SICE東北支部研究集会資料(2013年)

Save this PDF as:
 WORD  PNG  TXT  JPG

Size: px
Start display at page:

Download "SICE東北支部研究集会資料(2013年)"

Transcription

1 280 ( ) 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) (image recognition) (edge image) (color information) (interest point detection) : Tel.&Fax.: (019) Lowe Scale-Invariant Feature Transform (SIFT) 1) SIFT SIFT SIFT SIFT Speeded Up Robust Features(SURF) Herbert Bay 2) SURF SIFT SIFT SURF SURF 1

2 2. SURF SURF SURF (a)log filter(lyy) (b)d filter(dyy) Fig. 1 LoG filter D filter ( y ) 1) 2) 3) 4) 2.1 DoG DoG DoG DoG (1) G(x, y, σ) L(x, y, σ) I(x, y) H(x, y, σ) [ ] Lxx (x, y, σ) I(x, y) L = xy (x, y, σ) I(x, y) L xy (x, y, σ) I(x, y) L yy (x, y, σ) I(x, y) L(x, y, σ) = G (x, y, σ) (2) G(x, y, σ) = 1 ( exp x2 + y 2 ) 2πσ 2 2σ 2 (3) (2) Fig.1(a) 2 LoG(Laplacian Of (1) Fig. 2 Gaussian) Fig.1 y LoG Fig.1(b) D (4) (4) 0.9 LoG D det(h approx ) = D xx I(x, y) D yy I(x, y) (0.9 D xy I(x, y)) 2 (4) (4) Fig.2 DoG σ D (4) DoG DoG 3 DoG 2

3 Fig. 3 Fig Fig.2 DoG 3 DoG 26 σ DoG DoG DoG n n-2 Fig.3 Fig Fig.3 DoG DoG DoG (4) Fig.2 DoG DoG DoG 1 λ 1 2 λ 2 (λ 1 > λ 2 ) λ 1 >> λ 2 λ 1 << λ 2 Fig

4 Fig. 5 Haar Fig. 7 Fig (dx, dy) dx, dx, dy, dy 4 4 4=64 σ 6 (dx,dy) Haar Haar Fig.5 (dx,dy) Fig.6 15 (5) Mn Mn = dx 2 + dy 2 (5) σ ( ) Fig.7 ( ) 4. SURF SURF SURF 4

5 SURF 4.1 (a) (b) Fig. 8 Fig.8(b) DoG D xx Fig.9 D xx Fig.1(b) D yy 90 Fig.9 0 D xx Fig.10 Fig.2 DoG 3 2 Fig.10 ( ) (4) D xx DoG Fig. 9 D xx Fig. 10 Fig.8(a) 39 Fig.8(b)

6 Fig. 11 Fig. 13 (Fig.8(a)) Fig.13 Fig. 12 RGB R G B 30 B R G 30 Fig.11 Fig.12 Fig.12 Fig SURF SURF Fig.14 Fig.15 SURF Fig.7 6

7 Table 1 性能比較 SURF 認識率 [%] 処理時間 [s] SURF +エッジ画像 提案型 SURF まとめ 本報告では SURF の高性能化を図るために Fig. 14 色による特徴点絞り込み後の特徴点 エッジ画像と色情報を用いた SURF を提案した そして 道路標識認識を例に性能評価を行った エッジ画像を使用することで 検出される特徴 点の数を増加させ 色情報を用いることで不要 な特徴点を削除する これにより処理の増加 特徴点数の増加に伴う処理時間の増加を抑えつ つ 認識率を高めることができた 今回は道路標識認識を例に処理を行ったが 道 路標識以外を認識する場合 色による判断が有 Fig. 15 提案型 SURF によるマッチング結果 効であるとは限らない しかし 検出したい物 体以外の部分に現れた特徴点を削除する手法は 有効であり 特徴点を物体上に多く残すことで 従来の SURF と提案型 SURF の性能の比較 認識率の向上が可能であると考えられる 今後 を示す 評価項目は画像の認識率と処理時間で の課題としては 物体上に多くの特徴点を残す ある 標識の認識基準は 認識したい標識との 手法の検討やハードウェア化による処理の高速 マッチングが 3 点以上とれている場合である 化が挙げられる 評価は Intel Core i GHz CPU Math Works 社 Matlab を用いて行った 用意した入 力画像は 26 枚であり 画像サイズは 参考文献 である これらの画像と標識のテンプレートと の間でマッチングを行った 処理時間は平均値 である 評価結果を Table1 に示す 提案型 SURF は従来の SURF に比べ 認識率 を大きく向上することができた さらに エッ ジ画像に加え 色情報も用いることにより 処 1) David G.Lowe Object Recognition from Local Scale-Invariant Features, Proc. of the International Conference on Computer Vision, Corfu Sept ) Herbert Bay, Tinne Tuytelaars, Luc Van Gool SURF: Speeded Up Robust Features, computer vision-eccv Lecture Notes in Computer Science, ) 今野峻一, 恒川佳隆, SURF 特徴点検出を用い た道路標識検出アルゴリズムの検討, 平成 24 年度第 3 回情報処理学会東北支部研究会 理時間の増加が抑えられた 7

