NetVLADは結構メジャーな手法だと思ってたんだけど、案外日本語解説はネットに落ちてないんだね。昨今、有名な手法は誰かしらブログ書いてるイメージだったので意外。— Minagawa Takuya (@takmin) 2024年3月22日 というわけで、自分が解説記事を書こうかと思い立ちました。 NetVLADが発表されたのは2016年のCVPRなので[1]、進化の早いAI分野では古めの技術となってしまいますが、画像検索(Image Retrieval)や、撮影場所の推定(Visual Place Recognition)などの論文に未だに現役で出てくる手法なので、この日本語記事が色んな人の役に立ったら良いなと期待してます。 NetVLADは１枚の画像全体を１つの特徴ベクトル(Global Feature)に変換するためのもので、例えば画像検索タスクであれば、クエリー画像から抽出した特徴ベ

本日コンピュータビジョン勉強会＠関東「ICCV2023読み会」をSansan株式会社様の会場をお借りして開催いたしました。 以下、例によって資料やリンク等のまとめておきます。 登録サイト kantocv.connpass.com Togetter togetter.com Youtube youtube.com コンピュータビジョン勉強会＠関東 sites.google.com 資料まとめ 発表者 発表内容 資料 tomoaki_teshima LightGlue: Local Feature Matching at Light Speed https://t.co/Gp0lvoChZ1 colum2131 Unsupervised 3D Perception with 2D Vision-Language Distillation for Autonomous Driving https

本日久しぶりのオンサイトで、コンピュータビジョン勉強会＠関東「ECCV2022読み会」を開催いたしました。 今回は恒例となりましたPRMU研究会との共催で、日本科学未来館にて行いました。 このような機会をいただき、大変ありがたいです。 というわけで、発表資料等諸々のリンクをまとめておきます。 登録サイト kantocv.connpass.com Togetter togetter.com Youtube www.youtube.com コンピュータビジョン勉強会＠関東 sites.google.com PRMU研究会 ken.ieice.org 資料まとめ 発表者 発表内容 資料 tomoaki_teshima Particle Video Revisited: Tracking Through Occlusions Using Point Trajectories https://www

はじめに 本記事は3D Sensor Adevent Calenderの第14日目です。 https://qiita.com/advent-calendar/2019/3d-sensor 最初にお詫びを 申し込んでみたけど、よくよく考えたら3D関係なかった。。。/3D Sensor Advent Calendar 2019 #Qiita https://t.co/e7GuoWIEAC— Minagawa Takuya (高度でないAI人材) (@takmin) 2019年11月22日 Realsense D435iをベースに作業を行っていたため、勘違いしてました。。。 というわけで、3Dとはほとんど関係ない、IMUとカメラのキャリブレーションについてのお話です。 ご存知の通り、RealsenseやKinectなどの3Dセンサーだけでなく、スマートフォンなどにはInertial Measur

今回、ＣＶ勉強会に何度か参加＆発表していただいたJin Yamanakaさんにお誘いいただき、JTPA (Japan Technology Professional Association)というところで、「コンピュータビジョン今昔物語 -深層学習がCVの世界をどう変えたか-」という大上段なタイトルで講演させていただきました。 www.meetup.com このJTPAのTech Talkでは、機械学習/深層学習の勉強会を開催してきたそうなのですが、私自身「これ」という深層学習の専門があるわけではないので、コンピュータビジョン全体の基礎的な技術の変遷を、深層学習と絡めて広く浅く網羅した話をさせていただきました。 ちなみにここで紹介した深層学習の技術は、「既存の技術を置き換えるために、深層学習は何をクリアしなくてはならないか？」という視点で、紹介するのが適当と思ったものを選んだつもりです。

車載LiDARで取得した点群と、同じく車載カメラで取得したRGB画像両方を使用して物体検出を行う手法について調査しましたので、資料を公開します。 間違いや漏れの指摘などありましたらぜひご連絡ください。 最近はなんでもかんでもDeep Learningなので、サーベイが昔より楽になりました（笑） object detection with lidar-camera fusion: survey (updated) www.slideshare.net ---- 2018/12/06追記 RoarNetなど４本ほど研究を追加ました

以前、お仕事でクレジットカードをカメラで撮影し、そこからカード番号を読み取るプログラムをOpenCVを使って開発しました。 ただ、そのお仕事はお客様の都合で採用には至らず、作りっぱなしのまま放置してました。 が、せっかく作ったのに誰にも使われないままというのももったいないので、ソースごと公開してしまいます。 (ちなみに、この案件の時期と博士取得の公聴会時期が重なって、非常にしんどい思いをしたのも良い思い出) https://github.com/takmin/CreditNumberRecognizer クレジットカードは普通の文字認識と違って、カード自体に色々な模様がついてしまっていて、しかも数字部分が浮かし彫りだったりするため、二値化してOCRにかけるようなわけにもいきません。 なので、開発にあたっては、背景テクスチャがある中で1文字1文字切り出す部分と切り出した文字を認識する部分を自

昨日、学位授与式がありました。このタイミングを逃すと面倒くさくなってもう二度とブログを書かない気がするので、社会人博士を考えている方々の参考となるように自分の紆余曲折をまとめておきます（長文注意）。 進学までの経緯 1999年にコンピュータビジョン（以下CV）と呼ばれる分野で修士号を取得しました。この時の修論は黒歴史です。 この時に自分は研究者に向かないことを痛感したので、まさかその後博士課程に進むことになるとは夢にも思っていませんでした。 就職後は外資系IT企業で、４年半ほどCVとはまったく関係ない分野（ITインフラ系）でSEをやっていました。 その後リストラを機に入社したベンチャー企業がたまたまCVの会社で、そこで自分の学生時代の専門がビジネスとして面白くなりそうだと感じ、この分野で飯を食っていきたいと思うようになりました。 その後ブラック会社勤務を経て、顔認識ソフトウェアを扱っている

本日、CV勉強会＠関東「ICCV2013読み会」を開催しました。 以下資料等をまとめておきます。 参加申込みサイト http://connpass.com/event/4997/ Togetter http://togetter.com/li/633760 ICCV発表論文一覧 http://www.cv-foundation.org/openaccess/ICCV2013.py From Large Scale Image Categorization to Entry-Level Categories 発表者：takmin From Large Scale Image Categorization to Entry-Level Categories from Minagawa Takuya Large-scale Visual Sentiment Ontology and Detect

2012/10/20に開催された名古屋CV・PRML勉強会で発表してきました。 勉強会の様子はこちら。 というわけで、資料を上げておきます。元になった論文はこちらです。 Building High-level Features Using Large Scale Unsupervised Learning from Minagawa Takuya Deep Learningについてはボチボチ勉強していこうと思ってます。