料理きろくにおける料理/非料理判別モデルの詳細 - クックパッド開発者ブログ
研究開発部の菊田（@yohei_kikuta）です。機械学習を活用した新規サービスの研究開発（主として画像分析系）に取り組んでいます。 最近読んだ論文で面白かったものを３つ挙げろと言われたら以下を挙げます。 Poincaré Embeddings for Learning Hierarchical Representations Training Group Orthogonal Neural Networks with Privileged Information Fluctuation Theorem for Many-Body Pure Quantum States クックパッドのアプリには「料理きろく」という機能があります。 携帯端末から料理画像のみを抽出して表示することで自分が食べたものを振り返れるようになっており、ここからレシピ投稿やつくれぽを送ることもできるようになっています
機械学習によるギター画像の分類 その２ - Qiita
サマリ ギター画像の分類モデルの学習データに対して意図的にノイズを加えることで、分類の安定性を改善した。 動作環境等については、前回投稿 機械学習によるギター画像の分類 その１ を参照ください。 2017/10/23追記： 本投稿の内容は、Cutout1 / Random Erasing2という手法と類似のものだそうです。 2018/02/25追記： ノイズ付与による誤識別の誘発は、敵対的摂動と呼ばれ、活発に研究されているようです。 本記事のトピックは単に『汎化性能が低くて困ったな』的な話ですが、敵対的摂動の研究では、もっと巧みな騙し方や、それから守るための方法（ロバスト化）について、主にセキュリティ的な観点から議論されています。 敵対的摂動に関しては、大変良いまとめが公開されていたので、リンクしておきます。 課題 前回投稿のチャレンジでは、入力画像へのわずかな落書きで分類予測結果が全く変
『「trim」と「crop」の違い』
デザイン用語としての「trim」と「crop」は、意味が似ているところがあり、日本語では、両方とも「トリミングする」と訳されたりします。 英語でも、ほとんど区別していないのではないかと思えることもあるのですが、意図的な区別がされている場合もあります。 写真がよりよい構図になるように、あるいは、レイアウトに合った構図になるように“トリミング”するようなときには、しばしば「crop」が使われます。 Photoshopの「切り抜きツール」（上図）は「Crop Tool」、選択範囲を「切り抜き」する操作も「Crop」です。 InDesignで、グラフィックフレームを使用して“トリミング”するような操作も「crop」です。 “トリミング”を確認するときなどに使う「L型トリミングスケール」も、英語では「cropping Ls」、「cropping angles」と呼ばれています。 一方、トンボに合わせ
ディープラーニング実践入門 〜 Kerasライブラリで画像認識をはじめよう！ - エンジニアHub｜若手Webエンジニアのキャリアを考える！
ディープラーニング実践入門 ～ Kerasライブラリで画像認識をはじめよう！ ディープラーニング（深層学習）に興味あるけど「なかなか時間がなくて」という方のために、コードを動かしながら、さくっと試して感触をつかんでもらえるように、解説します。 はじめまして。宮本優一と申します。 最近なにかと話題の多いディープラーニング（深層学習、deep learning）。エンジニアHubの読者の方でも、興味ある人は多いのではないでしょうか。 しかし、ディープラーニングについて周りのエンジニアに聞いてみると、 「なんか難しそう」 「なかなか時間がなくて、どこから始めれば良いかも分からない」 「一回試してみたんだけど、初心者向けチュートリアル（MNISTなど）を動かして挫折しちゃったんだよね」 という声が聞こえてきます。 そこで！ この記事では、そうした方を対象に、ディープラーニングをさくっと試して感触を
物体認識用データセット作成支援ツール（Faster R-CNNとかSSDとか） - Qiita
R−CNNやYOLO, SSDなど、画像の”どこ”に”何”があるかを識別するタスクのためのラベル付与を支援するソフトウェアをProcessingで作成しました。 主に個人目的で作ったので、ちゃんとしたUIにはなっていないと感じる方もいらっしゃるかもしれませんが、せっかくなので公開したいと思います。 コードおよび開発環境 以下にコードを載せています。 https://github.com/slowsingle/labeling_for_object_detection MacBookProのProcessing3.3で開発しました。 使用する際には、controlP5ライブラリが必要になります。これはProcessingでGUIのコントローラを作成するのをお手軽にするライブラリです。 以下のサイトが参考になるかと思います。 http://qiita.com/akspect/items/6a5
顔画像から年齢・性別を推定するためのデータセットIMDB-WIKI - Qiita
はじめに 機械学習、特にdeep learningではデータが命である。ここでは、顔画像から年齢・性別を推定するタスクの学習に利用できるIMDB-WIKIデータセットを紹介する。 本稿では、学習のためのデータの整形まで。次回はCNNを利用した年齢・性別推定CNNの学習をやりたい。 コードは下記。 https://github.com/yu4u/age-gender-estimation IMDB-WIKIデータセット このデータセットは、Internet Movie Database（IMDb; 映画やテレビ番組の俳優に関するオンラインデータベース）およびWikipediaをクローリングして作られたデータベースで、プロフィール画像、プロフィール画像から顔領域を抽出した画像、人物に関するメタデータから構成される。IMDbには、460,723枚、Wikipediaには62,328枚の顔画像が含
行列によるグレースケール化編 ～Python画像処理の再発明家～ - Qiita