paper.dvi

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

More information

色の類似性に基づいた形状特徴量CS-HOGの提案

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

More information

main.dvi

main.dvi PC 1 1 [1][2] [3][4] ( ) GPU(Graphics Processing Unit) GPU PC GPU PC ( 2 GPU ) GPU Harris Corner Detector[5] CPU ( ) ( ) CPU GPU 2 3 GPU 4 5 6 7 1 toyohiro@isc.kyutech.ac.jp 45 2 ( ) CPU ( ) ( ) () 2.1

More information

[1] SBS [2] SBS Random Forests[3] Random Forests ii

[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

More information

画像解析論(7) 講義内容

画像解析論(7) 講義内容 画 像 解 析 論 7 1 画 像 解 析 論 7 東 京 工 業 大 学 長 橋 宏 主 な 講 義 内 容 画 像 の 不 変 特 徴 量 と 各 種 特 徴 記 述 子 SIFTSURFFernsの 特 徴 とその 比 較 画 像 解 析 論 7 2 特 徴 検 出 器 と 特 徴 記 述 子 の 評 価 各 種 特 徴 検 出 器 検 出 器 と 特 徴 記 述 子 の 組 合 せおよび それぞれの

More information

光学

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

More information

f (x) f (x) f (x) f (x) f (x) 2 f (x) f (x) f (x) f (x) 2 n f (x) n f (n) (x) dn f f (x) dx n dn dx n D n f (x) n C n C f (x) x = a 1 f (x) x = a x >

f (x) f (x) f (x) f (x) f (x) 2 f (x) f (x) f (x) f (x) 2 n f (x) n f (n) (x) dn f f (x) dx n dn dx n D n f (x) n C n C f (x) x = a 1 f (x) x = a x > 5.1 1. x = a f (x) a x h f (a + h) f (a) h (5.1) h 0 f (x) x = a f +(a) f (a + h) f (a) = lim h +0 h (5.2) x h h 0 f (a) f (a + h) f (a) f (a h) f (a) = lim = lim h 0 h h 0 h (5.3) f (x) x = a f (a) =

More information

0 1-4. 1-5. (1) + b = b +, (2) b = b, (3) + 0 =, (4) 1 =, (5) ( + b) + c = + (b + c), (6) ( b) c = (b c), (7) (b + c) = b + c, (8) ( + b)c = c + bc (9

0 1-4. 1-5. (1) + b = b +, (2) b = b, (3) + 0 =, (4) 1 =, (5) ( + b) + c = + (b + c), (6) ( b) c = (b c), (7) (b + c) = b + c, (8) ( + b)c = c + bc (9 1-1. 1, 2, 3, 4, 5, 6, 7,, 100,, 1000, n, m m m n n 0 n, m m n 1-2. 0 m n m n 0 2 = 1.41421356 π = 3.141516 1-3. 1 0 1-4. 1-5. (1) + b = b +, (2) b = b, (3) + 0 =, (4) 1 =, (5) ( + b) + c = + (b + c),

More information

Microsoft PowerPoint - CV06.ppt [互換モード]

Microsoft PowerPoint - CV06.ppt [互換モード] コンピュータビジョン 特 論 Advanced Computer Vson 第 6 回 SIFTアプローチの 高 速 化 SURF(Speeded Up Robust Features) 処 理 の 流 れ 1. キーポイント 検 出 子 キーポイント( 特 徴 点 )の 検 出 スケール 探 索 2. 記 述 子 オリエンテーション 特 徴 量 の 記 述 SURFのキーポイント 検 出 子 処

More information

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) (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

