<4D F736F F F696E74202D D92E897CA90B695A88A7782CC89EF B A B2D C5>
|
|
- なつき いまいだ
- 5 years ago
- Views:
Transcription
1 定量 物学の会チュートリアル画像情報学研究者は何をやっているのか? イントロダクション 九州 学システム情報科学研究院情報知能 学部 内 誠 2012/11/23 13:00-14:30 オートファジー と聞いて 動ファジー (fuzzy) 理論 のことだろうと思ったのが 3 年前 本チュートリアルの内容 ひとこと デジタル画像 標本化 量 化 圧縮 画像処理 パターン認識 情報系学 向け画像処理講義の 第 回 を模擬体験 なるべく広く浅く 詳細は当 にお問い合わせ uchida@ait.kyushu-u.ac.jp バイオと画像情報学のこれからのコラボについて 本チュートリアルでは数式がほとんど出ません 直観的な理解のしやすさを追求 物 りない, すみません! 実際には画像情報学では数学使いまくりです 確率統計, 線形代数, 解析学, 最適化, 組合せ理論 決して好き勝 にプログラム組んではないので, 誤解なきよう! でも 理屈と膏薬はどこへでもつく 的場合もアリ
2 第 部開始情報 学部学 の模擬体験 情報 学部 模擬体験 ( その 1) 画像の標本化 (sampling) 画像情報 学, 第 回 講義が始まります 泣く も黙る, 情報理論の基礎の基礎 標本化 (sampling) 連続データを離散点で表現すること標本点 (sample point) 連続データ 標本化 (sampling) アナログ世界 デジタル世界 標本化周期 ( 間隔 )
3 標本化 画像の場合 なぜ標本化が必要? コンピュータでは連続データ ( アナログデータ ) は扱えないから コンピュータ上のデータは有限 の0/1 系列で表現 デジカメ コンピュータだから, デジカメによる写真にも標本化が必要 アナログ世界 連続的 デジタル世界 点 ( 画素 ) の集合 cf. 昔のフィルムカメラはアナログデータ 驚くべき事実! 標本化定理の概念 アナログ世界 ( ある条件を満たせば ) のぞき からの情報で, 壁の向こうが完全に復元できる! ディジタル画像からアナログ画像に戻せる!? 標本化定理 Sampling theorem アナログ世界 デジタル世界 CD が聞けるのも, ディジタル放送が れるのも, ディカメ写真が れるのもこのお陰 標本化定理 : のぞき からの情報で, 壁の向こうがすべてわかる!
4 そんなウマい話があるのか 標本化定理 周波数 条件 ある条件を満たせば のぞき からの情報で 壁の向こうが完全に復元できる 連続データの最 周波数が fmax のとき 周期 T< 1/(2 fmax ) 毎 に標本化すれば どうもこの辺が怪しい 標本値 ディジタル から 連続データ アナログ を再現可能 もう つの驚くべき事実 画像の周波数分解 濃淡値 信号値 周波数 成分の細かさ 雑把に って 画像は様々な周波数を持つ 三 関数の和 で表現できる 合計
5 任意の 8x8 濃淡画像は,64 種の 2 次元三 関数の加重和で表現可能 任意の 8x8 濃淡画像は,64 種の 2 次元三 関数の加重和で表現可能 任意の 2 次元ベクトルは 2 個の 2 次元単位ベクトルで表現可能 任意の3 次元ベクトルは3 個の3 次元単位ベクトルで表現可能 任意の 64 次元ベクトルは 64 個の 64 次元単位ベクトルで表現可能 話は戻って, 標本化定理条件 連続データの最 周波数が fmax のとき, 周期 T< 1/(2 fmax ) 毎に標本化すれば, = 元画像 標本値 ( ディジタル ) から連続データ ( アナログ ) を再現可能 ホントにできることの例証
6 連続データに含まれる標本化定理最も細かい変化が 条件 連続データの最 周波数が fmax のとき, 周期 T< 1/(2 fmax ) 毎に標本化すれば, 細かければ細かいほど短い周期で標本化すれば 標本化定理 最も極端な場合 最 周波数がゼロであることが分かっていれば (= 変化なし ) 周期は無限 で OK 条件 連続データの最 周波数が fmax のとき, 周期 T< 1/(2 fmax ) 毎に標本化 標本化定理の タネアカシ 1. 最 周波数がわかっている標本値 ( ディジタル ) から 2. その最 周波数に応じた周期で標本化している連続データ ( アナログ ) を再現可能 1 点から元の連続データが完全に求まる 標本化定理の概念 標本化定理の概念 標本化定理 : のぞき からの情報で, 壁の向こうがすべてわかる! 細かい模様はないという事前情報があるなら, 安 して 壁の向こう を確定できる
7 標本化定理の概念 ( つづき )? 標本化周期 ( 解像度 ) による画像の変化 細かい縞模様? 640x x240 予想以上に細かい模様があると, 壁の向こうを誤解してしまう? 160x120 80x60 実際のところ 多くの画像は無限 の周波数を含む 急激な変化をするエッジ部分 ゆえにどんなに標本化周波数を上げても ( 解像度化しても ) 完全な復元 は不可能 情報 学部 模擬体験 ( その 2) 画像の量 化 (quantization) オトナの四捨五 こんな 空だと OK これだとアウト
8 32 (5bit) 256 (8bit) 16 (4bit) 64 (6bit) 量 化の概念 : 連続量 ( 四捨五 的処理 ) 離散量 必ずロスが発 ( 元には戻らない ) 4 量 化誤差 3 量 化 標本化された信号標本化 + 量 化された信号 (1.74, , 2.897,..) (4,0,4,4,3,3,3,1,2,1,0) 2 (1bit) 8 (3bit) 4 (2bit) 32 (5bit 3) RGB 各 256レベル (8bit 3=24bit) 16 (4bit 3) 64 (6bit 3) 偽輪郭 が発
9 RGB 各 8 レベル (3bit 3) 4 (2bit 3) 量 化について 標本化 + 量 化でようやくデジタルに 計算機で扱えるようになります 量 化の単位 =bit 8 ビット量 化 =2 8 レベル=256レベル量 化 2 (1bit 3) 量 化レベルの設定 画素の確率分布がわかれば最適化可能 (Lloyd-Max) でも普通は 倒なので等間隔に設定 ( 線形量 化 ) 画像圧縮 種類と応 先 情報 学部 模擬体験 ( その 3) 画像圧縮 JPEG 動画版 MPEG も, まぁ似たような感じ 画像 X 圧縮 復元 X 可逆符号化 X=X 医 画像, 化財 ( 古 書 ) 保存, リモートセンシング画像 圧縮率 1/2 ~ 1/3 程度普通のJPEGはこちら 可逆符号化 X X but X X 通信 画像 (Web 上の画像, ケータイメイル ),FAX, 動画像 ( テレビ電話 ) 圧縮率 1/10 ~ 1/50 ~...