画像処理ライブラリに頼らず、行列演算だけで画像処理・グレースケール化をするお話。Pythonistaでも可能 基礎編はこちらから 「再発明家」とは Open CVとかPillowに頼らず、numpyとmatplotlibを使って、様々な画像処理を実際に書いてみる。iOSアプリのPythonistaでも使える組み合わせだ。 def img_show(img : np.ndarray, cmap = 'gray', vmin = 0, vmax = 255, interpolation = 'none') -> None: '''np.arrayを引数とし、画像を表示する。''' #dtypeをuint8にする img = np.clip(img,,vmin,vmax).astype(np.uint8) #画像を表示 plt.imshow(img, cmap = cmap, vmin = vm
Python + OpenCV で雑コラ動画を作成する① 顔認識 - Qiita
0. はじめに 諸事情により動画の顔部分を別の顔に差し替える必要が出来たのですが、ググってもそれらしいソフトウェアが見つからないので、pythonの勉強がてら作成してみます。 ざっくりと方針としては ・動画内の顔を各フレームで認識する ・認識した顔の上に指定した画像を上書きする ということをしたいと思います。 python3.5 + OpenCV3 を利用します。 1. 環境構築 以下のサイトを参考にeclipse + Anacondaで環境を構築しました。 特に特筆すべきことはしてないのでこれだけで eclipse + pydevインストール EclipseとPydevでpython開発環境を整えてみる Anaconda + OpenCVインストール Python 環境のインストール 2. 顔認識 まずははじめの一歩として単一の画像ファイルを読み込み、画像内の顔を認識し、矩形で囲んで出力
ペンパイナッポーとアッポーペンを識別する(ChainerでYOLO ver2) - Qiita
本記事はChainer Advent Calendar 2016の20日目のエントリです。 ペンパイナッポー（以下PP)とアッポーペン（以下AP)の画像識別方式の確立は急務です。下記は"PPAP"のここ三ヶ月のGoogle Trend推移ですが、すごい速度で減衰しています。正直もう遅いのかもしれませんが、であったとしても次のビッグウェーブに一目散に乗れるように反射神経を鍛えておく必要があります。 PPとAPをひと目で見分ける認識器の必要性についてご理解いただいたところで、昨今のディープラーニングによる物体認識の進展に目を向けますと、Deep Learningによる一般物体検出アルゴリズムの紹介という記事にまとまっているように、優れた手法が次々と提案されています。最後のコメントにあるように、最大の課題は学習用のデータセットをどう準備するかというところです。 残念なことに、PPAPデータセット
TensorflowのFaster RCNN実装を試す - Qiita
この記事は ちょっと前まで最速とされていた物体検出のディープニューラルネットであるFaster RCNNのTensorflow実装Faster-RCNN_TFを使ってみたのでメモです 時代はSingle Shot Multibox Detector (SSD)らしいですが、Tensorflow実装はこんな開発中のしかないので一週遅れ感は否めませんが。 セットアップ 前提 TITAN X (Pascal) ubuntu14.04.5 LTS python2.7 Tensorflow v0.12 その他cython, python-opencv, easydictなど適当にインストール インストール README通りにセットアップしました。 # git clone --recursive https://github.com/smallcorgi/Faster-RCNN_TF.git # cd
python+OpenCVで顔認識をやってみる - Qiita
「顔認識ってサクッとできないのー？」って聞かれたので試してみた。 細かいチューニングとかはできてない。 インストール Macだと結構簡単。OpenCVをbrewを使ってインストールする。 pythonはbrewで入れたものを使ってる。 numpyも必要みたいだけど、インストール済みだったんで省略。 どうやら、OpenCVをインストールする時にPython用のパッケージcv2がsite-packageにコピーされるみたいなので、インストール順としてはPython→numpy→OpenCVがいいみたい。 # -*- coding: utf-8 -*- import cv2 #HAAR分類器の顔検出用の特徴量 #cascade_path = "/usr/local/opt/opencv/share/OpenCV/haarcascades/haarcascade_frontalface_defau
CNNをもちいて画像に含まれる文字の認識を行う - めも
読む論文：Reading text in the wild with convolutional neural networks [pdf] [1] Text spotting とは 提案手法の流れ ステップ1: 候補領域の選択 Edge Boxes[3] 入力画像 Edge box を使った時の物体認識のイメージ Weak aggregate channel features detector ステップ2: 候補領域のフィルタリング Word Classification Bounding Box Regression [2] ステップ3: 文字認識 ICDAR(International Conference on Document Analysis and Recognition 概要： CNNを用いて画像の中の文字の場所特定と認識をする。 モデルの訓練に利用したデータは人間が手でい
Dlib19.2のDNN顔検出をウェブカメラで試す(in Windows) - Qiita
