スライド 1

TRECVID Semantic Indexing TaskとMultimedia Event Detection Taskへの取り組み

OS5-O2 TRECVID Semantic Indexing Taskと Multimedia Event Detection Taskへの取り組み 樋爪和也, 柳井啓司 ( 電気通信大学 ) 背景 コンテンツベースの映像検索手法が盛んに TRECVID: 国際的な評価ワークショップ 膨大なデータ処理の必要性 4000 時間の大規模データ 本発表について TRECVID の概要 SIN タスク

IPSJ SIG Technical Report Vol.2011-CVIM-177 No /5/ TRECVID2010 SURF Bag-of-Features 1 TRECVID SVM 700% MKL-SVM 883% TRECVID2010 MKL-SVM A

1 1 TRECVID2010 SURF Bag-of-Features 1 TRECVID SVM 700% MKL-SVM 883% TRECVID2010 MKL-SVM Analysis of video data recognition using multi-frame Kazuya Hidume 1 and Keiji Yanai 1 In this study, we aim to

時空間特徴を用いた Web動画からの特定動作対応ショットの 自動抽出

Web 動画 画像を用いた 特定動作ショットの自動収集 DO HANG NGA 樋爪和也柳井啓司 電気通信大学情報工学科 背景 既存の動画学習手法制限のある動画像 (e.g. KTH, Caltech) 教師なし学習手法 Web 上の動画 教師信号あり 動画量が少ない 研究の目的 特定動作についての Web データを使用して その動作の対応ショットを自動抽出 大量の Web 動画 ランキング 学習の必要なし

スライド 1

A SURF-based Spatio-Temporal Feature for Feature-fusion-based Action Recognition 1. Background & Objective action recognition object/scene recognition Bag-of-features (BoF) of spatiotemporal features [Dollar

IPSJ SIG Technical Report Vol.2010-CVIM-171 No /3/19 1. Web 1 1 Web Web Web Multiple Kernel Learning(MKL) Web ( ) % MKL 68.8% Extractin

1. Web 1 1 Web Web Web Multiple Kernel Learning(MKL) Web ( ) 200 57.2% MKL 68.8% Extracting Spatio-Temporal Local Features for Classifying Web Video Shots Akitsugu Noguchi 1 and Keiji Yanai 1 Nowadays,

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 - 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

Automatic Collection of Web Video Shots Corresponding to Specific Actions using Web Images

視覚特徴およびタグ共起を用いた 大規模 Web ビデオショットランキング 電気通信大学大学院情報理工学研究科 総合情報学専攻 Do Hang Nga 柳井啓司 背景 Web 動画 : 無限に存在 無料で取得可能 - YouTube, Daily Motion etc. Web 動画による動作データ収集 ただし Web 上の動画はノイズが多い 関連動画 Play trumpet 非関連動画 非対応ショット

(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

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

2016.

第121回関東連合産科婦人科学会総会・学術集会　プログラム・抄録

(MIRU2009) cuboid cuboid SURF 6 85% Web. Web Abstract Extracting Spatio-te

(MIRU2009) 2009 7 182 8585 1 5 1 E-mail: noguchi-a@mm.cs.uec.ac.jp, yanai@cs.uec.ac.jp cuboid cuboid SURF 6 85% Web. Web Abstract Extracting Spatio-temporal Local Features Considering Consecutiveness of

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

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

homes01_P027-084_chousa_sai.indd

1 027 1 028 029 030 031 032 033 2 034 035 3 3-1 1 036 2 3 037 038 4 039 3-2 1 040 041 2 category 1 042 043 category 2 044 045 category 3 046 047 category 4 048 049 category 5 050 051 category 6 052 053

スライド 1

CNN を用いた弱教師学習による画像領域分割 下田和, 柳井啓司 電気通信大学 大学院情報理工学 研究科 総合情報学専攻 c 2015 UEC Tokyo. Convolutional Neural Network CNN クラス分類タスクにおいてトップの精度 CNN の応用 ( 物体位置の認識 ) 物体検出 物体に BB を付与 領域分割 ピクセル単位の認識 CNN を用いた領域分割 CNN による完全教師ありのセグメンテーション

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

Microsoft PowerPoint - Lec24 [互換モード]

第 11 回講義水曜日 1 限教室 618 情報デザイン専攻 画像情報処理論及び演習 II - 動画像処理 - Video Styliztion 吉澤信 shin@riken.jp, 非常勤講師 大妻女子大学社会情報学部 今日の授業内容 www.riken.jp/brict/yoshizw/lectures/index.html www.riken.jp/brict/yoshizw/lectures/lec4.pdf

Visual班

Multimedia(Visual) 班 早稲田大学基幹理工学部情報通信学科甲藤研究室 1 Multimedia 班とは 画像処理の研究を中心に扱っています 主な研究分野 動画像圧縮符号化 圧縮動画像の画質推定 画像認識 4K, 8K, HDR 車載画像処理 画像信号処理からコンピュータビジョンまで 動画像に関する研究を幅広く扱っています 動画像に関係するものであれば 何でも研究できる! 2 動画像圧縮符号化

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!

