リンク OpenAI DALL·E 2 DALL·E 2 is a new AI system that can create realistic images and art from a description in natural language. 44 users 4092

このサイトについて トラブルシューティング 更新履歴 作者 More tools このサイトについて Shinshinは原神キャラクターのステータス画面(聖遺物・武器・ステータス詳細)のスクリーンショットを貼り付けるだけで簡単にビルド紹介カードを作成できるツールです。 使い方 原神をフルスクリーンで開き、キャラクター詳細画面の全画面スクリーンショットを撮ります。スクリーンショットは以下を含めることができます。 キャラクターのステータス画面。 詳細情報。一枚のスクリーンショットに収まらない場合は複数枚を含めることができます。 武器画面。 天賦画面。 命ノ星座画面。 聖遺物画面(全部位)。 全てのスクリーンショットを含める必要はありません。読み込まれた画像だけでもビルド紹介カードを作成することが可能です。 スクリーンショットを読み込みます。 魔法のようにカードが瞬時に作成されるのをご覧ください

インターネットもテレビもない時代、書物は多くの人々にイメージを届ける媒体でした。 NDLイメージバンクでは、浮世絵、図書、雑誌などの様々なメディアに載ったイメージをお届けします。 新着

WebP（ウェッピー）は、Googleが開発している次世代画像フォーマットです。PNGやJPEGと比べてファイルサイズを抑えることができ、トラフィックの削減やページ表示速度の向上を実現することができます。 今回は、WebP（ウェッピー）の基本と、メリットやデメリット、変換方法、対応ブラウザなどをご紹介したいと思います。 WebP（ウェッピー）とは？ WebP（ウェッピー）は、Googleが開発している次世代画像フォーマットで、拡張子は「.webp」です。 WebPは、JPEGやPNGと比べ、同程度の画質の画像をより小さなファイルサイズで保存することができます。Googleの発表では、PNGよりも26%、JPEGよりも25%〜34％程度ファイルサイズを抑えることができると言われています。 また、WebPは背景透過（アルファチャンネル）や、アニメーションにも対応しています。つまり、JPEGのよ

How It Works Prior detection systems repurpose classifiers or localizers to perform detection. They apply the model to an image at multiple locations and scales. High scoring regions of the image are considered detections. We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions and predicts bounding boxes and probabilitie

概要 カラー画像から線画を取る。 線画とはモノクロ画像のことで、2値化ではない(たぶん) OpenCVでしようと考えると、グレースケールで読み込み→adaptiveThresholdで2値化を思いつくんだけど、あんまりよくない。 ので、話題の方のコメントってどんな風にやるのか検証。 参考 初心者がchainerで線画着色してみた。わりとできた。 - Qiita コメント 前提知識が無いとよくわからなかった miztiさんのツイート: "イラストに輪郭抽出した時に起こりがちな「輪郭の輪郭」の抽出を避けて、綺麗に線画を抽出できるようになった！（1枚目: オリジナル、2枚目: 普通の輪郭抽出、3枚目: 今回の方法） https://t.co/XJetLxsIc7" わかった気になった Python OpenCV3で画素の膨張処理(dilation)と収縮処理(erosion) (ちょっと解説も)

動機 TensorFlowの登場をきっかけに 機械学習によるアイドル顔識別 という取り組みをしていて、3年以上かけてコツコツとアイドルの自撮りを収集してラベルをつけてデータセットを作ってきたけど、 アイドルヲタクはもう辞めてしまって 現場にも全然行かなくなり、卒業・脱退の情報を追いながらラベルを更新していく作業を続ける情熱はすっかり薄れてしまった。 もうアイドル顔識別プロジェクトは終了にしよう、と思った。 しかし折角今まで集めたデータを捨ててしまうのは勿体無い。せめて最後に何か活用できないものか。 と考えて、「画像生成」に再び取り組んでみることにした。 過去に試したことはあったけど、それほど上手くはいっていない。 TensorFlowによるDCGANでアイドルの顔画像生成 TensorFlowによるDCGANでアイドルの顔画像生成 その後の実験など この記事を書いたのが2016年。 この後

