情報処理学会研究報告 IPSJ SIG Technical Report Vol.2013-CG-153 No.16 Vol.2013-CVIM-189 No /11/29 NF-Features による画像間の頬点の対応付け 1 圓城達也 1 呉海元 本論文では異なる 2 つの視点か
|
|
|
- きのこ ままだ
- 4 years ago
- Views:
Transcription
1 NF-Features による画像間の頬点の対応付け 1 圓城達也 1 呉海元 本論文では異なる 2 つの視点から撮影された顔写真からその人の 3 次元顔モデルを自動的に生成する方法について述べる 顔パーツのコーナー点は FAST(Features from Accelerated Segment Test) で検出でき その特徴量は SIFT(Scale Invariant Feature Transform) で求めることが出来ることが一般的に知られている. 頬の濃淡変化が少ないので 従来手法で頬の特徴点の検出と対応付けを困難である 本論文では 頬の点は NF-Features というアルゴリズム [7] に基づいて推定し 特徴量を求める方法について述べる. Corresponding of cheek points between two images by NF-Features TATSUYA ENJO 1 HAIYUAN WU 1 This paper describes a method for generating a three-dimensional face model automatically using two images taken from two different viewpoints. It is well known that corner points of a face can be detected by using the FAST (Features from Accelerated Segment Test), and its feature can be described by using the SIFT (Scale Invariant Feature Transform). Because cheeks in an input image have few light and shade changes, it is difficult to detect and correspondence the points of cheeks with conventional techniques. In this paper, we propose a method for detecting and describing the cheek points based on NF-Features algorithm [7]. 1. はじめに 1.1 研究目的と背景映画やゲームなどの映像製作においては, 人間の顔を表現した作品が数多く作られており,3 次元顔モデルの需要も高まってきている. もしデジカメで異なる2つの視点から撮影されたある人の顔写真からその人の個人 3 次元顔モデルを自動的 簡単に生成することができれば, ユーザが自分で自由に表情 姿勢変化 顔パーツの位置 大きさ調整などの応用が可能になる. また 各個人の顔のデータベース化が実現でき, 犯罪者データベースの3 次元化, 顔の骨格に関する種々の研究, アニメーションの作成など数多くの応用分野への活用が期待できる. 現状では,3 次元顔モデルを作るために 2 枚画像間の顔特徴点の対応付けは手作業で行い 手間がかかる問題が残っている また より正確な顔表面を作るため 顔パーツの特徴点だけではなく 頬あたりにも対応付けた点ができるだけ多く取れる方が望ましい この作業自身が手作業でも容易ではない 図 1 フォトカルクツービューで顔のポリゴンモデルを作成するための画像セット例 ( 黄色の点群は手動で指定されている ) 図 1に示すような特徴点を自動的に取得できるようにすることが本研究の目的と位置付ける この目標を達成するため 以下の2 種類の特徴点を自動的に抽出することが必要となる 1) 顔パーツ ( 目 鼻 口 ) の両端の正確なコーナー特徴点 ( 図 8(a) の青点に参照 ) 2) 頬の特徴点 ( 図 8(a) の赤点に参照 ) 顔パーツのコーナー点はFAST(Features from Accelerated Segment Test)[1, 5] 検出でき その特徴量は SIFT(Scale Invariant Feature Transform) [6] で求めることが出来ることが一般的に知られている. 本論文では 濃淡変化の少ない頬の点はNF-Features[7] というアルゴリズムに基づいて推定し 特徴量を求める自動抽出と対応付け方法を提案する. 1.2 関連研究顔特徴点や特定部位の抽出や追跡に関する研究は, 従来から活発に発表されている. 東芝研究開発の湯浅ら [2] は複数個の顔特徴点を自動的に検出する方法を提案している. 湯浅らはあらかじめ定めた14 個の顔特徴点について それぞれの特徴点の性質に基づいた特徴点候補検出 パターンによる検証 近傍特徴点に対する幾何学的位置条件を利用して特徴点の候補を検出する. さらに 検出された特徴点候補全体に対する幾何学的な整合性は3D 標準顔形状モデルを利用して判定することにより 顔らしい配置のものを選択する処理を行なっている. 法政大学の小谷ら [4] は シーン中から顔を検出する方法として, まず, カラー画像の領域分割処理によって顔面内部に位置する左右の目と唇の候補を多数抽出した後, それら3つの特徴点を基準としたアフィン変換で切り出される 1
![矩形領域の濃淡画像が顔パターンとみなしうるか否かを部 分空間類別法を用いて判定する方法をとりあげている. カ ラー画像処理については画像処理ソフト HALCON を使用 して入力画像から顔を自動的に検出するシステムを構築し, さまざまな画像入力条件のもとでのそのシステムによる顔 検出の安定性を評価している. Wu ら [3] は眼鏡の有無と顔特徴点の自動検出方法を提案 している.](/docs-images/100/144539878/images/2-0.jpg "彼らはほぼ正面を向いている顔画像から 色情 報 ( 肌色と髪色 ) を抽出し エッジ情報 ( 強度と方向 ) を抽出 する. この情報より 顔と顔器官を含む領域を決定する. 頬部分の肌らしさの平均値と目尻周辺のそれと比 頬部分 のエッジ強度の平均値と目尻周辺のそれとの比から 眼鏡 の有無を検出する.")
2 矩形領域の濃淡画像が顔パターンとみなしうるか否かを部 分空間類別法を用いて判定する方法をとりあげている. カ ラー画像処理については画像処理ソフト HALCON を使用 して入力画像から顔を自動的に検出するシステムを構築し, さまざまな画像入力条件のもとでのそのシステムによる顔 検出の安定性を評価している. Wu ら [3] は眼鏡の有無と顔特徴点の自動検出方法を提案 している. 彼らはほぼ正面を向いている顔画像から 色情 報 ( 肌色と髪色 ) を抽出し エッジ情報 ( 強度と方向 ) を抽出 する. この情報より 顔と顔器官を含む領域を決定する. 頬部分の肌らしさの平均値と目尻周辺のそれと比 頬部分 のエッジ強度の平均値と目尻周辺のそれとの比から 眼鏡 の有無を検出する. 検出された顔器官を含む領域から 口 鼻 目の位置を予測し エッジ情報より確定する 最後に SUSAN オペレータを用いて顔特徴点を抽出している. 2. 関連アルゴリズム 2.1 FAST コーナー検出アルゴリズム FAST(Features from Accelerated Segment Test) は S.M. Smith らによって開発された SUSAN(Smallest Univalue Segment Assymilating Nucleus) というアルゴリズムに基づ いて開発されたコーナー検出アルゴリズムである. SUSAN コーナー検出法の原理のイメージは図 2 に示し 計算式が以下になる 図 3 FAST コーナー検出アルゴリズムのイメージ E. Rosten らは SUSAN の高速化を行い FAST を提案し ている FAST の基本原理は図 3 に示す. 画像内の画素 (P) を中心とし 半径 r とした円周上の画素 (N 個 ) と P の明度 の差を比較し 差が閾値より大きい場合は +1 合計数が 3N/4 より多い場合 コーナーとして検出する. さらにス ピードアップするために 図 3 の右側のように 1( 上 ) と 9 ( 下 ) の比較 1( 上 ) と 9( 下 ) と 5 ( 右 ) の比較 1( 上 ) と 9 ( 下 ) と 15( 左 ) の比較で判定処理を行う よって SUSAN より FAST は画素間の比較数を減らしていることが分か る 図 4 に FAST コーナー検出アルゴリズムで検出された画 像例を示す. 