案外いけるのでは? と思ったのでやってみたけど、まあ無理でした。 SURF - Wikipedia, the free encyclopedia
案外いけるのでは? と思ったのでやってみたけど、まあ無理でした。 SURF - Wikipedia, the free encyclopedia
パターン認識と機械学習(PRML) Hackathon #1 という、集まって各自思い思いに好きなものを作る(ん?)*1という Hackathon があったので、のこのこ行ってきた。 せっせと実装して、 19時くらいから各自の作ったものを軽く発表。 PRML に直接関係ないことをやってはる人の話が面白くて、なんかくやしい。 みなさんがどのようなことをやられていたかは、naoya_t さんがまとめてはるので、そちらで。 id:tsubosaka さんと tb_yasu さんが話してはった LSH はちょっこり気になるところ。iVoca でそろそろレコメンドしたいな、とか思っているので、使えるのかも? id:Cryolite さんと id:smly さんが iris と adult dataset をパーセプトロンで分類させてみて、やっぱ線形分離じゃあないっぽいね、的な話をされていたので、帰っ
An Extended Set of Haar-like Features for Rapid Object Detection Rainer Lienhart and Jochen Maydt Intel Labs, Intel Corporation, Santa Clara, CA 95052, USA Rainer.Lienhart@intel.com ABSTRACT Recently Viola et al. [5] have introduced a rapid object detection scheme based on a boosted cascade of simple features. In this paper we introduce a novel set of rotated haar-like features, which significant
OpenCVのサンプルとしても公開され、すっかり有名になった Haar-like特徴量と AdaBoost分類器を用いた顔認識手法だが、現在最先端の画像処理研究では、HoGという特徴量が注目されている。 HoGは、"Histogram of oriented Gradient"の略で、直訳すると、「方向づけられた勾配のヒストグラム」ということになる。つまり、入力画像の勾配(微分画像)を求め、それを局所領域ごとに勾配方向で区間分割してヒストグラムを取ったものを特徴量としようとする手法である。 これは2005年にNavneet DalalとBill Triggsによって提唱された新しい手法で、Haar-likeよりも分別能力が高そうだということで、盛んに研究されている。 私も今、HoGを使った物体認識処理を試作しているところであるが、データ空間として線形分離しやすいらしく、SVM(サポートベク
NEETの本気見せてやるぜ! 動画⇒静止画⇒輪郭抽出⇒文字認識を適当な自前アルゴリズムでプログラミング作成40時間くらい、レンダリング8時間くらい。文字が読みにくいので動画サイズを 800 * 600 にしてみた。拡大でOK
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