10 再掲 : 画像は各周波数に分解できる JPEG の原理 : ブロック毎に周波数分解 垂直周波数 低 低 平周波数 8x8 ブロック 周波数成分に分解 垂直周波数 低 低 平周波数 値の きな成分は低周波数域に集中する (energy compaction) 最も低い周波数成分だけで表現 もう少しだけ使って表現
11 なぜ圧縮できる? さらにこの部分を量 化 圧縮 ここは捨てる 第 部終了 復元 ( 濃淡画像 ) こちらを送らずに しかしブロック歪には要注意! 画像処理はブロック歪に弱い! ( 周波数成分 ) こちらを送る おつかれさまでした 第 部画像処理技術各論 画像のフィルタリング (filtering) ほんの 部ですみません ぼかしたり, シャープにしたり
12 基本的なフィルタリング = 画像とフィルタマスクの畳み込み 様々なフィルタ処理 : 平滑化 フィルタマスク? ( さな画像のような ) 次元パターン 畳み込み? これを変えると結果が変わる フィルタマスクとの内積計算を, フィルタマスク位置をずらしながら画像全体で う 東北 学福 光則先 ご提供メラノソーム画像 フィルタマスク 原信号 平滑化処理の実際 (1) 単純化した例 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/ 平滑化処理の実際 (2) 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 平滑化 フィルタマスク 内積 10 マスク 原画像 平滑化後
13 様々なフィルタ処理 : エッジ抽出 エッジ検出処理の実際 : 単純化した例 -1/2 1-1/2 フィルタマスク 原信号 /2-3/ 様々なフィルタ処理 : 先鋭化 少し 度な処理 : ノイズ低減 (de-speckle) 分散が少ない平滑領域を検出, その領域のみで mean filter で平坦化
14 画像の 2 値化 画像の 2 値化 (binarization) はっきりさせたい 背景と前景を分離 原画像 ( 濃淡画像 ) 2 値画像 ( 画像 ) 画像の 2 値化 2 値化の がかり : ヒストグラム 画素数 (0) (256) アクチン繊維が蛍光標識されているタバコ BY-GF 細胞の共焦点画像 より引 どうもこの辺が 背景?
15 2 値化の がかり : ヒストグラム 画素数 どこに しきい値 (threshold) を設定? (0) (256) しきい値の決定法 (1) モード法 ヒストグラムにうまく があれば使える 画素数 ヒストグラムの (0) しきい値の決定法 (2) P タイル法 しきい値の決定法 (3): 津の 値化 ( 判別分析法 ) 画像中の X % が前景である が既知なら OK X% 100% 最適な しきい値を決定画素数分散分散 ( 広がり ) ( 広がり ) 分散 ( 広がり ) 評価基準 広がり + 分散 ( 広がり ) 左部分の平均 広がり 右部分の平均 これを最 化するようにしきい値を決定
16 輝度が 様でない背景からの前景分離 : 局所 値化 輝度が 様でない背景からの前景分離 : 背景推定 原画像 全体で 値化 局所領域 局所 値化 # 画素数 前景 背景 輝度値 絶対前景と思われる 画素領域 ( 多少余計にとっても OK) 平滑化による補完 Seeger-Dance [ICDAR:2001] 画像の領域分割 (segmentation) 領域分割 : 画像をいくつかの 領域に分割する操作 実は相当難しい 地家屋調査 桧 事務所 HP より
17 様々な領域分割法 ヒストグラムを いた多値化 多値化 カラークラスタリング Region Growing Split-and-merge Watershed ( 分 嶺 ) 法 Superpixel Mathematical Morphology Markov Random Field + Graph Cuts Note: 画像にも適応可能 Region Growing: 1 画素から開始, 隣と似ていれば融合 Watershed( 分 嶺 ) 法 : Version 1 分 嶺 領域境界からの距離
18 Watershed( 分 嶺 ) 法 :Version 2 2D 表現 輝度勾配画像 画像の領域抽出 (target detection) 原画像 3D 表現 領域分割の 種とみなすことも可能 分 嶺 ( 尾根線 ) 領域抽出 : 領域分割の 例 特に注 したい領域だけを, 何らかの性質を がかりにして, 抽出する 2 値化結果の利 : 最も簡単な領域分割 2 値化の結果について, 画素の 塊 ( 連結成分 ) を 1 領域とみなす
19 前処理としての 膨張 収縮 : モルフォロジ演算の 種 背景差分 =( 現在の画像 - 普段の画像 ) 差があったところ に 膨張膨張膨張 収縮 収縮収縮収縮収縮収縮 さなギャップを埋められる さな孤 点を潰せる 新たに存在している物体領域が判明 膨張 膨張 領域抽出 : 様々なバリエーション 線状構造抽出 特定閉領域抽出 カイモグラフィー解析 : 北 鈴 研とのコラボ 画像の幾何変形 (geometric transformation) 1 次元最適化に基づく SNAKES: 熊本 学佐藤有紀先 とのコラボ 後述のパターン認識を使う場合も 各画素が抽出対象領域に属するか否か, を識別 2 次元 2 次元写像
20 画像の幾何変形 画像の幾何変形 平 移動回転拡 縮 ( スケール ) アフィン変換 =( 平 移動 + 回転 + スケール + せん断 ), ここでは, せん断のみを図 射影 ( 任意 度からの撮影に相当 ) 懐かしの 列 登場 X Y a c b d x y 本当はもうちょっと複雑 特徴点の検出と記述 (Keypoint detection) Y y 最近, 特によく使われる道具 X x
21 特徴点を検出し, 似た特徴点を探すと ( まずは ) 特徴点の検出 つの画像の 較 ( 対応付け ) ができる! どこを 特徴点 とするか? コーナー点 ( や輝度勾配のピーク点 ) が選ばれる コーナー点の検出指針 Harris オペレータ 安定しているので いろいろ ずらして 差分を取ったら, その周囲で差分が きくなりがちな点 コーナー 丸のところは差分 丸のところは差分 ( そして ) 特徴点の記述 ( 最後に ) 似ている特徴点を つける 特徴点周辺の形状を数値として表現 例 この 領域での 平 向の変化量垂直 向の変化量
22 顕著性マップ ( つ点 を探す ) 原画像 顕著性マップ 原画像 左よりカラーコントラスト明るさコントラストエッジ 向コントラスト 統合結果 ( 顕著性マップ ) 結果 A Model of Saliency-Based Visual Attention for Rapid Scene Analysis By Laurent Itti, Christof Koch, Ernst Niebur, IEEE Trans. PAMI, 1998 A Model of Saliency-Based Visual Attention for Rapid Scene Analysis By Laurent Itti, Christof Koch, Ernst Niebur, IEEE Trans. PAMI, 1998 トラッキング : たかが追っかければ済む話. でも 物体追跡 ( トラッキング ) 兎を追うものは 兎を得ず きさ変化隠れ ( オクルージョン ) 類似物体
23 トラッキングの基本的考え 最も類似した領域を探すときの がかり 最も類似した領域を探す 対象 ( 既知 ) の { 形,, テクスチャ } と類似 後述のパターン認識技術も利 可能 前時刻の位置からそう離れていない 追跡経路の連続性 時間 基本的なトラッキング法 テンプレートマッチング リアルタイム型 テンプレートマッチング Mean Shift パーティクルフィルタ リアルタイム型 動的計画法に基づくトラッキング 線形計画法に基づくトラッキング 各時刻の画像が る毎にその都度位置決定 全時刻の画像が った後で 括して位置決定 最も簡単 そのままでは対象の変形に 常に弱い 前時刻での結果 時刻 t-1 較 時刻 t 前時刻の周囲で最も類似した領域を求める テンプレート ( 追跡対象 )
24 Mean Shift (1/4): 初期対象領域設定 Mean Shift (2/4): ヒストグラム 対象領域の ヒストグラムを計算 Target object t=1 t(=1) ポイント : ヒストグラムは, 変形に頑強 Mean Shift (3/4): ヒストグラム 現在位置付近で次時刻の ヒストグラムを計算 Mean Shift (4/4): 移動 向決定 ヒストグラム間類似度を計算 類似度が きくなる 向に中 を移動 t t+1 t t+1
25 パーティクルフィルタ : まき 型 法 選択 込みのある を選んで増殖 ( 状態 ) パーティクルフィルタ : 結果例 予測 を近くにばらまいて移動 重み付け 各々の の良さを評価 次の時刻へ 重み付き重 = 追跡結果 リアルタイム型トラッキングの天敵 : 隠れ ( オクルージョン ) リアルタイム トラッキング! 時刻 時刻 トラッキングが破綻! 全時刻の画像を得た上で, トラッキング経路を 括最適化
26 リアルタイム トラッキング局所コスト (1) リアルタイム トラッキング(2) 位置 局所コスト 最適経路を求める 経路上のコストの総和が最 連続的に推移する必要位置 局所コスト 局所コスト 0 時刻 時刻 Tracking Results 多対象トラッキング この粒の 1 つ 1 つを追いたい! Mean-shift ( リアルタイム ) Particle filter ( リアルタイム ) (Sample video from PETS2007) DP tracker ( リアルタイム ) リアルタイム型の頑健性 メラノソーム輸送 ( 東北 学福 研究室 )
27 多対象トラッキングの例 : 末梢神経内 APP-GFP トラッキング 対象の数が変化する追跡問題 : 卵割トラッキング ( 阪 縣先 とのコラボ ) 北 鈴 利治研究室との共同研究 背景差分も使えるなら使う! 画像全体の動き推定 メダカ追跡 : 基 研渡辺先 とのコラボ 床屋の3 ポールはなぜ上がるように える?