1 c( i, 0 if if I( i) I( I( i) I( t t 図 4 FAST で検出されたコーナー点の画像例 n( N i 1 c( i, すなわち C(i, は画像内の画素 (p +で表す ) を中心とし 半径 r とした円内の画素 i(n 個 ) とP の明度の差を比較し 差が閾値 t より小さい場合は1 とし 閾値より大きい場合は0 とする.n(P) が円内のC(i, の合計であり 3N/4 より少ない場合 コーナーとして検出する. また n(p)=n/2 の場合 エッジとして検出できる. 2.2 NF アルゴリズム NF-Features (No-Features Features) は Ralf Dragon らによって開発された特徴量記述 対応付けのアルゴリズムである. 濃淡変化の少ない領域において 一般的なアルゴリズムでは特徴量記述を行えず 画像間での点での対応付けは難しい. NF-Features のアルゴリズムでは 一般的な手法で濃淡変化のあるところから検出された特徴点の情報に基づいて ボロノイ図とドロネー三角形分割により 抽出した点を NF の候補点 ( 以降 NF 点と呼ぶ ) とする. NF 点の特徴量記述はまず. 図 5 のように NF として検出された 1 つの特徴点 ( 青点 =I(0)) からその周り 360 を 45 ずつ等しく 8 つに分けた線上距離 L の点 (I(1) とする ) を結ぶ. 図 2 SUSAN コーナー検出アルゴリズムのイメージ 図 5 NF の特徴量記述におけるイメージ 2
3 I(0) から指定した点 (I(1)) までを 0 から 1 までのパラメー タとし そのパラメータとし そのパラメータ間で N 個の サンプル点にてディスクリプタを B G R それぞれを 以下の式により算出する. = 算出したは 式 (3) で正規化し その値はとなる. またこの処理は 2 画像に存在する全ての NF 点で行うが 一つの画像を A 画像 もう一つの画像を B 画像とすると B 画像での NF 点は A 画像での NF 点を幾何学の制約を設け てホモグラフィ行列によって B 画像に射影することで点の 位置推定を行う. 各ボロノイ点対の 32 次元の差を B,G,R ごとにそれぞれ 式 (4) のように算出し その差を足して平均値を算出する. 32 次元の差の平均値のうち 1 次元以上で閾値を超える 場合は誤対応点対とみなし 逆に 32 次元全てで閾値を下回 る場合は正対応点対とみなす. 閾値は以下の式のように算 出する. (3) (4) (1) (2) (5) (6) 2 = (7) NF アルゴリズムで対応付けを行った結果例は図 6 に示す. メリットがあるので 正確な 3 次元顔モデルを作成するた めに顔パーツ特徴点の検出方法として採用する. 一方 明 暗の差を評価する閾値が入力画像の撮影状況によって調整 する必要があり 正しく設定できない場合 期待通りの顔 パーツ特徴点ができない可能性がある. 本論文では FAST で顔パーツのコーナー検出処理の安 定化と汎用化を図るために FAST の閾値を入力画像によ らず最適な固定値で決める必要があると考え OpenCV の ライブラリで検出される顔矩形内で動的に局所領域の明度 の正規化を行う工夫を加える. 予備実験で 顔矩形を 3 3 の 9 ブロック 4 4 の 16 ブ ロックの各ブロック内で明度の正規化を行ったあと FAST で顔パーツのコーナー特徴点の検出を行った. 図 7 には 検出された顔領域内にブロック分割無し 9 ブロック分割 16 ブロック分割で明るさの正規化を行い 全て同じ閾値を 用いて FAST で検出された特徴点の画像例を示す. a) 分割なし b) 9 ブロック c) 16 ブロック 図 7 FAST によるブロック分割の処理結果 FAST による顔パーツのコーナー特徴点の検出率を評価 する基準として 3 次元顔モデルの作成時重要な 眉毛の 両端 目の両端 鼻の穴の下 唇の両端の計 12 個のコーナ ーパーツ特徴点を定める ( 図 8(a) の青点 ). 図 7 に示す 3 種 類の方法で検出されたコーナーパーツ点検出数比較グラフ は図 8(b) に示す 図 7 と図 8 から 16 ブロック分割の場 合最も良いパフォーマンスが得られることを確認できてい る. 本提案手法では 一番よい結果が得られた 16 ブロック 分割の方法を採用する. 図 6 NF によるマッチング例 (a) 顔の特徴点の定義 (b) 比較グラフ 図 8 顔の特徴点の定義と顔コーナーパーツ点比較グラフ 3. 顔パーツ特徴点の抽出法 3.1 部分領域の明度正規化による FAST の安定化 FAST は円形領域の中心画素の明度と円周上の画素の明度間の差によって中心画素がコーナーか否かを判定する手法である 画素単位でコーナー特徴点を正確に検出できる 提案手法では さらに処理の安定化を図るために この 16 ブロック分割の配置はオーバーラップのある動的な配置法を採用する. 具体的に 図 9 に示すイメージ通りに 検出された顔領域 ( 青線の矩形 ) によって 16 ブロック矩形サイズの縦横の長さ (N) を求め 顔領域内を縦横ともに 3
4 N/2 ずつ計 81 個の矩形をかぶせながらその領域内部 ( 青 色の正方形 ) でノイズを除去しながら明度の線形変換を行 った後で FAST 処理を行う. 人物 A( メガネ装着時 ) 人物 A 図 9 ブロックを動的に FAST 処理するイメージ 人物 B 人物 C 図 11 各個人ごとの AAM 実装結果 (a) 動的ブロック分割処理閾値 80 (b) 固定ブロック分割処理閾値 70 図 10 FAST の動的ブロック分割処理結果の比較 図 10(a) に動的に16 ブロック分割で明度正規化をしながらFAST でコーナー検出の結果を示す 図 10(b) に固定の16 ブロック分割で明度正規化をしながらFAST でコーナー検出の結果を示す. 一般的に FAST 処理に用いられる明度の閾値は大きく ( 厳しく ) すると抽出できる特徴点の数は少なくなるが 図 10 (a) では閾値を80 とし 図 10 (b) では閾値を 70 としたFAST 処理をしているものの どちらもほぼ同数の特徴点が検出できている. 提案手法の方がより顔パーツのコーナー特徴点を検出できている. 図 12 AAM と FAST を用いた最近傍探索のイメージ 3.2 AAM を用いた最近傍探索 3.1 での結果には顔パーツ以外の特徴点が多く含まれており Bottom Up だけでの画像間の対応付けを行う際に誤対応が多くなってしまう問題が発生する AAM(Active Appearance Models) は 画像上で平均的な形状から様々に変形する物体 ( 例えば顔 ) に関して, その形状と内部の明度分布を同時に低次元で表現することのできる統計モデルである. 図 11 に示すように 繰り返し学習処理によって 各個人の AAM を求めることができ 顔パーツの大まかな位置情報を得られる. 本論文では 図 12 に示すように AAM でガイド (Top Down) した最近傍探索で対応付けの精度の向上を試みる. 正面顔 回転顔で FAST 特徴点をそれぞれ検出し データ点を FAST 特徴点 クエリ点を真値で定義した顔コーナーパーツ点 12 点で定めて 最近傍探索を試みた結果を以下の図 13 に示す. (a1) 正面顔の FAST (b1) 回転顔の FAST 処理結果処理結果 (a2)(a1) の最近傍探索 (b2)(b1) の最近傍探索処理結果処理結果図 13 最近傍探索による特徴点の絞込み結果 3.3 頬の点の抽出頬の候補点は 2.2 で上述したように一般的な特徴点を顔コーナーパーツ候補点の FAST 点をボロノイ点としてボロノイ処理を行う. それにより抽出されたボロノイ母点を NF 点 つまり頬の候補点となる. 図 14 に FAST 点 ( 赤点 ) 4