研究成果報告書

様式 C-19 科学研究費助成事業 ( 科学研究費補助金 ) 研究成果報告書 平成 25 年 5 月 27 日現在 機関番号 :17401 研究種目 : 基盤研究 (C) 研究期間 :2010~2012 課題番号 :22500111 研究課題名 ( 和文 ) 映像想起とそのスケッチ表現メカニズムを利用した未整理映像の検索方式研究課題名 ( 英文 )Video Retrieval System Using

Microsoft PowerPoint - IBIS-shinoda-print.pptx

第 15 回情報理論的学習理論ワークショップ (IBIS2012) コミュニケーションとしての 映像とその検索 篠 浩 ( 東京 業 学 ) 講演の内容 1. 声と映像 2. TRECVID Semantic Indexing (SIN) 3. SIN のための 声技術 4. TRECVID Multimedia Event Detection (MED) 5. まとめ 2 EB/Month 600

1. はじめに 2

点予測と能動学習を用いた効率的なコーパス構築 形態素解析における実証実験 京都大学情報学研究科 Graham NEUBIG 1 1. はじめに 2 形態素解析 べた書きの文字列を意味のある単位に分割し 様々な情報を付与 品詞 基本形 読み 発音等を推定 農産物価格安定法を施行した 価格 / 名詞 / 価格 / かかく / かかく安定 / 名詞 / 安定 / あんてい / あんてー法 / 接尾辞 /

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,,,,

Microsoft Word - SKY操作マニュアル.doc

2. 使用方法 SKY の使用方法について説明する前に 画面構成について説明する SKY は図 c-2 に示すようにシングルインターフェースドキュメント (SDI) で作成しており 図 3 に示すメニュバーに機能拡張処理を実行可能な項目を作成している また メニューの構成を図 4 に示すとおり 1ファイル 2イメージ 3 設定 4フィルタの4つの大きな項目に分かれる 1 図 2 SKY のメイン画面

140926_LPLKN_右.pdf

THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. TRECVID2012 Instance Search {sak

THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. TRECVID2012 Instance Search 599 8531 1 1 E-mail: {sakata,matozaki}@m.cs.osakafu-u.ac.jp, {kise,masa}@cs.osakafu-u.ac.jp

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,

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

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

高次元データ スパース正則化学習法 最適化手法 proximal point algorithm 確率最適化手法 2

正則化学習法における最適化手法 鈴木大慈東京大学情報理工学系研究科数理情報学専攻 2013/2/18@ 九州大学伊都キャンパス文部科学省委託事業数学協働プログラム 最適化ワークショップ : 拡がっていく最適化 1 高次元データ スパース正則化学習法 最適化手法 proximal point algorithm 確率最適化手法 2 問題設定スパース正則化学習 3 高次元線形判別 物体認識 音声認識 自然言語処理

ZoomBrowser EX Ver5.7 使用説明書（Windows）

Canon Utilities ZoomBrowser EX 5.7 RAW Image Task. PhotoStitch. EOS-D Mark II N EOS-Ds Mark II EOS-D Mark II EOS-Ds EOS-D EOS 5D EOS 0D EOS 0D EOS 0D EOS Kiss Digital X EOS Kiss Digital N EOS Kiss Digital

ＦＭＶ取扱ガイド

1 ........................................ 5....................................... 5................................................. 10................................................. 14.................................................

ＦＭＶ取扱ガイド

1 ........................................ 4....................................... 4................................................. 8................................................. 12.................................................

取扱ガイド

........................................ 4....................................... 4................................................. 8................................................. 10.................................................

ＦＭＶ取扱ガイド

1 ........................................ 4....................................... 4................................................. 8................................................. 9.................................................