28 フレーム間差分画像 フレーム間差分画像の例 動きの有無がわかるだけ 結構役 つ場合も 動いた部分が残る 前フレーム 現フレーム 時刻 t 時刻 t+1 動いていない 部分は消える 差分画像 参考 :Motion History Image Optical flow とは? 数フレーム分の背景差分を画像化したもの 2 時刻間の画像変化を抽出 ある意味 各画素単位のトラッキング A. Bobick and J. Davis, IEEE PAMI, 2001 細胞質流動解析 : 遺伝研 村 ( 暁 ) 先 とのコラボ
29 テンプレートマッチングによるオプティカルフロー テンプレートマッチングによるオプティカルフロー 時刻 t 時刻 t+1 テンプレート 各画素を中 としたテンプレートのマッチングにより対応点を決定 おまけ : 推定された動きを使って時刻 t+1 の画像を時刻 t に近づけた結果 動き推定結果 テンプレートマッチングによるオプティカルフロー テンプレートマッチングによるオプティカルフロー 時刻 t 時刻 t+1 時刻 t 時刻 t+1 おまけ : 推定された動きを使って時刻 t+1 の画像を時刻 t に近づけた結果 動き推定結果 おまけ : 推定された動きを使って時刻 t+1 の画像を時刻 t に近づけた結果 動き推定結果
30 I Horn Schunck の 法 (1): 基本的考え 時刻 t 時刻 t dt x, y, t I( x dx, y dy, t dt) ずらしたら, 同じ輝度値の画素がある 近似 整理 dtで割る Horn Schunck の 法 (2): オプティカルフロー拘束式 I( x, y, t) I( x dx, y dy, t dt) I I I( x, y, t) dx dy dt x y I dx x dx dt I dy y I x dy dt dt I y I t I t 0 0 I t Horn Schunck の 法 (2): オプティカルフロー拘束式 Horn Schunck の 法 (3): 結果例 近似 整理 dtで割る I( x, y, t) I( x dx, y dy, t dt) 動き! 左辺の値がなるべくゼロに近く, かつ, 動きが滑らかになるように, dx/dt, dy/dtを画像全体で最適化 I I I( x, y, t) dx dy dt x y I dx x dx dt I dy y I x 画像から直接 I 計算できる値 dy dt dt I y I t I t 0 0 I t
31 開 問題 : 画像のみによる動き推定の本質的限界? 画像の位置合わせ 時刻 t 時刻 t+1 間ですら 単に重ねて済むほど くない 画像の位置合わせ つの画像を ( うまく調節して ) 重ね合わせる 位置合わせ : 平 移動で済む場合 ずらしながら誤差が最 になる位置を探索 画像 B A B A+B 異なる波 の蛍光画像の重ね合わせ等にも応 可能 画像 A この領域の重ね合わせ誤差を評価
32 特徴点ベースの画像位置合わせ モザイキング : 幾何変換が必要な位置合わせ 幾何変換 + 位置合わせ [ 電 情報通信学会知識ベース ] 特徴点対応の決定 幾何変換の推定 ビデオモザイキング 剛体位置合わせ 画像 A 画像 B 対応関係 A に合わせた B 結果
33 剛体位置合わせの 法 画像 A に最も似るように 画像 B を ゴム膜 のように 変形 変形の最適化問題 画素レベルの対応関係の決定問題 連続性への配慮も必要 動き推定の問題と根は同じ 補 : 画像処理のトレンド A B 流 り廃りは, どこでも 緒 画像処理研究のトレンド 単純な信号処理 ( フィルタ ) から知的処理へ 機械学習 & 最適化 認識ベーストラッキング 動的背景モデル 認識による計数 光学特性推定 事例ベース処理 確率的画像処理 統計物理的 法の導 MRF, CRF 規模画像処理 量画像データによる 損部補完 Scene Completion [Hays, SIGGRAPH2007]
34 規模画像データによる 画像 GPS 量画像データによる CG の 精度化 CG2REAL [Johnson, IEEE Trans. VCG, 2011] 量画像データによる 3 次元 動再構築 Building Rome in a Day 規模画像データによる超解像 低解像度画像から 解像度画像の 成 [Agarwal, ICCV2009] huge face database [Baker & Kanade, 2000]
35 規模画像データによる 3D 推論 照状況の異なる 量の画像と輝度共起性を いて, 距離を取得 量データではないが, こんなことも : Exemplar-Based Inpainting [Criminisi, IP2004] 量データではないが, こんなことも : Seam Carving 第 部終了 おつかれさまでした [Avidan, SIGGRAPH2007]
36 第三部パターン認識技術 画像認識の基本原理 その 終わりなき戦い のサワリだけ 原理は簡単 パターン認識とは? 様々な応 : 画像だけじゃない! 画像認識 般物体認識 ( 机, 機, バイク ) 画像 カメラ 豚 特定物体認識 ( 同 物体の検索 ) 字認識 顔認識, 表情認識, 物認識, 指紋認識, 歩容認識 運動軌跡認識 ジェスチャ 動認識 トラッキング結果からの状態認識 コンピュータ 声認識 字列照合 バイオインフォマティクスで多
37 パターン認識の実現法 : 画像認識 パターン認識の実現法 : 字認識の場合 画像 どれと近い? データベース ( 学習パターン ) パイナップル 鯛 ( 尾頭つき ) 豚 画像 データベース ( 学習パターン ) あいう あ い う 画像 みかん 正解ラベル すいか 認識結果 画像 = あ 画像 え え 正解ラベル パターン認識の実現法 : 特徴空間 x 1,1,1,0,1,1,1,,...,0, 1 81 次元特徴ベクトル T パターン認識の実現法 : 特徴空間 x 1,5,2,2,5,4,4,3, 4 9 次元特徴ベクトル T 各 の 画素数 x 3 x 3 9x9 ビットマップ x 81 x 2 9x9 ビットマップ x 9 x 2 81 次元特徴空間 x 1 9 次元特徴空間 x 1
38 画像認識の実現法 パターン認識の難しさ (1): パターンは変形する された画像を, 計算機に登録されている画像と 較し, 番近い 登録画像の名前を出 するだけ 簡単そう!?? パターン認識の難しさ (2): 近さには様々な基準が考えられる パターン認識の難しさ (3): 未登録パターンは本質的に認識不能 が近い ( 妙に い ) みかん? 形が近い
39 パターン認識の難しさ (4): 切り出し Ex. 情景内の 字認識認識に先 ち, どこが 字であるか を認識する必要! 最近傍法 (Nearest neighbor method) 類は友を呼ぶ 原理 最近傍法 最近傍法の別解釈 境界を引くのと等価 input input= あ 特徴空間 81 次元特徴空間
40 最近傍法の差分画像による解釈 単純な最近傍法 ( 差分画像による 法 ) の弱点 変形 input 標準 差分 最近傍法をどう賢くするか? 最近傍法をどう賢くするか? 画像をそのままではなく, 別の特徴として表現 輝度値ヒストグラム, 向特徴, 特徴点集合,etc 画像をそのままではなく, 別の特徴として表現 輝度値ヒストグラム, 向特徴, 特徴点集合,etc 最近傍だけでなく k 近傍の多数決 K-nearest neighbor 最近傍だけでなく k 近傍の多数決 K-nearest neighbor 各パターンの変動を確率的に表現 統計的パターン認識 Bayes 識別 次のチュートリアル? ( 中村先 )