More information

核融合…予稿集

核融合…予稿集 9:30 9:45 9:45 10:00 10:05 10:10 10:10 10:40 2 3 10:40 11:10 11:10 11:40 11:40 12:00 6 7 8 9 10 11 13:10 13:20 13:20 14:00 14:00 14:20 14:20 14:40 14:50 15:20 15:20 15:50 15:50 15:55 14 15 16 17 18 19

More information

aisatu.pdf

aisatu.pdf 1 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71

More information

2009/ 1/30 1.00

2009/ 1/30 1.00 No.1A00489a Ver 1.00 2009/ 1/30 1.00 > 2-1.... 1 2-2.... 2 2-3.... 3 2-3-1.... 3 2-3-2..NET Framework Version 2.0... 3 2-4.... 4 2-4-1..NET Framework Version 2.0 & Language Pack... 4 2-4-2. PC... 6

More information

yy yy ;; ;; ;; ;; ;; ;; ;; ;; ;; ;; ;; ;; ;; ;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ;;; ; ; ; ;; ;; ;; ;;; ;;; ;;; ;; ;; ;; ;; ;; ; ; ; ; ; ; ;

More information

2003/3 Vol. J86 D II No.3 2.3. 4. 5. 6. 2. 1 1 Fig. 1 An exterior view of eye scanner. CCD [7] 640 480 1 CCD PC USB PC 2 334 PC USB RS-232C PC 3 2.1 2

2003/3 Vol. J86 D II No.3 2.3. 4. 5. 6. 2. 1 1 Fig. 1 An exterior view of eye scanner. CCD [7] 640 480 1 CCD PC USB PC 2 334 PC USB RS-232C PC 3 2.1 2 Curved Document Imaging with Eye Scanner Toshiyuki AMANO, Tsutomu ABE, Osamu NISHIKAWA, Tetsuo IYODA, and Yukio SATO 1. Shape From Shading SFS [1] [2] 3 2 Department of Electrical and Computer Engineering,

More information

untitled

untitled - 1 - - 2 - 1. 2. 3. 4. 5. 6. - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - 216-0003 4-17-23 TEL&FAX 044-852-1098 240-8501 794 TEL&FAX 045-339-3720 1999 2001

More information

(3.6 ) (4.6 ) 2. [3], [6], [12] [7] [2], [5], [11] [14] [9] [8] [10] (1) Voodoo 3 : 3 Voodoo[1] 3 ( 3D ) (2) : Voodoo 3D (3) : 3D (Welc

(3.6 ) (4.6 ) 2. [3], [6], [12] [7] [2], [5], [11] [14] [9] [8] [10] (1) Voodoo 3 : 3 Voodoo[1] 3 ( 3D ) (2) : Voodoo 3D (3) : 3D (Welc 1,a) 1,b) Obstacle Detection from Monocular On-Vehicle Camera in units of Delaunay Triangles Abstract: An algorithm to detect obstacles by using a monocular on-vehicle video camera is developed. Since

More information

untitled

untitled 20 7 1 22 7 1 1 2 3 7 8 9 10 11 13 14 15 17 18 19 21 22 - 1 - - 2 - - 3 - - 4 - 50 200 50 200-5 - 50 200 50 200 50 200 - 6 - - 7 - () - 8 - (XY) - 9 - 112-10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 -

More information

untitled

untitled 19 1 19 19 3 8 1 19 1 61 2 479 1965 64 1237 148 1272 58 183 X 1 X 2 12 2 15 A B 5 18 B 29 X 1 12 10 31 A 1 58 Y B 14 1 25 3 31 1 5 5 15 Y B 1 232 Y B 1 4235 14 11 8 5350 2409 X 1 15 10 10 B Y Y 2 X 1 X

More information

3: 2: 2. 2 Semi-supervised learning Semi-supervised learning [5,6] Semi-supervised learning Self-training [13] [14] Self-training Self-training Semi-s

3: 2: 2. 2 Semi-supervised learning Semi-supervised learning [5,6] Semi-supervised learning Self-training [13] [14] Self-training Self-training Semi-s THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 599-8531 1-1 E-mail: tsukada@m.cs.osakafu-u.ac.jp, {masa,kise}@cs.osakafu-u.ac.jp Semi-supervised learning

More information

2

2 16 1050026 1050042 1 2 1 1.1 3 1.2 3 1.3 3 2 2.1 4 2.2 4 2.2.1 5 2.2.2 5 2.3 7 2.3.1 1Basic 7 2.3.2 2 8 2.3.3 3 9 2.3.4 4window size 10 2.3.5 5 11 3 3.1 12 3.2 CCF 1 13 3.3 14 3.4 2 15 3.5 3 17 20 20 20