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,

１　はじめに

RF_1

RF_1 10/04/16 10:32 http://rftechno.web.infoseek.co.jp/rf_1.html 1/12 RF_1 10/04/16 10:32 http://rftechno.web.infoseek.co.jp/rf_1.html 2/12 RF_1 10/04/16 10:32 http://rftechno.web.infoseek.co.jp/rf_1.html

u u u 1 1

研究背景 センサなどによって観測される情報の多くは時系列列データ たくさんの時系列列データの中から有益な情報を取得し その内容を理理解する 手法の開発が重要 取得された情報をより抽象度度の 高いレベルで表現 時系列列データの振る舞いを 言語で説明する 手法の開発 HandRight_x HandRi

高次元の時系列列データの潜在意味 解析に基づく 言語化 手法の開発 小林林 一郎郎 お茶茶の 水 女女 子 大学 研究背景 センサなどによって観測される情報の多くは時系列列データ たくさんの時系列列データの中から有益な情報を取得し その内容を理理解する 手法の開発が重要 取得された情報をより抽象度度の 高いレベルで表現 時系列列データの振る舞いを 言語で説明する 手法の開発 HandRight_x

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

JSP58-program

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

画像情報処理の基礎

AI artificial intelligencedeep learning; OpenCV C MATLAB Python ii 1 1 10 11 14 2019 3 1. 1.1... 1 1.2... 2 1.2.1 3... 2 1.2.2... 2 1.2.3... 2 1.3... 3 1.3.1 RGB... 3 1.3.2 YIQ... 3 1.3.3 HSI... 3 1.3.4

EOS-1D Mark IV 製品カタログ

１段階処理の予測法(One Step Model) を用いた雑音抑圧技術

動画像や音における不必要情報の抑圧と 目的情報の移動追跡 諏訪東京理科大学 工学部コンピュータメディア工学科 田邉造 (TANABE Nari) 研究背景 様々な場面においてディジタル画像 映像が用いられる 防災 防犯 生活 日常 防災災害映像 監視カメラ映像 車載カメラ モバイル機器 生命 医療 産業 社会 超音波検査装置 CT スキャン画像 エリアセンサカメラ 赤外線カメラ 市場規模の拡大 1

Microsoft Word - H264サンプル.doc

14 ( 式 1.4.2) p [0, -1] = (3*p[0, -1] + p[1, -1] + 2) >> 2 p [x, -1](x = 0,, 7) については ( 式 1.4.3) p [x, -1] = (p[x-1, -1] + 2*p[x, -1] + p[x+1, -1] + 2) >>2 p [x, -1](x = 8,, 15) については p[x, -1](x=8,, 15)

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

MATLAB ではじめる画像処理とロボットビジョン ~ 機械学習による物体認識と SLAM~ MathWorks Japan アプリケーションエンジニアリング部信号処理 通信 木川田亘 2015 The MathWorks, 1Inc.

MATLAB ではじめる画像処理とロボットビジョン ~ 機械学習による物体認識と SLAM~ MathWorks Japan アプリケーションエンジニアリング部信号処理 通信 木川田亘 2015 The MathWorks, 1Inc. ロボットビジョンとは ロボットに搭載することを目的としたコンピュータービジョン技術の一分野 標識認識などさまざまな環境下での物体認識や複雑なシーンの理解 未知の領域を探索する際にロボット自身の位置推定と地図作成(SLAM)

(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,

(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

スライド 1

2009 年度 VMStudio & TMStudio 学生研究奨励賞 テキストマイニングツールを 利用した視線データの分析 東京大学大学院工学系研究科 白山研究室 江川陽 樋渡哲郎 1 目次 背景 目的 手法 実験 結果 考察 結論 2 背景 : 視線分析とは 視線分析とは 人間の視線の移動軌跡や分布 ( 視線データ ) を計測 分析することにより 人の認知処理を観察 解明するための手法 近年,

untitled

<4D6963726F736F667420576F7264202D2081A193B98BE257656290EA97708CFB8DC08B4B92E88179918D8D878CFB8DC0817A816990568B4B816A81798A6D92E894C5817A2E646F63>

untitled

橡okamura-ppt.PDF

2

1

夏目小兵衛直克

39(1906)1222 14(1817) 3(1832)1514(1843) 2628 6 (1853) (1854)3727 3(1856) 1 / 13 5(1858)6(1859) 5(1853) () () () () () () 3(1867)29 504111( 2 / 13 )98 23 18 2(1869)310283 100 50() 58 226 3313200982 5033

nenkin.PDF

1 31 1 WEB 10 3,544 429 13 10 22 11 7 WEB 1 2 41.0 15 80.0 20 46.7% 1000 55.8 1000 34.4 21 18.2 1000 23 25 41.0 49.2 29 90.6 42.7 33 56.4% 79.2% 67.4 51.7 37 39 83.7 1 91.0 93.6 9 2 3 1000 96.3 300 1000