5 とボロノイ点 ( 緑点 ) の抽出結果を示す. 人物 A 人物 B 図 14 頬の点の抽出 4. 顔画像間の特徴点の対応付け実験提案手法の有効性と汎用性を確認するため 複数人の異なる姿勢の顔画像を撮影し 異なるツービューの顔画像を用いて 顔画像間のキーポイント特徴点の対応付けの実験を行った. 提案手法の顔パーツのコーナー検出に特化している FAST で検出された顔コーナーパーツ点周辺の特徴量を SIFT の特徴量記述のアルゴリズムを用いて記述し また頬の点周辺に対しては NF の特徴量記述のアルゴリズムを用いて それぞれ画像間の対応付けを行った. まず 頬の候補点の対応付けは 顔パーツ左目の両端 2 点 鼻の左穴の下 1 点 そして口の左端 1 点の計 4 点を同一平面上に存在すると以下の図 15のように仮定し 正面顔 (A) と回転顔 (B) の両画像から定める. これらの点のx,y 座標の2 次元情報からホモグラフィ行列を算出する. そして正面顔で得られた頬の候補点 ( ボロノイ点 ) 全点を この行列を用いてホモグラフィ変換を行い 射影させることで回転顔の頬の候補点の位置推定を行う. その後で頬候補点全てでNF の特徴量記述を行い正面顔と回転顔で1 対 1の点対で対応づけを行った. 図 16でLの値が異なる実験結果をそれぞれ示している. 次にSIFTを用いて顔コーナーパーツ点での対応付けを行った.FAST の中の明度の閾値については全て同じパラメータで実験を行った.SIFT で記述される特徴量はアフィン変換に対して不変ではないことを考慮し 今回の実験では 左右の首の回転についての画像は首軸まわりの回転を小さい画像セットを撮影した. 実験結果例は以下の図 17 と図 1に示す. L = 5 L = 6 図 16 二人の人物における NF の対応付け結果 図 15 ホモグラフィ変換のイメージ 図 17 人物 A の SIFT における対応付けの結果 5
6 れた. これについては顔サイズ依存の問題やや閾値の調整 が上手く行えていないことが一つの原因と考えられるので まずそちらをこれから考察してみる. 謝辞 本研究の一部は, 文部科学省科学研究費補助金基盤研究 (c) の補助を受けている. 図 18 人物 B の SIFT における対応付けの結果 5. 結論本論文では一つ目に 顔パーツのコーナー検出に特化しているとされているFAST(Features from Accelerated Segment Test) を提案した. また二つ目には 頬の特徴量記述に適したNF(No Features) を提案した. 実画像を用いた実験より 顔パーツのコーナー特徴点 頬の特徴点の検出と対応付けを考察した. まず 特徴点抽出において顔パーツコーナー点については顔の領域を抽出し ブロック単位の局所的な明度の正規化を行ってからFAST 処理を行うことにより正規化前よりも多くの特徴点が得られることも確認できた. そして頬の特徴点抽出では顔パーツ特徴点を元としてボロノイ処理によりボロノイ母点を頬の点とした. 顔パーツコーナー点 頬の点それぞれでまだ多くの特徴点が抽出されており 今回 AAMと最近傍探索により点の絞り込みを提案した. しかし 現段階ではクエリ点を真値で行っているため 今後 AAMの点をクエリ点として最近傍探索を行う予定である. 一方 対応付けにおいて 顔コーナーパーツ点ではSIFT で特徴点の特徴量記述し 一部対応づけを行えることも確認できたがSIFTが奥行方向の回転に対して不変ではないので 正面顔との対応付けは首軸まわりで回転した顔に比べて 顔の傾きによる回転をした顔のほうが対応付けのパフォーマンスが高いことが分かった. 今後 アフィン変換に強い新たな特徴量記述の考察をする必要がある さらに コーナーパーツ点の情報を元にして頬からの特徴点を検出する方法も考察していかなければならない. 頬の特徴点ではNFで特徴量記述し対応付けをさせたが閾値 Lの変化によって誤対応の数と正対応の数の差が見ら 参考文献 1) FAST Corner Detection: 2) 湯浅真由美 武口智行 小坂谷達夫 山口修 : 静止画顔認証のための自動顔特徴点検出 信学技報 PRMU , ) H. WU, J. INADA, T. SHIOYAMA, Q. CHEN, and T. SHIMADA, Automatic Facial Feature Points Detection with SUSAN Operator', 12th Scandinavian Conference on Image Analysis, pp , ) 小谷秀輝, 関口利彦, 真壁弘樹, 赤松茂 : カラー画像処理と部分空間類別法を用いたシーン中の顔検出 信学技報 PRMU , ) E. Rosten and T. Drummond, Machine learning for high-speed corner detection, European Conference on Computer Vision ) Lowe, David G. Object recognition from local scale-invariant features, Proceedings of the International Conference on Computer Vision. 2. pp , ) Ralf Dragon, Muhammad Shoaib, Bodo Rosenhahn, and Joern Ostermann, NF-Features No-Feature-Features for Representing Non-textured Regions 6
Microsoft PowerPoint - pr_12_template-bs.pptx
12 回パターン検出と画像特徴 テンプレートマッチング 領域分割 画像特徴 テンプレート マッチング 1 テンプレートマッチング ( 図形 画像などの ) 型照合 Template Matching テンプレートと呼ばれる小さな一部の画像領域と同じパターンが画像全体の中に存在するかどうかを調べる方法 画像内にある対象物体の位置検出 物体数のカウント 物体移動の検出などに使われる テンプレートマッチングの計算
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: katsu0920@me.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生まれ, コンピューテーショナルフォトグラフィ ( 計算フォトグラフィ ) と呼ばれている.3 次元画像認識技術の計算フォトグラフィへの応用として,
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
情報処理学会研究報告 IPSJ SIG Technical Report Vol.2013-CVIM-186 No /3/15 EMD 1,a) SIFT. SIFT Bag-of-keypoints. SIFT SIFT.. Earth Mover s Distance
EMD 1,a) 1 1 1 SIFT. SIFT Bag-of-keypoints. SIFT SIFT.. Earth Mover s Distance (EMD), Bag-of-keypoints,. Bag-of-keypoints, SIFT, EMD, A method of similar image retrieval system using EMD and SIFT Hoshiga
スライド 1
知能制御システム学 画像追跡 (1) 特徴点の検出と追跡 東北大学大学院情報科学研究科鏡慎吾 swk(at)ic.is.tohoku.ac.jp 2008.07.07 今日の内容 前回までの基本的な画像処理の例を踏まえて, ビジュアルサーボシステムの構成要素となる画像追跡の代表的手法を概説する 画像上の ある点 の追跡 オプティカルフローの拘束式 追跡しやすい点 (Harris オペレータ ) Lucas-Kanade
図 5 一次微分 図 6 コントラスト変化に伴う微分プロファイルの変化 価し, 合否判定を行う. 3. エッジ検出の原理ここでは, 一般的なエッジ検出の処理内容と, それぞれの処理におけるパラメータについて述べる. 3.1 濃度投影検出線と直交する方向に各画素をスキャンし, その濃度平均値を検出線上
The Principles of Edge Detection, and Its Application to Image Measurement/ Junichi SUGANO ヴィスコ テクノロジーズ株式会社開発本部研究部菅野純一 1. はじめに画像処理におけるエッジとは, 対象物と背景の境界点を指しており, この境界点が連なることで対象物の輪郭を形成する. 対象物の輪郭を拡大してみると, レンズボケにより明から暗または暗から明へ濃度値が連続的に変化していることがわかる.
SICE東北支部研究集会資料(2013年)
280 (2013.5.29) 280-4 SURF A Study of SURF Algorithm using Edge Image and Color Information Yoshihiro Sasaki, Syunichi Konno, Yoshitaka Tsunekawa * *Iwate University : SURF (Speeded Up Robust Features)
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3.
2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3. プロジェクト管理組織 株式会社オープンテクノロジーズ 4. 委託金支払額 3,000,000 円 5.
