-問1.2(解答例)| (5/27 解答例)| (6/11 解答例)| (7/2 解答例) リンク OpenCV;Open Source Computer Vision Library(Intel) OpenCVインストール法,etc.(奈良先端大) OpenCV-japan(マニュアル日本語訳,サンプルソースコード,etc.) 画像処理に関するチュートリアル 画像ファイルのフォーマット | 画像ファイルのフォーマット(ppm/pgm)(簡単な解説) (Windowsでよく使われる)BMPについての解説(詳細なコメント) 音声ファイルのフォーマット(WAV) | 音声ファイルのフォーマット(AIFF) SPWAVE(坂野秀樹氏らによるツール) SIFT Key Points Detector(特徴抽出と照合の例; David Lowe's
3日で作る高速特定物体認識システム (1) 物体認識とは - 人工知能に関する断創録
情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非常に参考になりますが同様にPDFが手に入りません・・・。他にもいくつかわかりやすい総説論文へのリンクを参考文献にあげておきます。 物体認識とは 物体認識（object recognition）は、画
3日で作る高速特定物体認識システム
3日で作る高速特定物体認識システム 黄瀬浩一，岩村雅一 （大阪府立大学） １．システム構成 ２．システムの作成 ２．１ 特徴抽出モジュール 利用するプログラム A C implementation of SIFT by Rob Hess 環境設定 OpenCV 全体のページ インストールの方法： 例えばこのページ． Visual Studio(2005, or 2008) 設定の方法： 例えばこのページ． 参考文献 藤吉先生による日本語の解説： 分かりやすい． Wikipedia： リンクが豊富． Lowe教授のページ： 本家．手軽に試せるプログラムもある．Matlabバージョンは非常に簡単． ２．２ 物体モデル 物体モデルといっても特別な仕掛けがあるわけではなく， <物体ID> <特徴ベクトル（128個の数字)> が特徴ベクトルの個数だけ並んだ１つのファイルです． x行目は，特徴ベクトル
類似画像検索システムを作ろう - 人工知能に関する断創録
C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文（Datta,2008）を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます
判別分析二値化プログラム - takminの書きっぱなし備忘録 @はてなブログ
誰かの役に立つかもと思うので、ソースをさらす。 判別分析二値化法というのは、画像の濃度ヒストグラムをとってやって、その分離度が最大となるように、二値化のためのしきい値を決めてやるというもの。 詳しくは、ここら辺を読んでみて。 http://ipr20.cs.ehime-u.ac.jp/column/gazo_syori/chapter4.html#3rd http://imagingsolution.blog107.fc2.com/blog-entry-113.html // 判別分析法による閾値の決定(現実装では１次元ヒストグラムのみ) float getThreshold(CvHistogram* histStruct) { assert(!CV_IS_SPARSE_HIST(histStruct)); CvMatND *mat; mat = &(histStruct->mat); a
第3回 オブジェクト検出してみよう | gihyo.jp
第1回、第2回と画像認識の基礎とOpenCVについて紹介してきました。第3回目の今回は、いよいよ本連載の目玉であるOpenCVを使ったオブジェクト検出に挑戦してみます。 オブジェクト検出の仕組み 基本原理のおさらい オブジェクト検出のプログラムを書き始める前に、そもそもどんな仕組みでオブジェクト検出を行っているのかを理解しましょう。 第1回では画像認識の原理として、学習フェーズと認識フェーズがあることを説明しましたが、OpenCVに実装されているオブジェクト検出プログラムもこの流れに従います。つまり、画像から特徴量を抽出し、学習アルゴリズムによってオブジェクトを学習します（詳しくは第1回を参照してください）。 図1 画像認識の流れ OpenCVに実装されているオブジェクト検出プログラムは、Paul Violaらのオブジェクト検出の研究［1］をベースに、Rainer Lienhartらが
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
http://docs.google.com/gview?a=v&q=cache%3ARMeNDSy7UGEJ%3Aoshiro.bpe.es.osaka-u.ac.jp%2Fpeople%2Fstaff%2Fimura%2Fproducts%2Flabeling%2Flabeling.pdf+http%3A%2F%2Foshiro.bpe.es.osaka-u.ac.jp%2Fpeople%2Fstaff%2Fimura%2Fproducts%2Flabeling%2Flabeling.pdf&hl=j
Gabung Sekarang di Slot88: Situs Judi Slot Online Terpercaya & Gacor, Dapat Maxwin!