More information

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

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

More information

xx/xx Vol. Jxx A No. xx 1 Fig. 1 PAL(Panoramic Annular Lens) PAL(Panoramic Annular Lens) PAL (2) PAL PAL 2 PAL 3 2 PAL 1 PAL 3 PAL PAL 2. 1 PAL

xx/xx Vol. Jxx A No. xx 1 Fig. 1 PAL(Panoramic Annular Lens) PAL(Panoramic Annular Lens) PAL (2) PAL PAL 2 PAL 3 2 PAL 1 PAL 3 PAL PAL 2. 1 PAL PAL On the Precision of 3D Measurement by Stereo PAL Images Hiroyuki HASE,HirofumiKAWAI,FrankEKPAR, Masaaki YONEDA,andJien KATO PAL 3 PAL Panoramic Annular Lens 1985 Greguss PAL 1 PAL PAL 2 3 2 PAL DP

More information

Microsoft Word - 46-B14.doc

Microsoft Word - 46-B14.doc ウェーブレット 空 間 でのMFP 機 用 フィルタ 処 理 Filtering Method for MFP in the Wavelet Domain 森 本 悦 朗 芝 木 弘 幸 水 納 亨 大 久 保 宏 美 カトリン ハ ークナー Etsuo MORIMOTO Hiroyuki SHIBAKI Toru SUINO Hiromi OKUBO Kathrin BERKNER 要 旨 MFP

More information

Microsoft PowerPoint - 201409_秀英体の取組み素材(予稿集).ppt

Microsoft PowerPoint - 201409_秀英体の取組み素材(予稿集).ppt 1 2 3 4 5 6 7 8 9 10 11 No Image No Image 12 13 14 15 16 17 18 19 20 21 22 23 No Image No Image No Image No Image 24 No Image No Image No Image No Image 25 No Image No Image No Image No Image 26 27 28

More information

(4) ω t(x) = 1 ω min Ω ( (I C (y))) min 0 < ω < C A C = 1 (5) ω (5) t transmission map tmap 1 4(a) 2. 3 2. 2 t 4(a) t tmap RGB 2 (a) RGB (A), (B), (C)

(4) ω t(x) = 1 ω min Ω ( (I C (y))) min 0 < ω < C A C = 1 (5) ω (5) t transmission map tmap 1 4(a) 2. 3 2. 2 t 4(a) t tmap RGB 2 (a) RGB (A), (B), (C) (MIRU2011) 2011 7 890 0065 1 21 40 105-6691 1 1 1 731 3194 3 4 1 338 8570 255 346 8524 1836 1 E-mail: {fukumoto,kawasaki}@ibe.kagoshima-u.ac.jp, ryo-f@hiroshima-cu.ac.jp, fukuda@cv.ics.saitama-u.ac.jp,

More information

2. 研 究 実 施 内 容 ( 文 中 に 番 号 がある 場 合 は(3-1)に 対 応 する) (1) 黄 瀬 グループ 局 所 特 徴 量 と 最 近 傍 探 索 を 用 いる 文 字 認 識 手 法 の 開 発 を 進 めた 特 に 今 年 度 は 高 速 化 に 注 力 した 具 体 的

2. 研 究 実 施 内 容 ( 文 中 に 番 号 がある 場 合 は(3-1)に 対 応 する) (1) 黄 瀬 グループ 局 所 特 徴 量 と 最 近 傍 探 索 を 用 いる 文 字 認 識 手 法 の 開 発 を 進 めた 特 に 今 年 度 は 高 速 化 に 注 力 した 具 体 的 共 生 社 会 に 向 けた 人 間 調 和 型 情 報 技 術 の 構 築 平 成 22 年 度 採 択 研 究 代 表 者 H24 年 度 実 績 報 告 黄 瀬 浩 一 公 立 大 学 法 人 大 阪 府 立 大 学 大 学 院 工 学 研 究 科 教 授 文 字 文 書 メディアの 新 しい 利 用 基 盤 技 術 の 開 発 と それに 基 づく 人 間 調 和 型 情 報 環 境 の 構

More information

boost_sine1_iter4.eps

boost_sine1_iter4.eps 3 (, 3D ) 2. 2 3.. 3D 3D....,,. a + b = f, a, f. b a (.) b a.: b f (.2), b f., f.2. 2 Y y Q(X,Y,Z) O f o q(x,y) Z X x image plane.2:.2, O, z,. O..2 (X, Y, Z) 3D Q..2 O f, x, y X, Y. Q OQ q, q (x, y). x