IPSJ SIG Technical Report Vol.2010-CVIM-170 No /1/ Visual Recognition of Wire Harnesses for Automated Wiring Masaki Yoneda, 1 Ta
1 1 1 1 2 1. Visual Recognition of Wire Harnesses for Automated Wiring Masaki Yoneda, 1 Takayuki Okatani 1 and Koichiro Deguchi 1 This paper presents a method for recognizing the pose of a wire harness
LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R
![LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R](/thumbs/86/93333816.jpg "LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R")
DEIM Forum 24 F5-4 Local Binary Pattern 6 84 E-mail: {tera,kida}@ist.hokudai.ac.jp Local Binary Pattern (LBP) LBP 3 3 LBP 5 5 5 LBP improved LBP uniform LBP.. Local Binary Pattern, Gradient Local Auto-Correlations,,,,
コンピュータグラフィックス第8回
コンピュータグラフィックス 第 8 回 レンダリング技法 1 ~ 基礎と概要, 隠面消去 ~ 理工学部 兼任講師藤堂英樹 レポート提出状況 課題 1 の選択が多い (STAND BY ME ドラえもん ) 体験演習型 ( 課題 3, 課題 4) の選択も多い 内訳 課題 1 課題 2 課題 3 課題 4 課題 5 2014/11/24 コンピュータグラフィックス 2 次回レポートの体験演習型 メタセコイア,
スライド 1
5.5.2 画像の間引き 5.1 線形変換 5.2 アフィン変換 5.3 同次座標 5.4 平面射影変換 5.5 再標本化 1. 画素数の減少による表現能力の低下 画像の縮小 変形を行う際 結果画像の 画素数 < 入力画像の 画素数 ( 画素の密度 ) ( 画素の密度 ) になることがある この場合 結果画像の表現力 < 入力画像の表現力 ( 情報量 ) ( 情報量 ) 結果的に 情報の損失が生じる!
1 (PCA) 3 2 P.Viola 2) Viola AdaBoost 1 Viola OpenCV 3) Web OpenCV T.L.Berg PCA kpca LDA k-means 4) Berg 95% Berg Web k-means k-means
Web, Web k-means 62% Associating Faces and Names in Web Photo News Akio Kitahara and Keiji Yanai We propose a system which extracts faces and person names from news articles with photographs on the Web
IPSJ SIG Technical Report iphone iphone,,., OpenGl ES 2.0 GLSL(OpenGL Shading Language), iphone GPGPU(General-Purpose Computing on Graphics Proc
iphone 1 1 1 iphone,,., OpenGl ES 2.0 GLSL(OpenGL Shading Language), iphone GPGPU(General-Purpose Computing on Graphics Processing Unit)., AR Realtime Natural Feature Tracking Library for iphone Makoto
(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b
![(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b](/thumbs/91/105641706.jpg "(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b")
(MIRU202) 202 8 AdrianStoica 89 0395 744 89 0395 744 Jet Propulsion Laboratory 4800 Oak Grove Drive, Pasadena, CA 909, USA E-mail: uchino@irvs.ait.kyushu-u.ac.jp, {yumi,kurazume}@ait.kyushu-u.ac.jp 2 nearest
IPSJ SIG Technical Report Vol.2015-CVIM-196 No /3/6 1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swi
1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swiveling using a Misalignment Model Abstract: When the camera sets on a gimbal head as a fixed-view-point, it is
Microsoft Word - 卒論レジュメ_最終_.doc
指紋認証のマニューシャ抽出について 澤見研究室 I02I036 兼信雄一 I02I093 柳楽和信 I02I142 吉田寛孝 1. はじめに近年, キャッシュカードや暗証番号が盗用され, 現金が引き出されるような事件が相次いでいる. これらの対向策として人間の体の一部を認証の鍵として利用する生体認証に注目が集まっている. そこで我々は, 生体認証で最も歴史がある指紋認証技術に着目した. 指紋認証方式は,2
円筒面で利用可能なＡＲマーカ
円筒面で利用可能な AR マーカ AR Marker for Cylindrical Surface 2014 年 11 月 14 日 ( 金 ) 眞鍋佳嗣千葉大学大学院融合科学研究科 マーカベース AR 二次元マーカはカメラ姿勢の推定, 拡張現実等広い研究分野で利用されている 現実の風景 表示される画像 デジタル情報を付加 カメラで撮影し, ディスプレイに表示 使用方法の単純性, 認識の安定性からマーカベース
カメラレディ原稿
IS2-A2 カメラを回転させた時の特徴点軌跡を用いた魚眼カメラの内部パラメータ推定 - モデルと評価関数の変更による改良 - 田中祐輝, 増山岳人, 梅田和昇 Yuki TANAKA, Gakuto MASUYAMA, Kazunori UMEDA : 中央大学大学院理工学研究科,y.tanaka@sensor.mech.chuo-u.ac.jp 中央大学理工学部,{masuyama, umeda}@mech.chuo-u.ac.jp
情報処理学会研究報告 IPSJ SIG Technical Report 被写界深度に存在する主体物体の自動検出法の提案 萩原健太, 小枝正直 1 本研究では被写界深度に存在する物体の自動検出法の提案を提案する. 本手法を用いることにより,1 枚の静止画像中にある主体物体と非主体物体の分別が可能にな
被写界深度に存在する主体物体の自動検出法の提案 萩原健太, 小枝正直 1 本研究では被写界深度に存在する物体の自動検出法の提案を提案する. 本手法を用いることにより,1 枚の静止画像中にある主体物体と非主体物体の分別が可能になる. 具体的には, まず 2 種類のエッジ抽出を組み合わせることで被写界深度に含まれる主体物体の特徴点群を検出する. その後, 得られた特徴点群を包囲する領域を 2 種類の手法により動的に求める.
Microsoft PowerPoint - presen
解析支援ネット OKAYAMA 画像解析に関する技術講演会 2008.03.28 車上からの道路標識の認識 岡山県立大学情報工学部スポーツシステム工学科山内仁 はじめに 高度道路交通システム (ITS) VICS ETC etc. 走行支援道路システム (AHS) 車載カメラによる環境認識 (AHS-i) 道路標識の認識 認知に関わる事故の防止 2 車両運行に関わる標識 標識情報の取得手段 : 車載カメラ
GID Haar-like Mean-Shift Multi-Viewpoint Human Tracking Based on Face Detection Using Haar-like Features and Mean-Shift Yu Ito (Shizuoka Univers
GID-08-6 Haar-like Mean-Shift Multi-Viewpoint Human Tracking Based on Face Detection Using Haar-like Features and Mean-Shift Yu Ito (Shizuoka University), Atsushi Yamashita, Toru Kaneko (Shizuoka University)
一般社団法人電子情報通信学会 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGIN
一般社団法人電子情報通信学会 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS 信学技報 IEICE Technical Report PRMU2017-36,SP2017-12(2017-06)
Duplicate Near Duplicate Intact Partial Copy Original Image Near Partial Copy Near Partial Copy with a background (a) (b) 2 1 [6] SIFT SIFT SIF
![Duplicate Near Duplicate Intact Partial Copy Original Image Near Partial Copy Near Partial Copy with a background (a) (b) 2 1 [6] SIFT SIFT SIF](/thumbs/82/86406952.jpg "Duplicate Near Duplicate Intact Partial Copy Original Image Near Partial Copy Near Partial Copy with a background (a) (b) 2 1 [6] SIFT SIFT SIF")
Partial Copy Detection of Line Drawings from a Large-Scale Database Weihan Sun, Koichi Kise Graduate School of Engineering, Osaka Prefecture University E-mail: sunweihan@m.cs.osakafu-u.ac.jp, kise@cs.osakafu-u.ac.jp
yoo_graduation_thesis.dvi
200 3 A Graduation Thesis of College of Engineering, Chubu University Keypoint Matching of Range Data from Features of Shape and Appearance Yohsuke Murai 1 1 2 2.5D 3 2.1 : : : : : : : : : : : : : : :
画像認識性能を改善する高精度な特徴量抽出手法の検討 A Study on Feature-Extraction Methods for Improvement of Image-Recognition Performance 井上俊明 Toshiaki Inoue 要旨 各種のカメラ搭載機器の急速な
画像認識性能を改善する高精度な特徴量抽出手法の検討 A Study on Feature-Extraction Methods for Improvement of Image-Recognition Performance 井上俊明 Toshiaki Inoue 要旨 各種のカメラ搭載機器の急速な普及に伴い, 撮影 蓄積された画像を有効に活用する 画像認識技術への期待が高まっている 特に近年, 画像中のさまざまな物体を認識する,
色の類似性に基づいた形状特徴量CS-HOGの提案
IS3-04 第 18 回 画 像 センシングシンポジウム, 横 浜, 2012 年 6 月 CS-HOG CS-HOG : Color Similarity-based HOG feature Yuhi Goto, Yuji Yamauchi, Hironobu Fujiyoshi Chubu University E-mail: yuhi@vision.cs.chubu.ac.jp Abstract
