サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
こんにちは、Codelight株式会社の高田です。最近デザイナーの梅原 真さんの「おいしいデ」を読みました。とてもおいしいのに知名度がなく、なかなか売れない地方の商品（主に高知県の食料品）にデザインを加えることで商品に力が加わり売れ行きが良くなる、生産者に自信が付き好循環が生まれる。梅原さんが手がけた「おいしいデ」ザインを紹介しています。ここでいうデザインとはパッケージの図案を考えるだけではなくコピー、商品名、ストーリーづくりの全てです。綺麗な見た目だけではなく、本質を見極めることが大切だと改めて感じた本でした。TEXT＿高田稔則 / Toshinori Takata（Codelight） EDIT＿小村仁美 / Hitomi Komura（CGWORLD） ＜1＞OpenCVとは？ さて、前回の予告通り、OpenCVを使って顔検出を使ったコンテンツのサンプルをつくっていきたいと思います
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
局所特徴量とは / SIFT, SURF 特徴量 下記スライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上述のスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲んでいただけるかと。。 （http://docs.opencv.org/3.0-rc1/d7/dff/tutorial_feature_homography.ht
2017/02/03 JaSST’17 Tokyo
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 二番煎じ感が半端ないですが、やっちゃったものは仕方ないので書きます。機械学習やディープラーニングについては全く初心者のソフトウェアエンジニアが、畳込みニューラルネットワークを用いて「ももいろクローバーZ」のメンバーの顔識別を行うアプリを作った話です。 作ったもの ec2上で稼働してます。ただしt2.microなので重いです。 ももクロ画像分類器 http://momomind.kenmaz.net コード https://github.com/kenmaz/momo_mind 背景 私（@kenmaz)は、仕事ではここ数年はiOSアプ
はじめに 数理情報工学実験第二という演習で、Raspberry Piをつかって何かを作ることになりました。そこでAMATERASUという自動ノート取り装置を作ったので紹介します。 そもそもRaspberry Piって? Raspberry Pi3 Model B ボード＆ケースセット (Element14版, Clear)-Physical Computing Lab 出版社/メーカー:TechShareメディア: エレクトロニクスこの商品を含むブログ (3件) を見る これです。安くて小型で色んなセンサーをつけて遊べるコンピュータです。今回はカメラモジュールを使いました。 自動ノート取り装置とは 自動ノート取りの目標は、講義を撮影した動画*1を処理することで、ノートの代わりとして使える画像を出力することです。具体的には次のgifのような画像を次々出力していくのを目標にしています。黒くな
$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す
全自動水玉コラ生成マシーン 聖夜なので表題のものを作った。 https://github.com/onk/auto_circle_collage processing で書いたアプリだけど、この記事の内容はほぼOpenCV の話です。 仕組み 水着を自動認識して「隠す」とマーク 顔を自動認識して「見せる」とマーク マークに沿って円充填 水着領域の自動認識 最初のアプローチOpenCV を使って肌色認識 選択領域を膨張 -> 収縮させる 肌色との差分を取れば水着領域が完成 肌色認識 先人が大量に居た。RGB 色空間ではなく HSV 色空間を使うというのがコツなようだ。 HSV色空間 -Wikipedia HSV 色空間なら影になっている部分も抽出できる。 今回は Hue: 7..15 を肌色として定義した。 PImage detectHada() { // 作業用に hue で gra
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「www.buildinsider.net」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 1.OpenCV 3.0のロードマップ 1.1OpenCV 3.0OpenCVは、2015年6月にメジャーバージョンアップが実施され、3.0がリリースされました。また、前回の記事でも述べたようにOpenCV 3.0ではさまざまな機能が追加されています。今回の記事では追加された機能をピックアップして使用例を交えながら紹介します。 1.2OpenCV 3.1 ここでは、次バージョン（OpenCV 3.1）のロードマップについても触れておきたいと思います。 公式の開発進捗（しんちょく）議事
主成分分析(PCA)のOpenCVによる実装 This page has been moved totech0088.html 主成分分析(PCA: Principal Component Analysis)をOpenCV 2.4.11で実装する方法を紹介します． int DIMENSION; int DATANUM; int EIGENNUM; cv::Mat data; cv::Mat mean; cv::PCApca; DIMENSION = /* 各データの次元 */; DATANUM = /* データの個数 */; EIGENNUM = DATANUM < DIMENSION ? DATANUM : DIMENSION; data.create(DATANUM, DIMENSION, CV_64F); for(int n = 0; n < DATANUM; n++) { fo