これまでに優秀な顔検出モジュールを提供していたdlibですが、ver19.2で遂にDeepLearning(CNN)による顔検出が搭載されました。 元々、structual svmを顔検出に応用したMMODという手法でしたが、今回はこれをCNNのロス関数(mmod loss)として用いたようです。なので優秀なロジックはそのままに、これまでhogでしか表現できなかった画像特徴をCNNの柔軟性で強化したという印象でしょうか。 今回はGPUを使って、ウェブカメラでリアルタイム顔検出を試したいと思います。 Davis氏のブログによると、TitanXで1フレーム45ms(約22fps)なので十分なリアルタイムが期待できます。 http://blog.dlib.net/2016/10/easily-create-high-quality-object.html 準備するもの GPU（Nvidia Ti
c++とアセンブリ言語で画像を反転させてみる - Qiita
この記事は自分用の備忘録です。解説用ではないです 追記2: 結果だけ先に発表すると、OpenCVが約16ms、C++ with asmが約3msまで高速化されました。最後のコメント欄まで読んでいただければと思います。 きっかけ カメラから画像を取得して、それを反転させて表示するプログラムを開発しています。 画像の反転をOpenCVを使っているのですが、画素数が大きいのでもう少しなんとか早くならないものかと、取り組んでみました。 残念ながら、私が使っているデバイスのCPUは、OpenCLをサポートしていない、ので、GPUにデータを乗っける方法が使えないのです。 使えたら、OpenCV3で、高速化してしまうんですけどね。 ということで、イバラの道としりながら、アセンブリ言語に進んでいきます。 NEON命令 NEON命令とは、arm系CPUにおいて、1命令で複数データをまとめて処理できる命令だそ
OpenCVによるアニメ顔検出ならlbpcascade_animeface.xml - デー
追記 lbpcascade_animeface · GitHub githubに置きました。 追記前 かなりいい。http://j.mp/oMVViM http://j.mp/pKZC4Y イロイロ試すと丸っこいものに対する誤検出がちょっと気になるくらい。 http://twitter.com/#!/ultraistter/status/92775087635312640 金曜日から何度か学習していたLBP版のアニメ顔検出ができていた。前回のOpenCVでアニメ顔を検出するためのXML v2 - デーに比べるとかなりよくなっていると思います。検出速度もこっちのほうが速い。 ダウンロード http://anime.udp.jp/data/lbpcascade_animeface.xml (デカイので右クリックで保存) 使い方 OpenCVのサンプルに入っているfacedetectというプログ
はじめてのアニメ顔認識 with Chainer - Qiita
Deep Learningをやってみたいものの、Caffeだと、何か「書いている」気分もせずに悶々としていたところ、chainerが登場したので試してみることに。 なにはともあれ、かねてよりやりたかった、アニメ顔認識をやってみます。 本当は顔検出器＋顔によるキャラ分類とかをやってみたいのですが、まずは顔とそれ以外を分類することを目指します。 ちなみに、アニメの顔認識というと、OpenCV+カスケードによる検出器があったりして、かなりいい感じに認識してくれます。 しかし、 原則、正面からの顔以外はうまく認識できない 斜めに少し傾いていても、検出されない といった問題があるので、なんとか検出精度を向上させたいところです。 Step1: テスト画像準備 他のタスクにも使うことを考えて、自分で準備することにしました。所要時間20hぐらい。ぽよ～ん。 方針 OpenCVとlbpcascade_ani
ディープラーニングにおける様々な物体領域検出のアプローチ方法(R-CNN) - Qiita
ディープラーニングにおける物体領域認識の必要性 最近ディープラーニングについて勉強していまして、あらかじめ人間によってトリミングや処理された認識しやすい下記のような画像の認識は90%以上の高確率で出来るようになりました。 しかしこの前処理を人間がやっていたのではディープラーニングを使う利点が大きく削がれてしまいます。そこで複数の物体を含む画像からそれぞれの物体領域を認識し、その領域ごとにニューラルネットワークによる認識を行うプロセスいわゆるR-CNN(Regions with Convolutional Neural Network)を使う必要があります。R-CNNを使用する事で下の画像のような検出が可能になります(まだできてないけどCaptcha Breakerを作ってます)。 そこで、物体領域認識にはいくつかの方法があるので簡単にまとめてみようと思います。 Objectness 古くか
dlib CNNベースの物体検出 - Qiita
dlibの物体検出は、簡単に使えるし、素晴らしい性能ですが、時々誤検出が発生することもあります。このブログで紹介されているdeep learningを利用した物体検出は、HOGの検出器よりも性能よさそうなので試してみました。 dnn_mmod_ex.cpp 学習データからモデルをトレーニングするサンプルです。ビルド方法はこちらを参考に。 さて、このサンプルを実行した時、私のようにGPUがしょぼい環境だと、以下のようなエラーが出ると思います。 Error while calling cudaMalloc(&data, new_size*sizeof(float)) in file /Users/mkisono/work/dlib/dlib/dnn/gpu_data.cpp:191. code: 2, reason: out of memory /Users/mkisono/NVIDIA_CU
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
GitHub - weiliu89/caffe at ssd
http://vision.cs.chubu.ac.jp/~hf/PRMU-GrandChallenge2016.pdf