41 クラスタリング クラスタリング 全パターン集合を k 個の部分集合 ( クラスタ ) に分割 なるべく似たパターンが同じクラスタに るように クラスタ = 塊 ( 正確には 房 ) 各クラスタの 代表パターン も有 K-means 法 (0) 初期代表パターン K-means 法 (1) 学習パターン分割 例えばランダムに与える 代表パターンのファンクラブ ( 持者集合 )
42 K-means 法 (2) 代表パターン更新 K-means 法 (1) 学習パターン分割 この中の学習パターンの平均に移動 K-means 法 (2) 代表パターン更新 補 : パターン認識のトレンド 以後, 代表パターンが動かなくなるまで反復 他の基本技術をすっ ばしてしまい, すみません
43 パターン認識研究のトレンド (1/3) Bag-of-features: バラバラにして認識する! 特徴点検出 記述の多様化 SIFT/SURF といった回転 拡 縮 に強い特徴記述 Local Binary Pattern HOG Bag-of-features 画像を特徴点集合を使って記述 未知 データベース Actin Filament 多数決 & 認識結果 Actin Filament 特徴点検出 記述 較 突然ですが, ちょっと ネタを 書き数字はバラバラにしても読める? part part part part part part part
44 多数決part データ 書き数字はバラバラにしても読める? 答 認識 認識 parts 認識 ベース 3 なぜ読める!? パターン認識研究のトレンド (2/3) 機械学習技術の発展 Support vector machines Graphical modeling Classifier ensemble Random forest Boosting Semi-supervised learning 低次元化 Manifold learning Transfer learning Kernel methods おそるべし, 多数決パワー
45 Kernel methods: 原理概要 パターン認識研究のトレンド (3/3) x 2 ( ) 正常 異常 x : x x x1 x2 x1x 2 x 1 x 2 x 2 対象の複雑化 般物体認識 Ex. ラーメンはどれ? 画像 声などの統合 規模化 何千万もの画像を使って認識 Lifelog ( 体重 ) 直線 ( 線形関数 ) では2 分できない x 1 その他 使えそうな パターン認識技術 マッチング 時系列データ (ex. 追跡結果 ) 間の類似度計算 モデリング 単 経路のモデリング 複数経路のモデリング 因果モデリング マルコフ的モデリング 他にも 々 異常検出, 予測, 補間,etc この辺の時系列系は明 のご発表でも? 例えば, マッチングにより追跡経路間の類似度を測る いわゆるペアワイズアライメント x 1 y 1 x 2 y 2 x 3 y 3 x 4 y 4 x 5 y 5 追跡結果 A 時間ずれも表現 A B
46 例えば, クラスタリングにより複数の追跡経路をグルーピングする すべての 2 系列間の類似度を求める 最終部 物学者と画像情報学者, どうコラボするか? 勝 な私 いくつのクラスタが形成されるかも重要な知 ハネムーンを成 離婚にしないために 画像情報学 with バイオ : コラボ 三態 梅 : よろしくない状態 市販ソフトの代替役 でもどうやって 松 コラボを作るか? : それぞれが Win-win の状態 バイオ : 定量化が楽になる or 知 の裏付けに成功 画像情報 : 新しい画像処理 法を開発して発表 新しい形態のコラボだから模索するしかないのか 松 : 真の融合状態 物学的発 が, 画像情報学の貢献で実現 相当のディスカッションが必要 というわけで模索しましょう!
47 コラボ時の私的ポリシー (1/2) コラボ時の私的ポリシー (2/2) ( 絶対無理そうでなければ ) なるべく断らない こちらも絶賛模索中 物学者も使ってみないとわからないでしょうし ( ただし, ウチの学 さんが許す限り ) 市販ソフトにはできない付加価値を 指す 単なる道具屋 ( 梅コラボ ) になるべきではない コラボ 松コラボを 指すべき 厚かましいことは承知の上! 結果的に貢献できれば, 論 の連名にしてほしい 成功例として, 画像情報系研究者にアピールできれば なるべくface-to-face 学 単独でもバンバン出張させる 相 のテンポを考える バイオ系は1テーマに く取り組むことが多い 気 に, しかし忘れられないように オーバースペックにはしない! 本当に必要な時以外は, 極 単純な 法で! オーバースペック について 法に懲りすぎて, 測るべきもの 以上のものを測らないように, 戒すべき! 状況 : 画像情報学でもホットになりつつある? の各種トライアル 来年 1 28 阪 パターン認識に関する国際会議 2012 Contest Mitosis Detection in Breast Cancer View アルゴリズムコンテスト 理研横 先 らの主導により, 盛況 バイオイメージインフォマティクス ( 理研 浪先 ) [Yutaka Matsubayashi, et al., J. Cell Sci., 2010]
48 最終部終了 おつかれさまでした
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
More information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
More information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
More informationMicrosoft 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
More informationMicrosoft 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
More informationMicrosoft PowerPoint - dm1_5.pptx
デジタルメディア処理 1 017( 後期 ) 09/6 イントロダクション1 : デジタル画像とは, 量 化と標本化,Dynamic Range 10/03 イントロダクション : デジタルカメラ, 間の視覚, 表 系 10/10 フィルタ処理 1 : トーンカーブ, 線形フィルタ デジタルメディア処理 1 担当 : 井尻敬 10/17 フィルタ処理 : 線形フィルタ, ハーフトーニング 10/4
More informationPowerPoint 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
More informationMicrosoft PowerPoint - dm1_6.pptx
スケジュール 09/5 イントロダクション1 : デジタル画像とは, 量 化と標本化,Dynamic Range 10/0 イントロダクション : デジタルカメラ, 間の視覚, 表 系 10/09 画像処理演習 0 : python (PC 教室 : 課題締め切り 11/13 3:59) 10/16 フィルタ処理 1 : トーンカーブ, 線形フィルタ デジタルメディア処理 1 担当 : 井尻敬 10/3
More information画像工学入門
セグメンテーション 講義内容 閾値法,k-mean 法 領域拡張法 SNAK 法 P タイル法 モード法 P タイル法 画像内で対象物の占める面積 (P パーセント ) があらかじめわかっているとき, 濃度ヒストグラムを作成し, 濃度値の累積分布が全体の P パーセントとなる濃度値を見つけ, この値を閾値とする. モード法 画像の輝度ヒストグラムを調べ その分布のモード ( 頻値輝度 ) 間の谷をしきい値とする
More information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!