ikashot.net ※ 現在、IEで画像が表示できない不具合があります。お手数ですがIE以外でのアクセスをお願い致します…すみません。 何を作ったかスプラトゥーンではバトルの履歴を見れないようになっているので、勝率がわかりません。自分の勝率がどの程度なのか知りたいなーと思ったので、勝敗を自動記録する仕組みを作ってみました。 仕組み 以下のような流れで処理しています。 Raspberry Piのpicameraで、TV画面をキャプチャする キャプチャ画像のなかにWIN or LOSEの結果が表示されているかOpenCVを使って判定する WIN or LOSEが検出されたら、WebAPIを通して結果画面のイメージと勝敗をアップロードする 不格好ですが、こんな具合にラズパイをセットしてTV画面をキャプチャしてます。OpenCVの画像認識について WIN or LOSEの判定はOpenCV
第19回 yidev（横浜iPhone開発者勉強会）にて、『OpenCV 3.0 on iOS』という発表をさせていただきました。OpenCV 3.0 on iOS from Shuichi Tsutsumi 概要OpenCV 3.0 の話、というよりは、最新版の3.0をベースとしつつ、「Core Image やvImage やGPUImage という便利で高速な画像処理ライブラリが存在する昨今においてもOpenCV も依然として魅力的ですよ 」というのが発表の主題です。 なぜ今OpenCVか？ スライド内では、理由として以下の3つを提示しています。 圧倒的に機能が豊富 この点については、正直なところ Core Image、vImage、GPUImage は目じゃないかと。「2500以上のアルゴリズム・機能」と言われてもピンと来ないと思うので、具体的に「Core Image 等に
局所特徴量とは / SIFT, SURF 特徴量 このスライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 from takaya imai で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上に載せたスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲んでいただけるかと。。 （http://docs.opencv.org/3.0-rc1/d7/dff/tutorial_fe
はじめにUnityでOpenCVを使いたい動機と下調べについては前回の記事に書きましたUnityでOpenCVSharpをつかってOpenCVする。マルチスレッドにもしてみる。 (Windows) - 自習室 今回は、OpenCVを native plugin 化して使う方法についてまとめます、というか、 @hecomi 先生のをなぞった時に出た問題点をまとめておきます 環境Windows 8.1 pro 64bitUnity 4.6.0f3 proOpenCV forWindows 2.4.10 Visual Studio 2013 Community 参考にした記事 基本(ただしMac) この記事で、@hecomi 先生がOpenCVを native plugin 化して使う方法についてまとめてくださっています。基本はこれですが、内容がMacでbundleな感じです。 U
先日書いたOpenCVでアニメ顔検出をやってみた - kivantium活動日記の続編です。アニメ顔を検出するところまではうまくいったので、今度はキャラの分類をやってみようと思います。環境はUbuntu 14.10です。 ひと目で、尋常でない検出器だと見抜いたよ まずは分類に使う学習用データを用意します。投稿から半年以上経つのにまだランキング上位に残っている驚異の動画ご注文はうさぎですか？ 第1羽「ひと目で、尋常でないもふもふだと見抜いたよ」 アニメ/動画 - ニコニコ動画を使います。 動画のダウンロード Ubuntuならaptで入れられるnicovideo-dlというツールを使います。sudo apt-get install nicovideo-dl nicovideo-dl www.nicovideo.jp/watch/1397552685その後avidemuxでOP部分だけの動画を
OpenCV 3.0alphaOpenCV 3.0alpha is released, with refinedAPI, greatly improved performance onCPU, transparent acceleration onGPU and tons of new functionality in the new contrib repository.It has been almost 5 years sinceOpenCV 2.0 has been released, which brought the completely newC++API and started the new epoch of extensive growth of the project. During the whole 2.x lifecycle we added
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
処理を実行中です
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