図 2: 高周波成分を用いた超解像 解像度度画像とそれらを低解像度化して得られる 低解像度画像との差により低解像度の高周波成分 を得る 高解像度と低解像度の高周波成分から位 置関係を保ったままパッチ領域をそれぞれ切り出 し 高解像度パッチ画像と低解像度パッチ画像の ペアとしてデータベースに登録する
Exemplar-Based Super-Resolution of Human Body Image in Surveillance Video 1 1,2 1 1 1 Kento Nishibori 1, Tomokazu TAKAHASHI 1,2, Daisuke DEGUCHI 1, Ichiro IDE 1 and Hiroshi MURASE 1 1 2 nishiborik@murase.m.is.nagoya-u.ac.jp
( ), ( ) Patrol Mobile Robot To Greet Passing People Takemi KIMURA(Univ. of Tsukuba), and Akihisa OHYA(Univ. of Tsukuba) Abstract This research aims a
( ), ( ) Patrol Mobile Robot To Greet Passing People Takemi KIMURA(Univ. of Tsukuba), and Akihisa OHYA(Univ. of Tsukuba) Abstract This research aims at the development of a mobile robot to perform greetings
untitled
(Robot Vision) Vision ( (computer) Machine VisionComputer Vision ( ) ( ) ( ) ( ) ( ) 1 DTV 2 DTV D 3 ( ( ( ( ( DTV D 4 () 5 A B C D E F G H I A B C D E F G H I I = A + D + G - C - F - I J = A + B + C -
28 TCG SURF Card recognition using SURF in TCG play video
28 TCG SURF Card recognition using SURF in TCG play video 1170374 2017 3 2 TCG SURF TCG TCG OCG SURF Bof 20 20 30 10 1 SURF Bag of features i Abstract Card recognition using SURF in TCG play video Haruka
ビジュアル情報処理
コンピュータビジョン特論 Advanced Computer Vision 第 5 回 最適なエッジ検出器 良いエッジ検出器とは Good Detection: ノイズに強い Good Localization: 真のエッジの所を検出 ingle Response: 各点に一本のエッジを検出 Cann Edge Detection Tutorial http://www.pages.dreel.edu/~weg/can_tut.html
D-Cubis [5] [6] 3D D-Cubis PasQ( ) PasQ PasQ Web HotMedia HotMedia [7] IBM Java 3D Audio 360 Web HotMedia PanoramaStudio Panorama
![D-Cubis [5] [6] 3D D-Cubis PasQ( ) PasQ PasQ Web HotMedia HotMedia [7] IBM Java 3D Audio 360 Web HotMedia PanoramaStudio Panorama](/thumbs/91/105186955.jpg "D-Cubis [5] [6] 3D D-Cubis PasQ( ) PasQ PasQ Web HotMedia HotMedia [7] IBM Java 3D Audio 360 Web HotMedia PanoramaStudio Panorama")
DEWS2006 4B-i12 719 1197 111 719 1197 111 E-mail: {ikeda,knamba,awata,kunishi,yokota}@c.oka-pu.ac.jp GPS GPS Constructing Virtual Spaces Based on Panorama Images Shun IKEDA, Koichiro NAMBA, Tomoko AWATA,
,,,,,,,,,,,,,,,,,,, 976%, i
20 Individual Recognition using positions of facial parts 1115081 2009 3 5 ,,,,,,,,,,,,,,,,,,, 976%, i Abstract Individual Recognition using positions of facial parts YOSHIHIRO Arisawa A facial recognition
2.2 6).,.,.,. Yang, 7).,,.,,. 2.3 SIFT SIFT (Scale-Invariant Feature Transform) 8).,. SIFT,,. SIFT, Mean-Shift 9)., SIFT,., SIFT,. 3.,.,,,,,.,,,., 1,
1 1 2,,.,.,,, SIFT.,,. Pitching Motion Analysis Using Image Processing Shinya Kasahara, 1 Issei Fujishiro 1 and Yoshio Ohno 2 At present, analysis of pitching motion from baseball videos is timeconsuming
Microsoft PowerPoint - CV10.ppt [互換モード]
![Microsoft PowerPoint - CV10.ppt [互換モード]](/thumbs/83/88335853.jpg "Microsoft PowerPoint - CV10.ppt [互換モード]")
カメラキャリブレーション 呉海元 @ 和歌山大学 2010 年 6 月 21 日 カメラキャリブレーション ( 校正 ) 実世界のカメラとカメラモデルとの対応付け 2 カメラキャリブレーション項目 幾何学的キャリブレーション - 外部パラメータ : 6 世界座標系におけるレンズの中心座標 (t) レンズ光軸の方向 (R) - 内部パラメータ : 5 焦点距離 画像中心 画像像 ( 画素 ) サイズ
IPSJ SIG Technical Report Vol.2012-CG-149 No.13 Vol.2012-CVIM-184 No /12/4 3 1,a) ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransa
3,a) 3 3 ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransac. DB [] [2] 3 DB Web Web DB Web NTT NTT Media Intelligence Laboratories, - Hikarinooka Yokosuka-Shi, Kanagawa 239-0847 Japan a) yabushita.hiroko@lab.ntt.co.jp
1 Fig. 1 Extraction of motion,.,,, 4,,, 3., 1, 2. 2.,. CHLAC,. 2.1,. (256 ).,., CHLAC. CHLAC, HLAC. 2.3 (HLAC ) r,.,. HLAC. N. 2 HLAC Fig. 2
CHLAC 1 2 3 3,. (CHLAC), 1).,.,, CHLAC,.,. Suspicious Behavior Detection based on CHLAC Method Hideaki Imanishi, 1 Toyohiro Hayashi, 2 Shuichi Enokida 3 and Toshiaki Ejima 3 We have proposed a method for
kut-paper-template.dvi
26 Discrimination of abnormal breath sound by using the features of breath sound 1150313 ,,,,,,,,,,,,, i Abstract Discrimination of abnormal breath sound by using the features of breath sound SATO Ryo
(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s
![(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s](/thumbs/75/72066128.jpg "(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s")
1 1 1, Extraction of Transmitted Light using Parallel High-frequency Illumination Kenichiro Tanaka 1 Yasuhiro Mukaigawa 1 Yasushi Yagi 1 Abstract: We propose a new sharpening method of transmitted scene
Microsoft PowerPoint - ppt-7.pptx
テーマ 7: 最小包含円 点集合を包含する半径最小の円 最小包含円問題 問題 : 平面上に n 点の集合が与えられたとき, これらの点をすべて内部に含む半径最小の円を効率よく求める方法を示せ. どの点にも接触しない包含円 すべての点を内部に含む包含円を求める 十分に大きな包含円から始め, 点にぶつかるまで徐々に半径を小さくする 1 点にしか接触しない包含円 現在の中心から周上の点に向けて中心を移動する
Microsoft PowerPoint - 10.pptx
m u. 固有値とその応用 8/7/( 水 ). 固有値とその応用 固有値と固有ベクトル 行列による写像から固有ベクトルへ m m 行列 によって線形写像 f : R R が表せることを見てきた ここでは 次元平面の行列による写像を調べる とし 写像 f : を考える R R まず 単位ベクトルの像 u y y f : R R u u, u この事から 線形写像の性質を用いると 次の格子上の点全ての写像先が求まる
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB UWB
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB -1 E-mail: seki@aso.cce.i.koto-u.ac.jp UWB SEABED SEABED SEABED,,, SEABED Application of fast imaging
IPSJ SIG Technical Report Vol.2010-MPS-77 No /3/5 VR SIFT Virtual View Generation in Hallway of Cybercity Buildings from Video Sequen
VR 1 1 1 1 1 SIFT Virtual View Generation in Hallway of Cybercity Buildings from Video Sequences Sachiyo Yoshida, 1 Masami Takata 1 and Joe Kaduki 1 Appearance of Three-dimensional (3D) building model
画像類似度測定の初歩的な手法の検証
画像類似度測定の初歩的な手法の検証 島根大学総合理工学部数理 情報システム学科 計算機科学講座田中研究室 S539 森瀧昌志 1 目次 第 1 章序論第 章画像間類似度測定の初歩的な手法について.1 A. 画素値の平均を用いる手法.. 画素値のヒストグラムを用いる手法.3 C. 相関係数を用いる手法.4 D. 解像度を合わせる手法.5 E. 振れ幅のヒストグラムを用いる手法.6 F. 周波数ごとの振れ幅を比較する手法第
Microsoft Word - deim論文２.docx
DEIM Forum 2012 B11-4 静止画内オブジェクトへの指示による動画検索手法の提案 川手裕太,* 岡部誠 尾内理紀夫 平野廣美 三條正裕 電気通信大学 182-8585 東京都調布市調布ヶ丘 1-5-1 楽天株式会社楽天技術研究所 140-0002 東京都品川区東品川 4-13-9 * 科学技術振興機構さきがけ E-mail: kawate@onailab.com, m.o@acm.org,
光学