More informationMicrosoft 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
More information0 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,
More information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
More informationMicrosoft 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?-
More informationMicrosoft PowerPoint - DigitalMedia2_3b.pptx
Contents デジタルメディア処理 2 の概要 フーリエ級数展開と 離散とその性質 周波数フィルタリング 担当 : 井尻敬 とは ( ) FourierSound.py とは ( ) FourierSound.py 横軸が時間の関数を 横軸が周波数の関数に変換する 法 声周波数 周波数 ( 係数番号 ) 後の関数は元信号に含まれる正弦波の量を す 中央に近いほど低周波, 外ほどが 周波 中央 (
More informationMicrosoft PowerPoint - comprog11.pptx
Outline プログラミング演習第 回エッジを検出する on 3..4 電気通信大学情報理工学部知能機械工学科長井隆行 画像の本質 輝度の境目に情報あり! 画像の微分と 階微分 エッジ検出 画像をぼかす 本日の課題 画像の本質 エッジ抽出 画像の情報は境目にあり! エッジ 輝度が大きく変化しているところ ( 境界 ) 画像の情報はエッジにあり 輝度 人間の視覚系でも特定のエッジの方向に発火するニューロンが見つかっている
More informationPowerPoint プレゼンテーション
パーティクルフィルタ 理論と特性 11.1 パーティクルフィルタの理論的導出 状態遷移とマルコフ性 p x k x 1:k 1, y 1:k 1 = f x k x k 1 p y k x 1:k, y 1:k 1 k = 0,1, = h y k x k x 1:k x 1, x 2,, x k y 1:k y 1, y 2,, y k 確率分布で表現される現時刻の状態が, 前時刻までの状態と観測の条件付き確率によって定まる.
More informationMicrosoft PowerPoint - Lec06
6000 5000 4000 3000 000 000 0 体積表面積 0 0 40 60 80 00 0 40 情報デザイン専攻 画像情報処理論及び演習 I 領域抽出 大津の二値化法 今日の授業内容.riken.jp/ric/Yoshizaa/Lecures/inde.hml.riken.jp/ric/Yoshizaa/Lecures/Lec06.pdf 領域抽出法演習 : 大津法のプログラミング
More informationVisual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
More information0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌
0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 スペクトルデータの特徴 1 波 ( 波数 ) が近いと 吸光度 ( 強度 ) の値も似ている ノイズが含まれる 吸光度 ( 強度 ) の極大値 ( ピーク ) 以外のデータも重要 時系列データの特徴 2 時刻が近いと プロセス変数の値も似ている ノイズが含まれる プロセス変数の極大値
More informationMicrosoft PowerPoint - dm1_3.pptx
スケジュール 9/6 イントロダクション : デジタル画像とは, 量 化と標本化,Dynamic Range /3 イントロダクション : デジタルカメラ, 間の視覚, 表 系 / フィルタ処理 : トーンカーブ, 線形フィルタ デジタルメディア処理 担当 : 井尻敬 /7 フィルタ処理 : 線形フィルタ, ハーフトーニング / フィルタ処理 3 : 離散フーリエ変換と周波数フィルタリング /7 前半のまとめと中間試験
More informationl10
ノイズ除去と画像の強調 画質改善 第4章 pp.101~136 入力画像にはさまざまな 雑音 と 歪み が含まれている 画質劣化 の要因を取り除く 画像を見やすくする 有用な情報を抽出しやすく強調する ことは 画像処理の最も重要な役割の一つ 目的 人間にとって見やすい画像を作る 画像の解析や認識にとって 特徴抽出が容易に行えるための 前処理 preprocessing) ノイズ除去と画像の強調 ノイズ除去と画像の強調
More informationMicrosoft PowerPoint - 第3回2.ppt
講義内容 講義内容 次元ベクトル 関数の直交性フーリエ級数 次元代表的な対の諸性質コンボリューション たたみこみ積分 サンプリング定理 次元離散 次元空間周波数の概念 次元代表的な 次元対 次元離散 次元ベクトル 関数の直交性フーリエ級数 次元代表的な対の諸性質コンボリューション たたみこみ積分 サンプリング定理 次元離散 次元空間周波数の概念 次元代表的な 次元対 次元離散 ベクトルの直交性 3
More informationPowerPoint 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
More informationIS2-06 第21回画像センシングシンポジウム 横浜 2015年6月 画像をスーパーピクセルに変換する手法として SLIC[5] を用いる Achanta らによって提案された SLIC 2.2 グラフマッチング は K-means をベースにした手法で 単純な K-means に いる SPIN
Cosegmentation E-mail: {tamanaha, nakayama}@nlab.ci.i.u-tokyo.ac.jp Abstract Cosegmentation Cosegmentation Cosegmentation 1 Never Ending Image Learner[1] Google Cosegmentation Cosegmentation Rother [2]
More informationスライド タイトルなし
次元フーリエ変換 講義内容 空間周波数の概念 次元フーリエ変換代表的な 次元フーリエ変換対 次元離散フーリエ変換 フーリエ変換と逆変換 F.T. j F } ep{ 連続系離散系 } / ep{ N N N j N F F I. F.T. F ただし ここでは絶対値をとって画像化 } / ep{ N N N j F N 順変換逆変換 3 次元フーリエ変換の具体的なイメージ } / ep{ N N N
More informationPowerPoint プレゼンテーション
復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0
More information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
More informationMicrosoft PowerPoint - DigitalMedia2_12.pptx
デジタルメディア処理 2 2017( 前期 ) デジタルメディア処理 2 担当 : 井尻敬 4/13 デジタル画像とは : イントロダクション 4/20 フィルタ処理 1 : 画素ごとの濃淡変換 線形フィルタ, 線形フィルタ 4/27 フィルタ処理 2 : フーリエ変換, ローパスフィルタ, ハイパスフィルタ 5/11 画像の幾何変換 1 : アファイン変換 5/18 画像の幾何変換 2 : 画像の補間,
More informationtottori2013-print.key
1 / 152 3 / 152 2 / 152 4 / 152 5 / 152 7 / 152 6 / 152 8 / 152 9 / 152 11 / 152 Red: [R,G,B] = [255,0,0] Yellow [R,G,B] = [255, 255, 0] Magenta [R,G,B] = [255, 0, 255] W [R,G,B] = [ Green: [R,G,B] = [0,
More informationMicrosoft PowerPoint - Lec11 [互換モード]
第 11 回講義水曜日 1 限教室 6215 情報デザイン専攻 画像情報処理論及び演習 I - 画像合成 類推 - Poisson Image Analogy 吉澤信 shin@riken.jp, 非常勤講師 大妻女子大学社会情報学部 1 2 今日の授業内容 www.riken.jp/brict/yoshizawa/lectures/index.html www.riken.jp/brict/yoshizawa/lectures/lec11.pdf
More informationSAP11_03
第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎
More informationスライド 1
知能制御システム学 画像処理の基礎 (2) OpenCV による基本的な例 東北大学大学院情報科学研究科鏡慎吾 swk(at)ic.is.tohoku.ac.jp 2009.06.30 局所処理の例 空間フィルタリング 注目点の近傍 ( 典型的には 3x3 画素,5x5 画素,... など ) の画素値から, 出力 G x,y を定める { F i,j }, (i, j) Neighbor(x,y)
More information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
More information芸術科学会論文誌 Vol. 14, No. 6, pp (2015) 1 はじめに 1 枚の人物写真に対して半透明化処理を行う場合 人 物領域を切り抜いて空となった背景部分の補間を行うこ とが考えられるが 画像 被写体人物の遮蔽によって背景部分の情報は画像中 には存在しない 補間す
1) ( ) 2) 1) 1) 1) 2) Expression Technique of Semi-Transparent Process of Human using Interpolating Background Method in a Human Image Takeshi Okuya 1) Daiki Okuya 2) Ken Yabuno 1) Shigekazu Sakai 1) 1)
