Ubuntu Weekly Recipe 第563回NVIDIA Jetson Nano Developer KitにUbuntuをインストールしよう！ Jetson Nano Developer KitはNVIDIAが提供するエッジAI向けの「パワフルな」シングルボードコンピューターです。今回はこのJetson Nano Developer KitにUbuntuをインストールしてみましょう。 公式にUbuntuをサポートしている開発ボード Ubuntu Weekly Topicsの2019年3月22日号でも紹介しているように、「⁠Jetson Nano」は謎のAI半導体メーカーとして日本でも有名なNVIDIAが開発するAIデバイス向けのモジュールボードです。 Raspberry Piよりも（水平方向にだけ）小さな筐体には、4コアのCortex-A57と4GiBのメモリ、Maxwell第二

MobileNet-SSD-RealSense #◆ はじめに 小遣いをチマチマ貯めてついに購入してしまった、Intel RealSense D435 (税抜き￥28,350) 360°LiDARの RPLidar A1M8 より ￥5,000 も高い。 スイッチサイエンスさんのWEBショップでは 「6/26時点 入荷時期未定」 となっていたが、楽天では普通に 「在庫有り」 の店舗が何店舗かあったため即購入。 ４月に無謀にも 自律走行ロボ作成の決意表明 をしてから、７月まで猛烈に突っ走ってきたので、ちょっとだけ他事に浮気してみる。 尊敬するブロガーさんから マニアック認定 を頂戴していたようなので、今後も張り切ってニッチ路線を邁進していこうと思う。 ギャンブルジャンキーだったヤツが、こうもドップリとハードにハマってしまうものなのだろうか。。。 （最近はタバコとコーヒーを買う以外の小遣いを、

やりたいことがいっぱいある 本当にやりたいことはいっぱいあって，いくつかには手を付けたものの，やらなきゃなんないことに時間を奪われて，途中で放置している状態です．でも，一番やりたかった「家族と一緒に版ご飯を食べる」は，このところ実践しています．やりたいことをやる時間がなければ，やらなきゃなんないことに混ぜてやってしまえとか思うんですけど，なかなかうまくいきませんね．学生さん向けの資料もいくつかブログにまとめようと思っているんですけど，後回しになっています．GLFW で Oculus を使うことに関しても，それなりにノウハウがたまってきたのでブログにまとめたいと思ってるんですけど． その関連で，最近はやりの RICOH THETA S や Kodak SP360 4K で撮った全方位画像 (っていうのが画像処理的な言い方なのかなと思いますけど，一般的には全天球画像とか全周画像とか言いますね)

ORBSLAM2はORBSLAMをステレオ、デプスカメラにも対応させ安定化させたリリース版として公開され、論文はIEEE TRANSACTION ON ROBOTICSに投稿されている。 Raul Mur-Artal, Juan D. Tardos "ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras" IEEE Transactions on Robotics ( Volume: PP, Issue: 99 ) http://ieeexplore.ieee.org/document/7946260/ 以前windowsに導入するために四苦八苦したが、有志によるORBSLAM2のWindowsサポート版が公開されていたので導入した。その際のログについて記載しておく。 基本的には、リンク

前回までのえんせき ORB_SLAM2にターゲットチェンジして、あっさり動いた。次はWebカメラからの入力でORB_SLAM2をやるために、ROSから動かしてみることにした。 ensekitt.hatenablog.com つまりなにしたの？ Ubuntu16.04上のROS KineticでORB_SLAM2を動かしてiPhoneで撮影した動画を取り込んでみた。 ROSで使えるようにする準備 github.com README.mdの最後の方にROS Examplesがあったのでこれをやってみる。 export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$HOME/orb-slam2_ws/ORB_SLAM2/Examples/ROS cd ~/orb-slam2_ws/ORB_SLAM2 chmod +x build_ros.sh ./build_ros.s

This document summarizes recent developments in action recognition using deep learning techniques. It discusses early approaches using improved dense trajectories and two-stream convolutional neural networks. It then focuses on advances using 3D convolutional networks, enabled by large video datasets like Kinetics. State-of-the-art results are achieved using inflated 3D convolutional networks and

初投稿です。 目標 スマホのブラウザとカメラで動く日本語OCRアプリケーションを作る。 経緯 会社で社内便（複数）の郵送を頼まれる事がある。その際、宛名読む→宛名から郵便受け番号への変換→宛名の郵便受けまで行って投函→宛名読む→...を繰り返す必要があり効率化したい。 ↓ 配達の前にPCで宛名を一括で打ち込み、郵便受けの番号リストを作成すれば良いがタイピングが面倒。 スマホのカメラで動くOCRなら便利そうだが、Google Cloud Vision APIの社内利用はセキュリティの問題もあって（多分）無理。 ↓ tesseract.jsなら入力情報を外部に送信しなくて良いので安全なのでは！？ AndroidとかiOSのアプリは作れないけどhtmlなら何とかなりそう！？ ↓ 今ここ ↓ 社員情報のAPIを使用した最短ルートの提案など... 作成物 作成物のデモ 処理速度の関係でiPhone

#はじめに Python(パイソン)もOpenCV(オープンシーブイ)もこれまでまったく触れてこなかったけど、ちょっとやってみたいと思ってはじめたので、色々と試しているという状況です。 前回（(2017年12月) PythonとOpenCVをこれからやってみる - 2 - マークを読取る - Qiita）はOMR的な事を行ないましたので、今回はOCR的な事をしてみます。 環境はWindows7 64bitです。 #Tesseract(テッセラクト) PythonとOpenCVを使って文字認識するなら、tesseractを使うのが定番のようですね。記事も多いです。 単語そのものは正八胞体(または四次元超立方体)という意味合いのもののようですね。 基本的な説明はWikiなどがありますので、早速インストールを行なっていきます。 GitHubで公開されていますので、基本はそこからソースコードを落と