Range Image Sensors Using Active Stereo Methods Kazunori UMEDA and Kenji TERABAYASHI Active stereo methods, which include the traditional light-section method and the talked-about Kinect sensor, are typical
Microsoft PowerPoint - ip02_01.ppt [互換モード]
![Microsoft PowerPoint - ip02_01.ppt [互換モード]](/thumbs/96/127250376.jpg "Microsoft PowerPoint - ip02_01.ppt [互換モード]")
空間周波数 周波数領域での処理 空間周波数 (spatial frquncy) とは 単位長さ当たりの正弦波状の濃淡変化の繰り返し回数を表したもの 正弦波 : y sin( t) 周期 : 周波数 : T f / T 角周波数 : f 画像処理 空間周波数 周波数領域での処理 波形が違うと 周波数も違う 画像処理 空間周波数 周波数領域での処理 画像処理 3 周波数領域での処理 周波数は一つしかない?-
Microsoft PowerPoint - H17-5時限（パターン認識）.ppt
パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を
コンピュータグラフィックス第6回
コンピュータグラフィックス 第 6 回 モデリング技法 1 ~3 次元形状表現 ~ 理工学部 兼任講師藤堂英樹 本日の講義内容 モデリング技法 1 様々な形状モデル 曲線 曲面 2014/11/10 コンピュータグラフィックス 2 CG 制作の主なワークフロー 3DCG ソフトウェアの場合 モデリング カメラ シーン アニメーション テクスチャ 質感 ライティング 画像生成 2014/11/10 コンピュータグラフィックス
BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!"#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K
![BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K](/thumbs/93/114210200.jpg "BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K")
Bucket Distance Hashing Metric Learning 1,a) 1,b) 1,c) 1,d) (DB) [1] DB Cao [2] Cao Metric Learning Cao Cao Cao Cao Cao 100 DB 10% 1. m DB DB DB 1 599 8531 1 1 Graduate School of Engineering, Osaka Prefecture
IPSJ SIG Technical Report Vol.2010-CVIM-172 No /5/ Object Tracking Based on Generative Appearance Model 1. ( 1 ) ( 2 ) ( 3 ) 1 3) T
1 2 2 3 1 Objec Tracking Based on Generaive Appearance Model 1. ( 1 ) ( 2 ) ( 3 ) 1 3) Tasuya YONEKAWA, 1 Kazuhiko KAWAMOTO, 2 Asushi IMIYA 2 and Akihiro SUGIMOTO 3 We propose a mehod for racking objecs
SURF,,., 55%,.,., SURF(Speeded Up Robust Features), 4 (,,, ), SURF.,, 84%, 96%, 28%, 32%.,,,. SURF, i
24 SURF Recognition of Facial Expression Based on SURF 1130402 2013 3 1 SURF,,., 55%,.,., SURF(Speeded Up Robust Features), 4 (,,, ), SURF.,, 84%, 96%, 28%, 32%.,,,. SURF, i Abstract Recognition of Facial
[1] SBS [2] SBS Random Forests[3] Random Forests ii
![[1] SBS [2] SBS Random Forests[3] Random Forests ii](/thumbs/74/70333192.jpg "[1] SBS [2] SBS Random Forests[3] Random Forests ii")
Random Forests 2013 3 A Graduation Thesis of College of Engineering, Chubu University Proposal of an efficient feature selection using the contribution rate of Random Forests Katsuya Shimazaki [1] SBS
paper.dvi
23 Study on character extraction from a picture using a gradient-based feature 1120227 2012 3 1 Google Street View Google Street View SIFT 3 SIFT 3 y -80 80-50 30 SIFT i Abstract Study on character extraction
28 Horizontal angle correction using straight line detection in an equirectangular image
28 Horizontal angle correction using straight line detection in an equirectangular image 1170283 2017 3 1 2 i Abstract Horizontal angle correction using straight line detection in an equirectangular image
PowerPoint プレゼンテーション
空間フィルタリング (spatal lterng) 入力画像の対応する画素値だけではなく その周囲 ( 近傍領域 ) の画素も含めた領域内の画素値を用いて 出力画像の対応する画素値を計算する処理 入力画像出力画像入力画像出力画像 画素ごとの濃淡変換 ( 階調処理 ) 領域に基づく濃淡変換 ( 空間フィルタリング ) 空間フィルタ (spatal lter) 線形フィルタ (lnear lter) w
Microsoft Word - thesis.doc
剛体の基礎理論 -. 剛体の基礎理論初めに本論文で大域的に使用する記号を定義する. 使用する記号トルク撃力力角運動量角速度姿勢対角化された慣性テンソル慣性テンソル運動量速度位置質量時間 J W f F P p .. 質点の並進運動 質点は位置 と速度 P を用いる. ニュートンの運動方程式 という状態を持つ. 但し ここでは速度ではなく運動量 F P F.... より質点の運動は既に明らかであり 質点の状態ベクトル
す 局所領域 ωk において 線形変換に用いる係数 (ak 画素の係数 (ak bk ) を算出し 入力画像の信号成分を bk ) は次式のコスト関数 E を最小化するように最適化 有さない画素に対して 式 (2) より画素値を算出する される これにより 低解像度な画像から補間によるアップサ E(
IR E-mail: hf@cs.chubu.ac.jp Abstract IR RGB ( ) IR IR IR RGB RGB PSNR 1 Time-Of- Flight(TOF)[1] Kinect [2] TOF LED TOF [3] [6] [4][5] 2 [6] RGB ( ) Infrared(IR) IR 2 2.1 1 す 局所領域 ωk において 線形変換に用いる係数 (ak
Google Goggles [1] Google Goggles Android iphone web Google Goggles Lee [2] Lee iphone () [3] [4] [5] [6] [7] [8] [9] [10] :
![Google Goggles [1] Google Goggles Android iphone web Google Goggles Lee [2] Lee iphone () [3] [4] [5] [6] [7] [8] [9] [10] :](/thumbs/91/105231422.jpg "Google Goggles [1] Google Goggles Android iphone web Google Goggles Lee [2] Lee iphone () [3] [4] [5] [6] [7] [8] [9] [10] :")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE.,, 182-8585 1-5-1 E-mail: {maruya-t,akiyama-m}@mm.inf.uec.ac.jp, yanai@cs.uec.ac.jp SURF Bag-of-Features
Microsoft PowerPoint - DA2_2019.pptx
Johnon のアルゴリズム データ構造とアルゴリズム IⅠ 第 回最大フロー 疎なグラフ, 例えば E O( V lg V ) が仮定できる場合に向いている 隣接リスト表現を仮定する. 実行時間は O( V lg V + V E ). 上記の仮定の下で,Floyd-Warhall アルゴリズムよりも漸近的に高速 Johnon のアルゴリズム : アイデア (I) 辺重みが全部非負なら,Dikra
COMPUTING THE LARGEST EMPTY RECTANGLE
COMPUTING THE LARGEST EMPTY RECTANGLE B.Chazelle, R.L.Drysdale and D.T.Lee SIAM J. COMPUT Vol.15 No.1, February 1986 2012.7.12 TCS 講究関根渓 ( 情報知識ネットワーク研究室 M1) Empty rectangle 内部に N 個の点を含む領域長方形 (bounding
Microsoft Word - 6_D_秋本.docx
45 ARマーカーを利用した3D 環境モデル構築手法の提案秋本高明 早川玲央 * A method for 3D environment model construction using the AR marker Takaaki AKIMOTO and Reo HAYAKAWA Abstract This paper proposes a method for constructing a 3D
Microsoft PowerPoint - ad11-09.pptx
無向グラフと有向グラフ 無向グラフ G=(V, E) 頂点集合 V 頂点の対を表す枝の集合 E e=(u,v) 頂点 u, v は枝 e の端点 f c 0 a 1 e b d 有向グラフ G=(V, E) 頂点集合 V 頂点の順序対を表す枝の集合 E e=(u,v) 頂点 uは枝 eの始点頂点 vは枝 eの終点 f c 0 a 1 e b d グラフのデータ構造 グラフ G=(V, E) を表現するデータ構造
Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷
熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている
2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]
![2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]](/thumbs/39/20193688.jpg "2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]")
Walking Person Recognition by Matching Video Fragments Masashi Nishiyama, Mayumi Yuasa, Tomokazu Wakasugi, Tomoyuki Shibata, Osamu Yamaguchi ( ), Corporate Research and Development Center, TOSHIBA Corporation
図1 ネイルレシピ検索システム概要 ントを取得することによって ユーザの持っている服に似合う コーディネートを検索するシステムを構築することを目的とし ている [7] 本研究では ネイルレシピを対象としており 場 所に対応しているかだけでなく ユーザの好みや腕も考慮して いる 津田らは 爪の反射率の