最近、OpenCVで遊んでいて、付属の顔検出用の分類器の精度があまり良くないので、自分で作ってみることにした。ドキュメントがとっ散らかっているので、メモとして残す。 次の画像は付属の分類器を使って検出したもの。False-Positiveも多くて、うまく顔を捕捉できていないのがわかる。 OpenCVはバージョン2.4.2を使った。 手順としては サンプルの収集 ラベル付け 分類器の生成 となる。 1. サンプルの収集 今回は、ポジティブサンプルとネガティブサンプル用にあわせて10392枚集めた。 画像検索のAPIでは、Bing Search API on Azureが一番いいと思う。Googleは制限がきつくて、Yahooはクレカの登録が要る。 Bingはこちらで無料プランを登録すれば良い。使うときはAuthヘッダにアカウントキーを入れてやれば良い。スクリプトは以下にあげておいた。 htt

OpenCVで物体検出器を作成する① ～基礎知識～ こんにちは。新入社員のザキヤマです。最近は気温が上がってきて、夜も寝苦しくなってきましたね。。冬が待ち遠しいです！！ いきなりですが、OpenCVや物体検出の初心者向けに、 「OpenCVでカスケード分類器を作る際に、知っていると便利かもしれない基礎知識からカスケード分類器作成まで」を全7回に分けて簡単に説明していきます。 それでは、第1回目です。今回はOpenCVの物体検出について導入知識をサクッと説明します。 OpenCVで物体検出器を作成するシリーズ、記事一覧はこちら！ OpenCVで物体検出？ OpenCVとは、有名な画像処理のライブラリです。その機能の一つに物体検出があります。 顔・眼・鼻・口・上半身などの検出器が用意されていますが、自分でカスケード分類器を作成すれば、好きな物体を検出させることができますよ！！ カスケード分類器

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

OpenCV単体でできる物体検出を試してみます 【ラズパイで物体認識シリーズ】 ・OpenCV の準備 ・HaarCascades を使った物体検出　←イマココ ・YOLO v5のセットアップ ・Xi IoTへの組み込み ちょっと延期 カメラの映像に文字を入れてみる これはいたって簡単です 取り込んだカメラフレーム（ret, frame = cap.read()）と表示（cv.imshow('OpenCV - test', frame)）の間に”cv.putText()”をつっこみます # ビデオ上にテキストを表示 (カメラデータ, 文字, (表示位置), フォント, フォントサイズ, 色, 太さ, 線の種類) cv.putText(frame, 'mokemoke', (200,50), cv.FONT_HERSHEY_PLAIN, 3, (0, 255,0), 3, cv.LINE_A

機械学習を行うために、画像から特定の物体(領域)だけ切り出して認識したり学習データを作りたい、ということがよくあると思います。 本稿では非常に多くの機能を持つOpenCVの中から、そうした機械学習のために利用する機能にフォーカスしてその利用方法を紹介していきたいと思います。具体的には、下記のモジュールを中心に扱います。 CVPR 2015 Tutorials 基本的な切り出しの手順は以下のようになります。以下では、このプロセスに則り解説を行っていこうと思います。 前処理: 物体検出が行いやすいように、画像の前処理を行います 物体検出: 物体の検出を行い、画像から切り出します 輪郭検出: 画像上の領域(輪郭)を認識することで、物体を検出します 物体認識: OpenCVの学習済みモデルを利用して対象の物体を認識し、検出を行います 機械学習の準備: 切り出した画像を用い、予測や学習を行うための準