More informationMicrosoft PowerPoint PresentationPRMU2008Nov.ppt [互換モード]
Dynamic Markov random fields for stochastic modeling of visual attention 2008 年 11 月 27 日 木村昭悟 (1) Derek Pang (1,2) 竹内龍人 (1) 大和淳司 (1) 柏野邦夫 (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
More informationスライド 1
超解像技術とは? 動画や静止画連写などで得られる複数の低解像度 (= 小さな ) 画像を組み合わせ 演算により高解像度の (= 大きな ) 画像を作り出す技術の事を一般に 超解像 技術と呼びます 超解像処理 高解像処理 (1 枚超解像 ) 超解像 のように複数の画像を用いるのではなく 1 枚の画像が持つ情報を深く解析する事で 高解像度の画像を得る最新技術です では 最新の画像処理技術により この高解像処理を実現しました
More informationMicrosoft PowerPoint - multi_media05-dct_jpeg [互換モード]
マルチメディア工学 マルチメディアデータの解析データ圧縮 : 離散コサイン変換と JPEG マルチメディア工学 : 講義計画 イントロダクション コンピュータグラフィックス (Computer Graphics: CG) マルチメディアデータの解析 佐藤嘉伸 大阪大学大学院医学系研究科放射線統合医学講座 yoshi@image.med.osaka u.ac.jp http://www.image.med.osaka
More informationPowerPoint プレゼンテーション
ロボットの計画と制御 マルコフ決定過程 確率ロボティクス 14 章 http://www.probabilistic-robotics.org/ 1 14.1 動機付けロボットの行動選択のための確率的なアルゴリズム 目的 予想される不確かさを最小化したい. ロボットの動作につての不確かさ (MDP で考える ) 決定論的な要素 ロボット工学の理論の多くは, 動作の影響は決定論的であるという仮定のもとに成り立っている.
More informationInformation Theory
前回の復習 講義の概要 chapter 1: 情報を測る... エントロピーの定義 確率変数 X の ( 一次 ) エントロピー M H 1 (X) = p i log 2 p i (bit) i=1 M は実現値の個数,p i は i 番目の実現値が取られる確率 実現値 確率 表 裏 0.5 0.5 H 1 X = 0.5 log 2 0.5 0.5log 2 0.5 = 1bit 1 練習問題の解答
More information<4D F736F F D DC58F498D5A814091E6318FCD814089E6919C82C682CD89BD82A92E646F63>
第 1 章画像とは何か 第 1 章画像とは何か 画像 は英語では image であり 実際に存在する もの を 絵に描いたり カメラで撮影したりしたものである キャンバス フィルム 印画紙などに記録されて 現物が破壊されるなどで存在しなくなっても 遠方にあって直接見ることが不可能であっても 保存 伝送されていつでも どこでも自由に見ることが可能となる 本書で述べる 画像処理 はこの画像を入力とした処理である
More informationCoding 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?
More informationMicrosoft PowerPoint - 画像工学 print
教室 : 14-22 画像工学 28 年度版 Imaging Science and Technology 画像工学 28 年度版 2 慶応義塾大学理工学部 教授 慶応義塾大学理工学部 准教授 中島真人青木義満 ( 例 ) 画像システムとしてのカメラ y 入力 f(x,y) x ( 紙に書かれた文字 ) カメラ ( フィルムカメラ デジタルカメラ どちらでも OK ) (u,v) ) SYSTEM
More information数値計算法
数値計算法 008 4/3 林田清 ( 大阪大学大学院理学研究科 ) 実験データの統計処理その 誤差について 母集団と標本 平均値と標準偏差 誤差伝播 最尤法 平均値につく誤差 誤差 (Error): 真の値からのずれ 測定誤差 物差しが曲がっていた 測定する対象が室温が低いため縮んでいた g の単位までしかデジタル表示されない計りで g 以下 計りの目盛りを読み取る角度によって値が異なる 統計誤差
More informationMicrosoft PowerPoint - CV04.ppt [互換モード]
コンピュータビジョン特論 Advanced Computer Vision 第 4 回 画像特徴 ( 点 直線 領域 ) の検出と識別 -1 画質の改善エッジの検出 濃度ヒストグラム (Histogram) 画素数 8 6 4 2 濃度ヒストグラム (Histogram) は 画像の濃度値を横軸に その濃度値を持つ画素数を縦軸に取った ヒストグラム 19 38 57 76 95 114 133 152
More information第 4 週コンボリューションその 2, 正弦波による分解 教科書 p. 16~ 目標コンボリューションの演習. 正弦波による信号の分解の考え方の理解. 正弦波の複素表現を学ぶ. 演習問題 問 1. 以下の図にならって,1 と 2 の δ 関数を図示せよ δ (t) 2
第 4 週コンボリューションその, 正弦波による分解 教科書 p. 6~ 目標コンボリューションの演習. 正弦波による信号の分解の考え方の理解. 正弦波の複素表現を学ぶ. 演習問題 問. 以下の図にならって, と の δ 関数を図示せよ. - - - δ () δ ( ) - - - 図 δ 関数の図示の例 δ ( ) δ ( ) δ ( ) δ ( ) δ ( ) - - - - - - - -
More informationMicrosoft PowerPoint - 測量学.ppt [互換モード]
8/5/ 誤差理論 測定の分類 性格による分類 独立 ( な ) 測定 : 測定値がある条件を満たさなければならないなどの拘束や制約を持たないで独立して行う測定 条件 ( 付き ) 測定 : 三角形の 3 つの内角の和のように, 個々の測定値間に満たすべき条件式が存在する場合の測定 方法による分類 直接測定 : 距離や角度などを機器を用いて直接行う測定 間接測定 : 求めるべき量を直接測定するのではなく,
More informationMicrosoft PowerPoint - SPECTPETの原理2012.ppt [互換モード]
22 年国家試験解答 1,5 フーリエ変換は線形変換 FFT はデータ数に 2 の累乗数を要求するが DFT は任意のデータ数に対応 123I-IMP Brain SPECT FBP with Ramp filter 123I-IMP Brain SPECT FBP with Shepp&Logan filter 99mTc-MIBI Myocardial SPECT における ストリークアーチファクト
More informationPowerPoint Presentation
パターン認識入門 パターン認識 音や画像に中に隠れたパターンを認識する 音素 音節 単語 文 基本図形 文字 指紋 物体 人物 顔 パターン は唯一のデータではなく 似通ったデータの集まりを表している 多様性 ノイズ 等しい から 似ている へ ~ だ から ~ らしい へ 等しい から 似ている へ 完全に等しいかどうかではなく 似ているか どうかを判定する パターンを代表する模範的データとどのくらい似ているか
More information多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典
多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め
More informationAnalog signal 標本化 量子化 Digital signal 定理に基づく sampling 間隔の決定 f Δx max = 1 2 Δx 1 2 f max 標本化間隔 等号が成り立つとき周波数 従わないとエリアシングエラー (aliasing error) が生じる ( 折り返し雑
画像処理工学 Computer Image Processing pixel dpi picture cell picture element 画像の最小単位 ppi pixel per inch 1 インチ当たりの画素数. 画像の解像度の単位. dot per inch 1 インチ当たりの点の数. 主にプリンタやスキャナなどの解像度の単位として使われる. bps bit per second 1
More informationMicrosoft 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
More informationFEM原理講座 (サンプルテキスト)
サンプルテキスト FEM 原理講座 サイバネットシステム株式会社 8 年 月 9 日作成 サンプルテキストについて 各講師が 講義の内容が伝わりやすいページ を選びました テキストのページは必ずしも連続していません 一部を抜粋しています 幾何光学講座については 実物のテキストではなくガイダンスを掲載いたします 対象とする構造系 物理モデル 連続体 固体 弾性体 / 弾塑性体 / 粘弾性体 / 固体
More informationAutodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際
Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際に 収束判定に関するデフォルトの設定をそのまま使うか 修正をします 応力解析ソルバーでは計算の終了を判断するときにこの設定を使います
More information横浜市環境科学研究所
周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.