More information

チュートリアル:ノンパラメトリックベイズ

チュートリアル:ノンパラメトリックベイズ { x,x, L, xn} 2 p( θ, θ, θ, θ, θ, } { 2 3 4 5 θ6 p( p( { x,x, L, N} 2 x { θ, θ2, θ3, θ4, θ5, θ6} K n p( θ θ n N n θ x N + { x,x, L, N} 2 x { θ, θ2, θ3, θ4, θ5, θ6} log p( 6 n logθ F 6 log p( + λ θ F θ

More information

51 Fig. 2 2.1 2.2 2 X 1 X X Table 1 2.1 X 線 を 用 いた 試 験 の 概 要 X Fig. 3 X 1 1 X Table 2 X X 2.2 γ 線 を 用 いた 試 験 の 概 要 Fig. 4 192 192 Ir 60 60 CO Table 3

51 Fig. 2 2.1 2.2 2 X 1 X X Table 1 2.1 X 線 を 用 いた 試 験 の 概 要 X Fig. 3 X 1 1 X Table 2 X X 2.2 γ 線 を 用 いた 試 験 の 概 要 Fig. 4 192 192 Ir 60 60 CO Table 3 Bull. Soc. Sea Water Sci., Jpn., 68, 50-56(2014) Bulletin of the Society of Sea Water Science, Japan 特 集 非 破 壊 検 査 技 術 の 現 状 と 今 後 ( 解 説 ) プラント 設 備 における 放 射 線 による 検 査 の 現 状 と 今 後 永 田 博 幸 *1 *2, 清 水 重 之

More information

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3.....................................

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3..................................... 1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3........................................... 1 17.1................................................

More information

docomo Xperia(TM) GX SO-04D

docomo Xperia(TM) GX SO-04D GX SO-04D 1 2 Xi 1.5GHz Dual Core CPU 3 4 Android 4.0 5 6 DESIGN 7 8 DISPLAY 9 10 CAMERA 11 12 ALBUM 13 14 ALBUM 15 16 MOVIES 17 18 WALKMAN 20 19 USABILITY 21 22 USABILITY 23 24 CONNECTIVITY 25 26 ACCESSORIES

More information

SOM SOM(Self-Organizing Maps) SOM SOM SOM SOM SOM SOM i

SOM SOM(Self-Organizing Maps) SOM SOM SOM SOM SOM SOM i 20 SOM Development of Syllabus Vsualization System using Spherical Self-Organizing Maps 1090366 2009 3 5 SOM SOM(Self-Organizing Maps) SOM SOM SOM SOM SOM SOM i Abstract Development of Syllabus Vsualization

More information

258 5) GPS 1 GPS 6) GPS DP 7) 8) 10) GPS GPS 2 3 4 5 2. 2.1 3 1) GPS Global Positioning System

258 5) GPS 1 GPS 6) GPS DP 7) 8) 10) GPS GPS 2 3 4 5 2. 2.1 3 1) GPS Global Positioning System Vol. 52 No. 1 257 268 (Jan. 2011) 1 2, 1 1 measurement. In this paper, a dynamic road map making system is proposed. The proposition system uses probe-cars which has an in-vehicle camera and a GPS receiver.

More information

isai300413web.indd

isai300413web.indd 2012.4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 研究動向紹介 修士論文概要 次元計測に基づくテレオペレーションシステム 中京大学大学院 情報科学研究科 情報科学専攻 日比野 翔太郎 高所や災害現場などの極限環境での作業には人的被害が起こりやすいというリスクが常に伴う その 対策の一つとしてテレオペレーションロボットと呼ばれる遠隔操作ロボットによる作業が挙げられる

More information

現実認識型情報端末uScopeの提案

現実認識型情報端末uScopeの提案 uscope YRP E-mail: tesshi@sakamura-lab.org AR(Augmented Reality:) uscope POI(Point Of Interest) 1. AR(Augmented Reality)/MR(Mixed Reality) [1] Layer [2] GPS POI Point Of Interest POI 2(a) POI POI POI 2(b)

More information

Vol.74 C o n t e n t s

Vol.74 C o n t e n t s PublicRelationMagazine 2005 VOL.74 APRIL 2005.4.Vol.74 C o n t e n t s 1 2 2 3 1 2 3 1 1 Information From JA Iwate Chuo 1 2 3 4 5 7 8 9 W R Y U I O 1 4 6 7 8 0 Q E T Y I O P A 5 4 W 3 2 Q 0 1 9 8

