総合研究大学院大学　複合科学研究科　 情報学専攻　卒　博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 実験してみて、案外使い道がたくさんありそうな気がしてきました SURF: Speeded Up Robust Features Herbert Bay, Tinne Tuytelaars, and Luc Van Gool Katholieke Universiteit Leuven Computer Vision - ECCV 2006 The task of finding correspondences between two images of the same scene or object is part

はじめに 細線化はThinningやSkeletonizationと呼ばれ、二値画像（白と黒の色だけで表現された2階調の画像）を幅1ピクセルの線画像に変換する処理です。線が途中で切れたり、孔が開いたりしてはいけません。得られた線は、元の図形の幅の中心にくることが望まれます。 エッジ検出によって得られた画像は、元の画像の変化が比較的緩やかで広範囲な場合には、幅が広くなってしまいます。エッジ検出の閾値を高くすると幅は狭くなりますが、緩やかな変化を見逃してしまいます。したがって、閾値を低く選んで、幅広くエッジ部分を出させ、その後に細線化処理を行って、文字認識やパターン認識に使うことが多いのです。 アプレットを見る 対象読者 画像処理に関心があり、パターン認識の前処理を学習したい人。 必要な環境 J2SE 5.0を使っていますが、それより若干古いバージョンでも大丈夫です。CPUパワーは、大きい方が

一昔前は実世界の建築物を元にウォークスルー可能な3D空間を構築しようと思ったら、まず各部屋の形状を計測器を用いて計測し、その計測結果に基づいて人手でモデル化し、領域ごとにテクスチャを貼り、照明を設定して……と気の遠くなるような作業が必要だった。3D空間の構築は極めてコストの高い作業だったが、近年では2次元画像（実写写真）に基づいた3D空間の構築手法が長足の進歩を遂げており、以前に比べれば極めて低コストに3D空間を構築する事が可能となっている。 【告知】Twitterはじめました。@LunarModule7です。 興味のあるかたはフォローくださいとしばらく宣伝。 今ではバラバラに撮影した写真から、全自動で3D空間を構築し、内部を自由にウォークスルーできるようになっている。ワシントン大学とMicrosoft Reseachが2009年に発表した研究*1は現時点における集大成とも言えるものとなっ

これをソース等を参考せずに独学でなんとかやってみようと思います。 フラクタルとは フラクタルとは：フランスの数学者ブノワ・マンデルブロ (Benoît Mandelbrot) が導入した幾何学の概念。図形の部分と全体が自己相似になっているものなどをいう（wikipediaより） つまり全体的に見回しても一部分を拡大しても同じような図形が見られる、という意味みたいです。先へ行くほど分かれていく木の枝や、渦がどんどん小さくなっていく巻貝などが自然界で見られるフラクタルの例です。↑の例でも、全体が一つの画像の長方形であると同時に、無数の小さな長方形で中身が区切られているのがわかるかと思います。 単位面積あたりの標準偏差をとる ではさっそく、アルゴリズムを考えてみます。 背景の単調な部分は大きな長方形が多い 人物の顔や輪郭部分のような細かい部分には小さい長方形が多い 最初は大きな長方形で大雑把に区

この前使った calendar モジュールとさらに前（ブログには未記述）に使った PIL をあわせて使ったら、絵にカレンダーが描けそうだったのでやってみた。 壁紙などの画像に直接カレンダーを描くのは考えが古い気もしたけれど、パソコン覚えたてのころに世話になっていた、壁紙にカレンダーを書き込むアプリ(名前忘れた）を再現して懐かしむということで。 以下の手順を基に作成したスクリプト (2009-11-11更新）ImageCalendar のインスタンスを作成して、これの draw_month メソッドを呼ぶと、画像にカレンダーを描くことができる。使用例は test 関数にある。 (2009-11-12更新)カレンダーの背景色、背景透過度を指定できるようにした。 コマンドラインからも何とか使用できるようにした。ただし、望む出力に近づけていこうとすると、結局たくさんあるオプションをほぼすべて指定す

以前、OpenCVでアニメ顔検出を試していたときにcvHaarDetectObjects用に学習されたアニメ顔分類器のXMLを配布したのですが、積みゲー完全制圧への道程:アニメ顔部品検出ライブラリを作ってみたを見て、なんか古いこと気づいたので、新しいバージョンを配布します。 検出率は前バージョンよりも良くなっていると思います。たぶん検出の実行速度も速くなっていると思います。 （でかいので右クリで保存してください） haarcascade_animeface2.xml 使い方などは以前の記事を参照してください。 アニメ顔の検出とキャラクターの分類 - デー 再配布などは、個人的には問題ないのですが、学習に使っているデータが4chanのecchi板をクロールして集めたデータなので、そのへんの判断を配布者の責任で行ってください。集めた画像は教師データとして使用され、画像データ自体はファイルに含ま