-1-

-1- -2- -3-1 8 6% 2 4 6 8 1 48 63 43 6 55 38 78 58 2 88 67 11 22 78 1 56 22 89 47 34 36 32 38 4 34 26 7 -4- 18-5- 3 25 28 (6.%) (6.%) (.9%) 2 15 18 158 1 (3.8%) (56.4%) 5 2 137 27 8 1 68 119 26 71 28 65

( )

Web Web 1 3 1 21 11 22 23 24 3 2 3 4 5 1 1 11 22 9 2 3 15 11 22 2 11 21 4 5 ( ) 102 ( ) 1 ( 1 2001 Web 1 5 4 1 1 - 7 - [] - 7 10 11 12 12 1 10 1 12 - [] 1 1 2 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 3 1 47

Coding theorems for correlated sources with cooperative information

グラフコストの逐次更新を用いた映像顕著領域の自動抽出 2009 年 5 月 28 日 福地賢宮里洸司 (2) 木村昭悟 (1) 高木茂 (2) 大和淳司 (1) (1) 日本電信電話 ( 株 )NTT) コミュニケーション科学基礎研究所メディア情報研究部メディア認識研究グループ (2) 国立沖縄工業高等専門学校情報通信システム工学科 背景 ヒトはどのようにして もの を認識する能力を獲得するのか?

h1-h4（京産版）2016

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.

使用説明書（Windows）

Canon Utilities ZoomBrowser EX 5.8 RAW Image Task.6 PhotoStitch. EOS-D Mark III EOS-D Mark II N EOS-Ds Mark II EOS-D Mark II EOS-Ds EOS-D EOS 5D EOS 0D EOS 0D EOS 0D EOS Kiss Digital X EOS Kiss Digital

画像解析論（２）　講義内容

画像解析論 画像解析論 東京工業大学長橋宏 主な講義内容 信号処理と画像処理 二次元システムとその表現 二次元システムの特性解析 各種の画像フィルタ 信号処理と画像処理 画像解析論 処理の応答 記憶域 入出力の流れ 信号処理系 実時間性が求められる メモリ容量に対する制限が厳しい オンラインでの対応が厳しく求められる 画像処理系 ある程度の処理時間が許容される 大容量のメモリ使用が容認され易い オフラインでの対応が容認され易い

1 2 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 ) i ii i ii 45 46 47 2 48 49 50 51 52 53 54 55 56 57 58

23 15961615 1659 1657 14 1701 1711 1715 11 15 22 15 35 18 22 35 23 17 17 106 1.25 21 27 12 17 420,845 23 32 58.7 32 17 11.4 71.3 17.3 32 13.3 66.4 20.3 17 10,657 k 23 20 12 17 23 17 490,708 420,845 23

- - i

untitled

i ii (1) (1) (2) (1) (3) (1) (1) (2) (1) (3) (1) (1) (2) (1) (3) (2) (3) (1) (2) (3) (1) (1) (1) (1) (2) (1) (3) (1) (2) (1) (3) (1) (1) (1) (2) (1) (3) (1) (1) (2) (1) (3)

29

喀痰吸引

平成１８年度「商品先物取引に関する実態調査」報告書

... 1.... 5-1.... 6-2.... 9-3.... 10-4.... 12-5.... 13-6.... 15-7.... 16-8.... 17-9.... 20-10.... 22-11.... 24-12.... 27-13... 29-14.... 32-15... 37-16.... 39-17.... 41-18... 43-19... 45.... 49-1... 50-2...

Microsoft PowerPoint - ●SWIM_ _INET掲載用.pptx

シーケンスに基づく検索モデルの検索精度について 東京工芸大学工学部コンピュータ応用学科宇田川佳久 (1/3) (2/3) 要員数 情報システム開発のイメージソースコード検索機能 他人が作ったプログラムを保守する必要がある 実務面での応用 1 バグあるいは脆弱なコードを探す ( 品質の高いシステムを開発する ) 2 プログラム理解を支援する ( 第 3 者が書いたコードを保守する ) 要件定義外部設計内部設計

Chap3.key

区分求積法. 面積 ( )/ f () > n + n, S 長方形の和集合で近似 n f (n ) リーマン和 f (n ) 区分求積法 リーマン和 S S n n / n n f ()d リーマン積分 ( + ) + S (, f ( )) 微分の心 Zoom In して局所的な性質を調べる 積分の心 Zoom Ou して大域的な性質を調べる 曲線の長さ 領域の面積や体積 ある領域に含まれる物質の質量