More information

75 Author s Address: Possibility of Spatial Frequency Analysis of the Three-dimensional Appearance and Texture of Facial Skin

75 Author s  Address: Possibility of Spatial Frequency Analysis of the Three-dimensional Appearance and Texture of Facial Skin 75 Author s E-mail Address: torii@shoin.ac.jp Possibility of Spatial Frequency Analysis of the Three-dimensional Appearance and Texture of Facial Skin in Male Portraits TORII Sakura Faculty of Human Sciences,

More information

株主通信:第18期 中間

株主通信:第18期 中間 19 01 02 03 04 290,826 342,459 1,250,678 276,387 601,695 2,128,760 31,096 114,946 193,064 45,455 18,478 10,590 199,810 22,785 2,494 3,400,763 284,979 319,372 1,197,774 422,502 513,081 2,133,357 25,023

More information

株主通信 第16 期 報告書

株主通信 第16 期 報告書 10 15 01 02 1 2 3 03 04 4 05 06 5 153,476 232,822 6,962 19,799 133,362 276,221 344,360 440,112 412,477 846,445 164,935 422,265 1,433,645 26,694 336,206 935,497 352,675 451,321 1,739,493 30,593 48,894 153,612

More information

ワタベウェディング株式会社

ワタベウェディング株式会社 1 2 3 4 140,000 100,000 60,000 20,000 0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 5 6 71 2 13 14 7 8 9 10 11 12 1 2 2 point 1 point 2 1 1 3 point 3 4 4 5 6 point 4 point 5 point 6 13 14 15 16 point 17

More information

p01.qxd

p01.qxd 2 s 1 1 2 6 2 POINT 23 23 32 15 3 4 s 1 3 2 4 6 2 7003800 1600 1200 45 5 3 11 POINT 2 7003800 7 11 7003800 8 12 9 10 POINT 2003 5 s 45700 3800 5 6 s3 1 POINT POINT 45 2700 3800 7 s 5 8 s3 1 POINT POINT

More information

1003shinseihin.pdf

1003shinseihin.pdf 1 1 1 2 2 3 4 4 P.14 2 P.5 3 P.620 6 7 8 9 10 11 13 14 18 20 00 P.21 1 1 2 3 4 5 2 6 P7 P14 P13 P11 P14 P13 P11 3 P13 7 8 9 10 Point! Point! 11 12 13 14 Point! Point! 15 16 17 18 19 Point! Point! 20 21

More information

untitled

untitled 1 2 3 4 5 6 7 Point 60,000 50,000 40,000 30,000 20,000 10,000 0 29,979 41,972 31,726 45,468 35,837 37,251 24,000 20,000 16,000 12,000 8,000 4,000 0 16,795 22,071 20,378 14 13 12 11 10 0 12.19 12.43 12.40

More information

(b) BoF codeword codeword BoF (c) BoF Fergus Weber [11] Weber [12] Weber Fergus BoF (b) Fergus [13] Fergus 2. Fergus 2. 1 Fergus [3]

(b) BoF codeword codeword BoF (c) BoF Fergus Weber [11] Weber [12] Weber Fergus BoF (b) Fergus [13] Fergus 2. Fergus 2. 1 Fergus [3] * A Multimodal Constellation Model for Generic Object Recognition Yasunori KAMIYA, Tomokazu TAKAHASHI,IchiroIDE, and Hiroshi MURASE Bag of Features (BoF) BoF EM 1. [1] Part-based Graduate School of Information

More information

2007.3„”76“ƒ

2007.3„”76“ƒ 76 19 27 19 27 76 76 19 27 19 27 76 76 19 27 19 27 76 76 19 27 19 27 76 1,27, 2, 88, 8,658 27, 2,5 11,271,158 1,712,876 21,984,34 1,, 6, 7, 2, 1,78, 1,712,876 21,492,876 27, 4, 18, 11,342 27, 2,5 491,158

More information

1631 70

1631 70 70 1631 1631 70 70 1631 1631 70 70 1631 1631 70 70 1631 1631 70 70 1631 1631 70 70 1631 9,873,500 9,200,000 673,500 2,099,640 2,116,000 16,360 45,370 200,000 154,630 1,000,000 1,000,000 0 648,851 730,000

More information