最近周りでCV書くよっていう人が居たので書いてみる（blog書くの久しぶりすぎる）． でも良く考えたら，一番参考になったのは，というかお世話になったのは添削してくれた 知り合いなので，これだけ見て履歴書を書くのは大変かもしれない． でも，最初は色々サンプル見て感じをつかむのが良い気がする． CVs and covering letters: Sample CVs — CV には3種類あるよ，っていう話とそれぞれのサンプルPDFがある． これ読んで「academic CV」を書けば良いのか，と分かった． Creating Effective CVs – www.vitae.ac.uk/researchers — ここにも似たこと書いてあるけど，もっと詳しい． CVs and covering letters: Sample CVs — サンプルPDFがある． 添え状(CVを添付するメール)に

その内容がこちら: * Responsible for（責任のある） * Experienced（経験豊富な） * Excellent written communication skills （書面での優れたコミュニケーション能力） * Team player（チームプレイヤー） * Detail oriented（細部にも気を使う） * Successful（成功した） ネタ元のブログによると、これらの言葉が問題なのは、当たり障り無さすぎる言い回しで、本当に書くべき詳しい経験をアピールする足かせになるからだそうです。もちろん、採用担当者は「経験のある人」を求めていますが、形容詞で「経験がある」と言われるのではなく、具体的な経験の内容を知りたいのです。つまり、こういうことです。気になる書き方の悪い例・良い例は以下より。 ● Responsible for（責任のある） 悪い例： Resp

会員マイページを開設しました。会員の皆様へは開設のご案内を郵送にてお送りしております。3月7日(月)を過ぎてもお手元に届かない場合には、事務局までお問合せください。

無駄にサーバを置きまくっては自己満足するのが楽しみ、それは誰でも同じかな？@HimaJyunです。 私がUbuntuでサーバ構築をする際に戸惑ったのが「ローカルIPを固定する」事でした。 ググってもみても上位に出るのがGUI(デスクトップ)でのやり方や、DNSがなんとかでー…… とにかく、私が困ると言う事はみなさんも困ると言う事でしょうし、後の方のために記事にしようと思います。 最初に まず最初に、検証に利用しているバージョンは「Ubuntu Server」の「16.04」「18.04」です。 それから、「ローカルIP」がどういうものかを理解している必要があります。(ローカルIPとグローバルIPの違いが分からない程度の能力の方はよ～く調べ直してからじゃないともれなく躓くよ) 各種設定を確認 IPアドレスを固定にするには「アドレス」、「ネットマスク」、「ゲートウェイ」、「DNSネームサーバ」

学習用の画像を集めていくうちに文字位置の切り抜きに失敗することが多くなり、 このままではロバストな認識は行えないということで改善を試みた。 スコア部分の切り抜き 画像によってヘッダの認識にずれがあり、切り出したスコア部分に欠けが生じることがあった。 この処理で欠けると後の処理では回復できないので、かなり大きめに領域を取得する。 2値化 P-タイル法を試してみたが、安定しないので今まで通り R値とG値の合算結果に大津のアルゴリズムを適用して2値化する。 スコア文字部分の絞り込み 大きく切り抜いた分だけ余計な領域が発生する。 幸い、切り抜きたい文字の周りには黒い余白が現れるためこれを手掛かりに絞り込みを行う。 画像の上下左右に固定幅の白枠をつける このとき、元から画像に存在している枠によって、目的文字部分と（あれば）右の余計なコンボ数部分が隔てられる。 2.白枠で縁取られた領域のうち最大部分を

豊橋技術科学大学、深度データのみでDeep learningを用いて様々なポーズ（姿勢認識）を推定する方法を開発。約10万個のデータを無料公開 2017-07-12 豊橋技術科学大学の三浦研究室の研究者らは、深度データのみを使用しDeep learningを用いて様々なポーズ（姿勢認識）を推定する方法を開発しました。 これは介護ロボットなどが要介護者の状態（初期推定）を把握するために開発されました。 従来の認識方法は、画像認識が主流であり、しかしこの方法はプライバシーの問題や暗い場所での使用に関する問題などの課題に直面しているのが現状です。そこで、深度データのみを用いて姿勢認識を行う方法をとります。 本研究では、コンピュータグラフィックス技術とモーションキャプチャ技術を組み合わせて大量のトレーニングデータを生成する方法を確立するアプローチをとります。 まず様々なボディ形状のCGデータを作成

ＧＯＰＲＯや他メーカーの小型防水ビデオカメラでスポーツシーンを 撮るのが流行っています。 当方もGOPROにて主にスノーボード滑走を撮影してブログやYoutubeに アップしていますが、撮影、編集まで含めての映像製作過程において 気になった事を・・・ 趣味な事なので余計なお世話だぁ・・・と言われればそれまですが・・・ 少ない経験なので撮影技術論や編集技術論、はては芸術論まで発展させる気はありません。 ここではスキー、スノーボードでの動画についてで他のスポーツについては 別のノウハウあるのでそれは詳しい方に・・・ 個人の趣味で撮って遊んでいるのですからどう撮って編集しても勝手なんですが・・・ ブログやyoutube等にアップして他人に見て貰おうとした場合？ やはり変化に乏しい画像は厭き易いと思います。 ［１］１本の動画は２～４分程度が良いと思います。 つまり、ＢＧＭを入れたら１曲分程度が見や