画像処理工学

画像処理工学 画像の空間周波数解析とテクスチャ特徴 フーリエ変換の基本概念 信号波形のフーリエ変換 信号波形を周波数の異なる三角関数 ( 正弦波など ) に分解する 逆に, 周波数の異なる三角関数を重ねあわせることにより, 任意の信号波形を合成できる 正弦波の重ね合わせによる矩形波の表現 フーリエ変換の基本概念 フーリエ変換 次元信号 f (t) のフーリエ変換 変換 ( ω) ( ) ωt F f

2016年度 九州大・理系数学

0 九州大学 ( 理系 ) 前期日程問題 解答解説のページへ 座標平面上の曲線 C, C をそれぞれ C : y logx ( x > 0), C : y ( x-)( x- a) とする ただし, a は実数である を自然数とするとき, 曲線 C, C が 点 P, Q で交わり, P, Q の x 座標はそれぞれ, + となっている また, 曲線 C と直線 PQ で囲まれた領域の面積を S,

IPSJ SIG Technical Report Vol.2012-EC-23 No /3/ Video Retrieval System of Handwriting Sketch using Relevance Feedback Akihiro Aita 1 and M

1 2 Video Retrieval System of Handwriting Sketch using Relevance Feedback Akihiro Aita 1 and Masashi Toda 2 It is difficult to represent video scenes using keywords. Therefore, in video retrieval, it is

No.

No. No. 2 3 2 6 7 13 23 35 45 47 49 1 2 3 4 8 9 6 1 2 3 8 4 9 10 11 12 1 2 3 14 4 15 16 17 18 19 20 21 22 1 2 24 3 25 4 26 27 28 29 30 31 32 33 34 1 2 3 36 4 37 38 39 40 41 42 43 44 45 46 47 48 Active

Microsoft PowerPoint - 9.pptx

9/7/8( 水 9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 拡大とスカラー倍 行列演算と写像 ( 次変換 拡大後 k 倍 k 倍 k 倍拡大の関係は スカラー倍を用いて次のように表現できる p = (, ' = k ' 拡大前 p ' = ( ', ' = ( k, k 拡大 4 拡大と行列の積 拡大後 k 倍

Microsoft PowerPoint - 9.pptx

9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 行列演算と写像 ( 次変換 3 拡大とスカラー倍 p ' = ( ', ' = ( k, kk p = (, k 倍 k 倍 拡大後 k 倍拡大の関係は スカラー倍を用いて次のように表現できる ' = k ' 拡大前 拡大 4 拡大と行列の積 p ' = ( ', '

Microsoft PowerPoint - Multi Camera (Final Vision.)

Multi Camra Visual Fdack Systm FL06-25-1 11/27/2006 尹磊々 1 はじめに Ey-in-hand カメラ構造 Synchronization Ey-in-hand カメラ構造のシンクロ 今回の提案 : Multi camra visual fdack systm マニピュレータダイナミクスが入ってないカメラのみのシステム 2 今日の流れ 前半部分 -

PNopenseminar_2011_開発stack

PROFINET Open Seminar 開発セミナー Software Stack FPGA IP core PROFINET 対応製品の開発 2 ユーザ要求要求は多種多様 複雑な規格の仕様を一から勉強するのはちょっと.. できるだけ短期間で 柔軟なスケジュールで進めたい既存のハードウェアを変更することなく PN を対応させたい将来的な仕様拡張に対してシームレスに統合したい同じハードウェアで複数の

Microsoft PowerPoint CRCフォーラム「動的背景差分（中島)」Web公開用.ppt

第 5 回 ( 平成 26 年度第 2 回 )CRCフォーラム( 平成 26 年 9 月 19 日 ( 金 ) 開催 ) 安全 安心のための画像 映像技術 動的背景差分による移動物体の検出 中島克人教授未来科学部情報メディア学科 平成 26 年度東京電機大学第 2 回 CRC フォーラム 安全 安心のための画像 映像技術 動的背景差分法による 移動物体の検出 2014.9.19 東京電機大学未来科学部情報メディア学科中島克人

測量士補 重要事項 応用測量 点高法による土量計算

点高法による土量計算 < 試験合格へのポイント > 点高法による土量計算は H9 年度を最後にその出題はない 特に三角形法を用いた土量計算は H 年度が最後の出題であり 26 年ぶりの出題となった 特に公式を覚える必要はないが計算方法を理解することが大切である 1. 点高法による土量計算の方法 点高法による土量計算とは 盛土 ( 又は切土 ) する敷地を長方形 ( 又は三角形 ) に分割し その交点の高さを測り計画高との高低差を求め