![図1 ネイルレシピ検索システム概要 ントを取得することによって ユーザの持っている服に似合う コーディネートを検索するシステムを構築することを目的とし ている [7] 本研究では ネイルレシピを対象としており 場 所に対応しているかだけでなく ユーザの好みや腕も考慮して いる 津田らは 爪の反射率の](/thumbs/91/104825768.jpg "図1 ネイルレシピ検索システム概要 ントを取得することによって ユーザの持っている服に似合う コーディネートを検索するシステムを構築することを目的とし ている [7] 本研究では ネイルレシピを対象としており 場 所に対応しているかだけでなく ユーザの好みや腕も考慮して いる 津田らは 爪の反射率の")
DEIM Forum 2017 P8-6 603 8555 651 2188 3-1 E-mail: {g1444206,g1245108,nakajima}@cc.kyoto-su.ac.jp, Mayumi Ueda@red.umds.ac.jp Web Web 1. 2015 2,223 [1] 2015 24,450 Web Web 2. Cookpad [2] [3] [4] rednails
IHIMU Energy-Saving Principle of the IHIMU Semicircular Duct and Its Application to the Flow Field Around Full Scale Ships IHI GHG IHIMU CFD PIV IHI M
IHIMU Energy-Saving Principle of the IHIMU Semicircular Duct and Its Application to the Flow Field Around Full Scale Ships IHI GHG IHIMU PIV IHI Marine United Inc. ( IHIMU ) has already developed several
次元圧縮法を導入したクエリに基づくバイクラスタリング 情報推薦への応用 武内充三浦功輝岡田吉史 ( 室蘭工業大学 ) 概要以前, 我々はクエリに基づくバイクラスタリングを用いた情報推薦手法を提案した. 本研究では, 新たに推薦スコアが非常に良く似たユーザまたはアイテムを融合する次元圧縮法を導入した. 実験として, 縮減前と縮減後のデータセットのサイズとバイクラスタ計算時間の比較を行う. キーワード
Fig. 3 Flow diagram of image processing. Black rectangle in the photo indicates the processing area (128 x 32 pixels).
Fig. 1 The scheme of glottal area as a function of time Fig. 3 Flow diagram of image processing. Black rectangle in the photo indicates the processing area (128 x 32 pixels). Fig, 4 Parametric representation
4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q
![4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q](/thumbs/92/110416683.jpg "4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q")
x-means 1 2 2 x-means, x-means k-means Bayesian Information Criterion BIC Watershed x-means Moving Object Extraction Using the Number of Clusters Determined by X-means Clustering Naoki Kubo, 1 Kousuke
b Kaochen- A Karaoke system which changes a singer s face by Yukihiro ODA BA Thesis at Future University Hakodate, 2014 Advis
25 - - b1010132 2014 1 31 A Karaoke system which changes a singer s face by Advisor: Kazushi MUKAIYAMA Department of Complex Media Architecture Future University Hakodate January 31, 2014 Abstract Now,
1 Web [2] Web [3] [4] [5], [6] [7] [8] S.W. [9] 3. MeetingShelf Web MeetingShelf MeetingShelf (1) (2) (3) (4) (5) Web MeetingShelf
![1 Web [2] Web [3] [4] [5], [6] [7] [8] S.W. [9] 3. MeetingShelf Web MeetingShelf MeetingShelf (1) (2) (3) (4) (5) Web MeetingShelf](/thumbs/79/80104027.jpg "1 Web [2] Web [3] [4] [5], [6] [7] [8] S.W. [9] 3. MeetingShelf Web MeetingShelf MeetingShelf (1) (2) (3) (4) (5) Web MeetingShelf")
1,a) 2,b) 4,c) 3,d) 4,e) Web A Review Supporting System for Whiteboard Logging Movies Based on Notes Timeline Taniguchi Yoshihide 1,a) Horiguchi Satoshi 2,b) Inoue Akifumi 4,c) Igaki Hiroshi 3,d) Hoshi
2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni
![2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni](/thumbs/86/94686225.jpg "2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni")
DEIM Forum 2012 B5-3 606 8510 E-mail: {zhao,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp Web, 1. Web Web TinEye 1 Google 1 http://www.tineye.com/ 1 2. 3. 4. 5. 6. 2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient
PowerPoint Presentation
付録 2 2 次元アフィン変換 直交変換 たたみ込み 1.2 次元のアフィン変換 座標 (x,y ) を (x,y) に移すことを 2 次元での変換. 特に, 変換が と書けるとき, アフィン変換, アフィン変換は, その 1 次の項による変換 と 0 次の項による変換 アフィン変換 0 次の項は平行移動 1 次の項は座標 (x, y ) をベクトルと考えて とすれば このようなもの 2 次元ベクトルの線形写像
21 e-learning Development of Real-time Learner Detection System for e-learning
21 e-learning Development of Real-time Learner Detection System for e-learning 1100349 2010 3 1 e-learning WBT (Web Based training) e-learning LMS (Learning Management System) LMS WBT e-learning e-learning
(Microsoft PowerPoint - \203|\203X\203^\201[\224\255\225\\\227p\216\221\227\ ppt)
Web ページタイプによるクラスタリングを用いた検索支援システム 折原大内海彰電気通信大学システム工学専攻 はじめに 背景 文書クラスタリングを用いた検索支援システム Clusty(http://clusty.jp/) KartOO(http://www.kartoo.com/) Carrot(http://www.carrot-search.com/) これらはすべてトピックによる分類を行っている
平成 28 年 6 月 3 日 報道機関各位 東京工業大学広報センター長 岡田 清 カラー画像と近赤外線画像を同時に撮影可能なイメージングシステムを開発 - 次世代画像センシングに向けオリンパスと共同開発 - 要点 可視光と近赤外光を同時に撮像可能な撮像素子の開発 撮像データをリアルタイムで処理する
平成 28 年 6 月 3 日 報道機関各位 東京工業大学広報センター長 岡田 清 カラー画像と近赤外線画像を同時に撮影可能なイメージングシステムを開発 - 次世代画像センシングに向けオリンパスと共同開発 - 要点 可視光と近赤外光を同時に撮像可能な撮像素子の開発 撮像データをリアルタイムで処理する画像処理システムの開発 カラー画像と近赤外線画像を同時に撮影可能なプロトタイプシステムの開発 概要 国立大学法人東京工業大学工学院システム制御系の奥富正敏教授らと
Microsoft PowerPoint - mp11-06.pptx
数理計画法第 6 回 塩浦昭義情報科学研究科准教授 shioura@dais.is.tohoku.ac.jp http://www.dais.is.tohoku.ac.jp/~shioura/teaching 第 5 章組合せ計画 5.2 分枝限定法 組合せ計画問題 組合せ計画問題とは : 有限個の もの の組合せの中から, 目的関数を最小または最大にする組合せを見つける問題 例 1: 整数計画問題全般
& Vol.5 No (Oct. 2015) TV 1,2,a) , Augmented TV TV AR Augmented Reality 3DCG TV Estimation of TV Screen Position and Ro
TV 1,2,a) 1 2 2015 1 26, 2015 5 21 Augmented TV TV AR Augmented Reality 3DCG TV Estimation of TV Screen Position and Rotation Using Mobile Device Hiroyuki Kawakita 1,2,a) Toshio Nakagawa 1 Makoto Sato
(VKIR) VKIR VKIR DCT (R) (G) (B) Ward DCT i
24 Region-Based Image Retrieval using Color Histogram Feature 1130340 2013 3 1 (VKIR) VKIR VKIR DCT (R) (G) (B) 64 64 Ward 20 1 20 1 20. 5 10 2 DCT i Abstract Region-Based Image Retrieval using Color Histogram
問 1 図 1 の図形を作るプログラムを作成せよ 但し ウィンドウの大きさは と し 座標の関係は図 2 に示すものとする 図 1 作成する図形 原点 (0,0) (280,0) (80,0) (180,0) (260,0) (380,0) (0,160) 図 2 座標関係 問 2
問 1 図 1 の図形を作るプログラムを作成せよ 但し ウィンドウの大きさは 400 200 と し 座標の関係は図 2 に示すものとする 図 1 作成する図形 原点 (0,0) (280,0) (80,0) (180,0) (260,0) (380,0) (0,160) 図 2 座標関係 問 2 for 文を用いて図 3 の様な図形を描くプログラムを作成せよ 但し ウィンドウのサイズは 300 300
スライド 1
Randomized Trees CV 1: [Lepetit et al., 2006] CV 2: [Shotton et al., 2008] CV 3: [Amit & Geman, 1997] [Moosmann et al., 2006] [ et al., 2010] CVへの応用例4: TomokazuMitsui パーツベースの人検出 [三井 et al., 2011] 人の領域をパーツに分割し
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE.