「ちょっとこの画像グリッチしたいんだけど…」というときに，指定した画像をグリッチしてくれるAPIがあれば便利だと思ったので，作ってみました．Google App Engineで作りました． http://hitode909.appspot.com/glitch/ 普通の写真がこんな感じになります． 仕組み 指定された画像をjpegに変換して，中身の文字列を置換しています．うまくいくとグリッチされます． 置換するだけでグリッチできる，と以下のエントリに書かれていて，試したら，うまくいきました．すごい． hysysk:blog: today's glitch 3 便利 画像を返すだけなので，どこからでもすぐに使えて，便利だと思います．たぶん携帯からでも使えます． ところで 先月，グリッチを扱ったデザインの本が発売されました．かわいいグリッチがたくさん載っていて，おすすめです． Glitch:

5月くらいにやるよって書いて、ずっと進んでなかったけど、少し前の連休でgaーと進めた。今ちょっと仕事がアレなのでデモサイトを作る余裕がないけど、その2としては余裕できたら置きますってところまではできてます。 今回の内容は、前回ので候補を絞って、それに対してBag of visual-wordsの類似でソートして上位N件を表示するという方法。アニメ顔に特化させるための前処理など特徴ベクトルを作るまでの過程がたくさんあるけど、そのあたりの説明はデモサイトを作ってから。 とりあえずスクショ。検索対象は4chan /c/という画像掲示板に投稿された画像からImager::AnimeFaceを使って自動で切り取った顔画像4万件。old verが前回の部品の色によるもので、new verが今回の。 正直まだまだだけど、 上位の本人率が上がった 本人ではないなりに「髪形はちょっと似てる」「前髪のみ激似」

C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文（Datta,2008）を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます

思いは言葉に。 はてなブログは、あなたの思いや考えを残したり、 さまざまな人が綴った多様な価値観に触れたりできる場所です。

現在最高の圧縮効率を誇るAVC/H.264は1GbpsのフルHDTVを10Mbps以下に圧縮できる。1/100以上の圧縮率ということになるが、次世代beyond HDTVの8k4kの空間解像度、60〜300fpsの時間解像度、マルチスペクトルの色表現、10〜16bit/pelの画素値深度、複数視点を考えると情報量は16〜200Gbpsとなるため、ビットレートを100Mbpsまで許容したとしても、圧縮率をさらに10倍は引き上げる必要がある(1/1000以上)。 上記の要求に対し、短期的には従来のAVC/H.264で用いられている動き補償予測とDCTを組み合わせたMC+DCTの枠組みを維持し、改良を積み重ねて圧縮率向上を図るアプローチが取られるが、長期的には従来の枠組みに囚われない新たなブレークスルーが必要となる。本エントリでは、情報処理6月号の解説*1より、画像圧縮技術のブレークスルーの萌芽

情報処理に2ヶ月連続で顔画像処理技術のサーベイが掲載されている*1,*2。サーベイ著者らの研究業績紹介にやや偏っている印象があるが、興味深く、有用なサーベイとなっているのでポイントだけ整理してまとめておく。なお、最近話題になったモノを中心に元論文にはない複数の項目を追加している。 顔画像処理技術 顔検出 画像の中から漏れなく誤りなくリアルタイムで顔の位置を検出する技術。動画処理時にはトラッキングも必要。 ViolaとJonesによるHaarタイプの特徴量を用いた高速顔検出手法*3をベースとして多くの改善手法が提案されている。 顔特徴点検出 顔の性別、年齢を含めた属性推定や個人識別を行うために、顔の各器官の特徴点の検出を行う技術。 多種特徴点抽出に対応したCootesらのActive Shape Model(ASM)やActive Appearance Model(AAM)が有名*4。拡張・

画像内に映り込んだ所望のオブジェクトを排除し、違和感の無い画像を生成するシーン補完技術に関しては近年複数の研究成果が発表されている。しかし中でも2007年のSIGGRAPHにて米カーネギメロン大のJames HaysとAlexei A. Efrosが発表した手法*1はブレークスルーとなりうる画期的なものだ。 論より証拠、早速適用例を見てみよう。本エントリで利用する画像はPresentationからの引用である。元画像の中から邪魔なオブジェクト等の隠蔽すべき領域を指定すると、その領域が補完された画像が自動的に生成される。 アルゴリズム 効果は抜群だがアイデア自体は単純なものだ。Web上には莫大な数量の画像がアップされており、今や対象となる画像の類似画像を一瞬にして大量に検索することができる。そこで、検索された類似画像で隠蔽領域を完全に置き換えてしまうことで違和感の無い補完画像を生成するのだ。

Photo Editing and Graphic Design Made for EveryoneBeFunky's all-in-one online Creative Platform has everything you need to easily edit photos, create graphic designs, and make photo collages. Your All-In-One Creative SolutionWatch BeFunky in action to see how it makes your photo editing, collage making, and graphic design workflow seamless. Most Popular FeaturesBeFunky has an amazing collection of