More informationDVIOUT
5.3 音声を加工してみよう! 5.3. 音声を加工してみよう! 129 この節では 図 5.11 の音声 あ の離散化された波 (x n ) のグラフおよび図 5.12 の音声 あ の離散フーリエ変換 ( 周波数スペクトル密度 ) の絶対値 ( X k ) のグラフを基準に 離散フーリエ変換および離散フーリエ積分を使って この離散化された波の検証や加工を行なってみましよう 6 図 5.11: 音声
More information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
More informationDVIOUT
第 章 離散フーリエ変換 離散フーリエ変換 これまで 私たちは連続関数に対するフーリエ変換およびフーリエ積分 ( 逆フーリエ変換 ) について学んできました この節では フーリエ変換を離散化した離散フーリエ変換について学びましょう 自然現象 ( 音声 ) などを観測して得られる波 ( 信号値 ; 観測値 ) は 通常 電気信号による連続的な波として観測機器から出力されます しかしながら コンピュータはこの様な連続的な波を直接扱うことができないため
More informationInformation Theory
前回の復習 情報をコンパクトに表現するための符号化方式を考える 情報源符号化における基礎的な性質 一意復号可能性 瞬時復号可能性 クラフトの不等式 2 l 1 + + 2 l M 1 ハフマン符号の構成法 (2 元符号の場合 ) D. Huffman 1 前回の練習問題 : ハフマン符号 符号木を再帰的に構成し, 符号を作る A B C D E F 確率 0.3 0.2 0.2 0.1 0.1 0.1
More information2008 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.
More informationPowerPoint Presentation
. カーネル法への招待 正定値カーネルによるデータ解析 - カーネル法の基礎と展開 - 福水健次統計数理研究所 / 総合研究大学院大学 統計数理研究所公開講座 0 年 月 34 日 概要 カーネル法の基本 線形データ解析と非線形データ解析 カーネル法の原理 カーネル法の つの例 カーネル主成分分析 : PCA の非線形拡張 リッジ回帰とそのカーネル化 概要 カーネル法の基本 線形データ解析と非線形データ解析
More informationMicrosoft PowerPoint - H24全国大会_発表資料.ppt [互換モード]
第 47 回地盤工学研究発表会 モアレを利用した変位計測システムの開発 ( 計測原理と画像解析 ) 平成 24 年 7 月 15 日 山形設計 ( 株 ) 技術部長堀内宏信 1. はじめに ひびわれ計測の必要性 高度成長期に建設された社会基盤の多くが老朽化を迎え, また近年多発している地震などの災害により, 何らかの損傷を有する構造物は膨大な数に上ると想定される 老朽化による劣化や外的要因による損傷などが生じた構造物の適切な維持管理による健全性の確保と長寿命化のためには,
More informationディジタル信号処理
ディジタルフィルタの設計法. 逆フィルター. 直線位相 FIR フィルタの設計. 窓関数法による FIR フィルタの設計.5 時間領域での FIR フィルタの設計 3. アナログフィルタを基にしたディジタル IIR フィルタの設計法 I 4. アナログフィルタを基にしたディジタル IIR フィルタの設計法 II 5. 双 次フィルタ LI 離散時間システムの基礎式の証明 [ ] 4. ] [ ]*
More information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.
More informationPhys1_03.key
物理学1/物理学A 第3回 速度と加速度 速度 加速度 関数の話 やりたいこと : 物体の運動を調べる 物体の位置と速度を調べる これらを時間の関数として表したい 関数とは? ある された変数に対して, 出 の値が決まる対応関係のこと inpu 関数 ( 函数 ) oupu 例 : y(x)=x 2 x=2 を inpu すると y=4 が得られる 時々刻々と変化していく物体の位置 をその時刻とともに記録する
More informationパソコンシミュレータの現状
第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に
More information(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
More information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
More informationMicrosoft Word - NumericalComputation.docx
数値計算入門 武尾英哉. 離散数学と数値計算 数学的解法の中には理論計算では求められないものもある. 例えば, 定積分は, まずは積分 ( 被積分関数の原始関数をみつけること できなければ値を得ることはできない. また, ある関数の所定の値における微分値を得るには, まずその関数の微分ができなければならない. さらに代数方程式の解を得るためには, 解析的に代数方程式を解く必要がある. ところが, これらは必ずしも解析的に導けるとは限らない.