Python, OpenCVでカスケード型分類器を使った顔検出と瞳検出（顔認識と瞳認識）を行う。 以下に公式のチュートリアル（英語）がある。 OpenCV: Face Detection using Haar Cascades ここでは、 静止画: 画像ファイルを読み込んで顔検出と瞳検出 動画: カメラを使ってリアルタイムで顔検出と瞳検出 について説明する。 画像ファイルを読み込んで顔検出・瞳検出を行うサンプルコード まず最初に画像ファイルを読み込んで顔検出と瞳検出を行うサンプルコードを示す。説明およびリアルタイム処理のサンプルコードは後述。 import cv2 face_cascade_path = '/usr/local/opt/opencv/share/'\ 'OpenCV/haarcascades/haarcascade_frontalface_default.xml' eye_

「あれっ！こんなところを間違えてるよ」―。パソコン画面上で何回も確認して間違いがなかったのに、紙に印刷すると原稿のミスが...。こんな経験をした人も多いはず。だが、その理由がよく分からない。もちろん、できる限り間違いを減らし、仕事はスムーズに進めたい。紙と画面の違い、その使い分けを考察してみた。 「反射光」と「透過光」 画面よりも紙のほうが、間違いに気がつきやすい。これは私が今まで何度となく経験してきた。新型コロナウイルスの感染拡大に伴い、リモートワークを始めてからは、自宅などにプリンターが無かったり、あってもその能力不足で印刷に手間取ったり。だから、紙でのチェックを怠りがちになり、ミスが生じて後で大きなしっぺ返しを食らう。 情報処理学会の研究報告（注）が、紙と液晶ディスプレーにおける「反射光」と「透過光」の性質の違いなどに着目し、実験を行った。反射光はいったん紙に反射してから目に入る光、

lena_std.tif のRGB別ヒストグラム（対数表示）。ダイナミックレンジが、赤は低い方に広がっておらず、緑は高い方に広がっていない。青に至ってはその両方となっている レナ（LennaまたはLena）は、1973年から2010年代後半までにわたり、画像処理の分野で広く使用されていた標準的なテスト画像である[1]。 この画像は、『プレイボーイ』1972年11月号のセンターフォールドから切り取られたもので、写真家ドワイト・フッカーが撮影したスウェーデン人モデル、レナ・ソーダバーグの写真である。本名の綴りは"Lena"であるが、この綴りでは「リーナ」と読まれる恐れがあるとして、「レナ」と発音してもらうためにモデル本人の希望で『プレイボーイ』誌では"Lenna"と綴られていた[2]。 「レナ」以前にも、画像処理アルゴリズムの説明に『プレイボーイ』誌の画像が使われたことがある。1961年、ロー

通常、デジタルカメラで撮影した画像データには、撮影したカメラの機種や撮影条件、画像の向きなどの情報がExif(Exchangeable image file)という形式のメタデータで埋め込まれます。このExifが「画像処理をスムーズに行うための足かせになっている」と、機械学習エンジニアのAdam Geitgey氏が解説しています。 The dumb reason your fancy Computer Vision app isn’t working: Exif Orientation https://medium.com/@ageitgey/the-dumb-reason-your-fancy-computer-vision-app-isnt-working-exif-orientation-73166c7d39da デジタルカメラやスマートフォンで撮影すると、カメラを縦に構えたか横に構

ウェブ パフォーマンスはウェブ開発の重要な側面であり、ページの読み込み速度と、ユーザー入力に対する応答性が重視されます。パフォーマンスを重視してウェブサイトを最適化することは、ユーザー エクスペリエンスの向上につながります。 このコースの初回リリースでは、ウェブ パフォーマンスの基礎に焦点を当てており、初心者の方に有益です。各モジュールは、パフォーマンスに関する主要なコンセプトを説明することを目的としています。 最新のウェブ エクスペリエンスを構築する場合、スピードとスピードを維持するかどうかを測定、最適化、モニタリングすることが重要です。パフォーマンスは、オンライン ベンチャーの成功において重要な役割を果たします。パフォーマンスの高いサイトはパフォーマンスの低いサイトよりもユーザーのエンゲージメントと維持に優れています。 サイトは、ユーザーを中心とした幸福度に関する指標の最適化に重点を置