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. E-mail: {ytamura,takai,tkato,tm}@vision.kuee.kyoto-u.ac.jp Abstract Current Wave Pattern Analysis for Anomaly
IPSJ SIG Technical Report Vol.2009-CVIM-167 No /6/10 Real AdaBoost HOG 1 1 1, 2 1 Real AdaBoost HOG HOG Real AdaBoost HOG A Method for Reducing
Real AdaBoost HOG 1 1 1, 2 1 Real AdaBoost HOG HOG Real AdaBoost HOG A Method for Reducing number of HOG Features based on Real AdaBoost Chika Matsushima, 1 Yuji Yamauchi, 1 Takayoshi Yamashita 1, 2 and
3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]
![3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]](/thumbs/94/118738978.jpg "3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]")
3 E-mail: {akizuki}@isl.sist.chukyo-u.ac.jp Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2] Shape Index [3] [4][5] 3 SHOT [6] [7] Point Pair Feature
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS IEICE Technical Report IN ( ),
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS IEICE Technical Report IN215-96 (216-1), 5 8585 27 1 E-mail: 122422@mmm.muroran-it.ac.jp, hattori@csse.muroran-it.ac.jp Web Web Web
Microsoft PowerPoint - 資料04 重回帰分析.ppt
04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline
WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp
![WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp](/thumbs/91/107555259.jpg "WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp")
Query-by-Dancing: WISS 2018. Query-by-Dancing Query-by-Dancing 1 OpenPose [1] Copyright is held by the author(s). DJ DJ DJ WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias
HMD VR VR HMD VR HMD VR Eye-Gaze Interface on HMD for Virtual Reality Hiromu MIYASHITA Masaki HAYASHI Kenichi OKADA Faculty of Science and Technology,
HMD VR VR HMD VR HMD VR Eye-Gaze Interface on HMD for Virtual Reality Hiromu MIYASHITA Masaki HAYASHI Kenichi OKADA Faculty of Science and Technology, Keio University In the technology of the VR space,
bag-of-words bag-of-keypoints Web bagof-keypoints Nearest Neighbor SVM Nearest Neighbor SIFT Nearest Neighbor bag-of-keypoints Nearest Neighbor SVM 84
Bag-of-Keypoints Web G.Csurka bag-of-keypoints Web Bag-of-keypoints SVM 5.% Web Image Classification with Bag-of-Keypoints Taichi joutou and Keiji yanai Recently, need for generic image recognition is
untitled
KLT はエネルギを集約する カルーネンレーベ変換 (KLT) で 情報を集約する 要点 分散 7. 9. 8.3 3.7 4.5 4.0 KLT 前 集約 分散 0.3 0.4 4.5 7.4 3.4 00.7 KLT 後 分散 = エネルギ密度 エネルギ と表現 最大を 55, 最小を 0 に正規化して表示した 情報圧縮に応用できないか? エネルギ集約 データ圧縮 分散 ( 平均 ) KLT 前
光学
Fundamentals of Projector-Camera Systems and Their Calibration Methods Takayuki OKATANI To make the images projected by projector s appear as desired, it is e ective and sometimes an only choice to capture
47 海上における要救助者発見システムの基礎研究 伊藤芳浩 * 福本崇 ** Basic Research of Man-Overboard Detection System Yoshihiro Ito* and Takashi Fukumoto** Abstract In this paper,
47 海上における要救助者発見システムの基礎研究 伊藤芳浩 * 福本崇 ** Basic Research of Man-Overboard Detection System Yoshihiro Ito* and Takashi Fukumoto** Abstract In this paper, we focus on a falling accident from ships to the sea.
Microsoft PowerPoint - descriptor.ppt [互換モード]
![Microsoft PowerPoint - descriptor.ppt [互換モード]](/thumbs/94/118836169.jpg "Microsoft PowerPoint - descriptor.ppt [互換モード]")
1 局所特徴記述子を用いたバイオメトリクス認証の検討 A Study on Biometric Authentication Using Local Feature Descriptor 伊藤康一, 青山章一郎, 青木孝文 Koichi Ito, Shoichiro Aoyama and Takafumi Aoki 東北大学大学院情報科学研究科 Graduate School of Information
(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1
![(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1](/thumbs/49/25651654.jpg "(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. fnirs Kai Kunze 599 8531 1 1 223 8526 4 1 1 E-mail: yoshimura@m.cs.osakafu-u.ac.jp, kai@kmd.keio.ac.jp,
IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi
![IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi](/thumbs/104/162872164.jpg "IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi")
RGB-D RGB 3 1,a) 1 1 1 1 RGB-D 3. 3. RGB-D 3. RGB 3 3 1. 3 CG 3 3 3 3 RGB DTAM[1] MonoFusion[2] KinectFusion[3] 3 3 3 1 NAIST, Ikoma, Nara 630 0192, Japan a) takehara.hikari.tz9@is.naist.jp 3 3 3 3 [4],
IPSJ SIG Technical Report Vol.2014-IOT-27 No.14 Vol.2014-SPT-11 No /10/10 1,a) 2 zabbix Consideration of a system to support understanding of f
1,a) 2 zabbix Consideration of a system to support understanding of fault occurrences based on the similarity of the time series Miyaza Nao 1,a) Masuda Hideo 2 Abstract: With the development of network
C3 データ可視化とツール
< 第 3 回 > データ可視化とツール 統計数理研究所 中野純司 nakanoj@ism.ac.jp データ可視化とツール 概要 データサイエンティスト育成クラッシュコース データサイエンティストとしてデータ分析を行う際に必要な可視化の考え方と それを実行するためのフリーソフトウェアを紹介する 1. はじめに 2. 静的なグラフィックス 3. 動的なグラフィックス 4. 対話的なグラフィックス 1.