More information統計的データ解析
統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c
More informationスペクトルに対応する英語はスペクトラム(spectrum)です
7. ハミング窓とフラットトップ窓の等価ノイズ帯域幅 (ENBW) (1) Hamming 窓 Hamming 窓は次式で表されます MaTX にも関数が用意されています win = 0.54-0.46*cos(2*PI*[k/(N-1)); ただし k=0,1,---,n-1 N=256; K=[0:N-1]; w=0.54-0.46*cos(2*pi*k/(n-1)); mgplot_reset(1);
More information学生 23 省メモリ指向一枚超解像 アーキテクチャとその FPGA 実装 北海道大学大学院情報科学研究科 大平貴徳 真田祐樹 築田聡史 五十嵐正樹 池辺将之 浅井哲也 本村真人 1
学生 23 省メモリ指向一枚超解像 アーキテクチャとその FPGA 実装 北海道大学大学院情報科学研究科 大平貴徳 真田祐樹 築田聡史 五十嵐正樹 池辺将之 浅井哲也 本村真人 1 研究背景 映像機器の高機能化に伴う映像の高解像化 ーレティナディスプレイー 4K ハイビジョンテレビ 低解像度の映像コンテンツが数多く存在 4K テレビ 解像度を高める研究 ( 超解像 ) ー高速ー低コストー解像度の精度
More informationMicrosoft PowerPoint - multi_media05-dct_jpeg [互換モード]
マルチメディア工学マルチメディアデータの解析データ圧縮 : 離散コサイン変換と JPEG 佐藤嘉伸 マルチメディア工学 : 講義計画 マルチメディアデータの解析 基礎数理 代表的解析手法 データ圧縮 : 離散コサイン変換 JPEG データ表現 : 形状の主成分分析 奈良先端科学技術大学院大学情報科学研究科生体医用画像研究室 yoshi@is.naist.jp http://icb lab.naist.jp/members/yoshi/
More information振動学特論火曜 1 限 TA332J 藤井康介 6 章スペクトルの平滑化 スペクトルの平滑化とはギザギザした地震波のフーリエ スペクトルやパワ スペクトルでは正確にスペクトルの山がどこにあるかはよく分からない このようなスペクトルから不純なものを取り去って 本当の性質を浮き彫
6 章スペクトルの平滑化 スペクトルの平滑化とはギザギザした地震波のフーリエ スペクトルやパワ スペクトルでは正確にスペクトルの山がどこにあるかはよく分からない このようなスペクトルから不純なものを取り去って 本当の性質を浮き彫りにするために スペクトルを滑らかにする操作のことをいう 6.1 合積のフーリエ変換スペクトルの平滑化を行う際に必要な 合積とそのフーリエ変換について説明する 6.2 データ
More informationMicrosoft PowerPoint - mp11-02.pptx
数理計画法第 2 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 前回の復習 数理計画とは? 数理計画 ( 復習 ) 数理計画問題とは? 狭義には : 数理 ( 数学 ) を使って計画を立てるための問題 広義には : 与えられた評価尺度に関して最も良い解を求める問題
More informationMicrosoft 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
More informationMicrosoft Word - 卒業論文.doc
006 年度卒業研究 画像補間法を用いた拡大画像の比較 岡山理科大学総合情報学部情報科学科 澤見研究室 I03I04 兼安俊治 I03I050 境永 目次 はじめに ラスタ画像 3 画像補間法 3. ニアレストネイバー法 3. バイリニア法 3.3 バイキュービック法 4 DCT を用いた拡大画像手法 5 FIR 法 6 評価 6. SNR 6. PSNR 7 実験 7. 主観評価 7. 客観評価
More information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
More information「情報」って何だ!?
画像処理システム論 Image Media Systems 加藤俊一 Toshi KATO 感性の強化 人間の感性的な行動 知覚を支援 演奏支援 虫眼鏡 電子的メガネ ( 画像強調 雑音除去 ) 仮想現実感への応用 ( 建築設計支援 ) 感性の強化 電子的メガネ ( 画像強調 雑音除去 ) 生体から学ぶべきメカニズム (1) 明暗順応 : 明るさの変化に対する調節機構 側抑制 : 視野の中の明暗の微小変化を局所的に検出
More informationMicrosoft PowerPoint - OS11.pptx
この資料は 情報工学レクチャーシリーズ松尾啓志著 ( 森北出版株式会社 ) を用いて授業を行うために 名古屋工業大学松尾啓志 津邑公暁が作成しました パワーポイント 27 で最終版として保存しているため 変更はできませんが 授業でお使いなる場合は松尾 (matsuo@nitech.ac.jp) まで連絡いただければ 編集可能なバージョンをお渡しする事も可能です 主記憶管理 : 仮想記憶 復習 : 主記憶管理
More informationumeda_1118web(2).pptx
選択的ノード破壊による ネットワーク分断に耐性のある 最適ネットワーク設計 関西学院大学理工学部情報科学科 松井知美 巳波弘佳 選択的ノード破壊によるネットワーク分断に耐性のある最適ネットワーク設計 0 / 20 現実のネットワーク 現実世界のネットワークの分析技術の進展! ネットワークのデータ収集の効率化 高速化! 膨大な量のデータを解析できる コンピュータ能力の向上! インターネット! WWWハイパーリンク構造
More informationPowerPoint プレゼンテーション
ディジタル画像処理 濃度変換 ; 階調処理 2 値化処理 ; しきい値処理 フィルタ処理 画像間演算 データ圧縮 三次元表示 頻度 画像全体で同じ濃度値を持つ画素数を求め, グラフ化したものを濃度ヒストグラムあるいは単にヒストグラム (histogram) という. 横軸は濃淡値 ( 画素値 ), 縦軸にその出現頻度 ( 画素数 ) をとる. Histogram 出現頻度 30 20 0 ヒストグラムの利用法
More informationモデリングとは
コンピュータグラフィックス基礎 第 5 回曲線 曲面の表現 ベジェ曲線 金森由博 学習の目標 滑らかな曲線を扱う方法を学習する パラメトリック曲線について理解する 広く一般的に使われているベジェ曲線を理解する 制御点を入力することで ベジェ曲線を描画するアプリケーションの開発を行えるようになる C++ 言語の便利な機能を使えるようになる 要素数が可変な配列としての std::vector の活用 計算機による曲線の表現
More informationMicrosoft PowerPoint - DigitalMedia2_2.pptx
デジタルメディア処理 担当 : 井尻敬 デジタルメディア処理 7( 前期 ) /3 デジタル画像とは : イントロダクション / フィルタ処理 : 画素ごとの濃淡変換 線形フィルタ, 線形フィルタ /7 フィルタ処理 : フーリエ変換, ローパスフィルタ, ハイパスフィルタ 5/ 画像の幾何変換 : アファイン変換 5/8 画像の幾何変換 : 画像の補間, イメージモザイキング 5/5 画像領域分割
More informationMATLAB 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)
More informationMicrosoft PowerPoint SIGAL.ppt
アメリカン アジアンオプションの 価格の近似に対する 計算幾何的アプローチ 渋谷彰信, 塩浦昭義, 徳山豪 ( 東北大学大学院情報科学研究科 ) 発表の概要 アメリカン アジアンオプション金融派生商品の一つ価格付け ( 価格の計算 ) は重要な問題 二項モデルにおける価格付けは計算困難な問題 目的 : 近似精度保証をもつ近似アルゴリズムの提案 アイディア : 区分線形関数を計算幾何手法により近似 問題の説明
More informationMicrosoft PowerPoint - Lec04 [互換モード]
6000 5000 4000 3000 000 000 0 体積表面積 0 0 40 60 80 00 0 40 第 7 回講義水曜日 限教室 情報デザイン専攻 画像情報処理論及び演習 I - 領域抽出 - 大津の二値化法 ラべリング 吉澤信 shin@riken.jp, 非常勤講師 大妻女子大学社会情報学部 3 4 今日の授業内容.riken.jp/ric/Yoshizaa/Lecures/Lec04.pdf
More informationuntitled
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
More information(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
More information[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<4D F736F F F696E74202D2091E6824F82518FCD E838B C68CEB82E894AD90B B2E >
目次 参考文献安達著 : 通信システム工学, 朝倉書店,7 年. ディジタル変調. ディジタル伝送系モデル 3. 符号判定誤り確率 4. 元対称通信路 安達 : コミュニケーション符号理論 安達 : コミュニケーション符号理論 変調とは?. ディジタル変調 基底帯域 ( ベースバンド ) 伝送の信号波形は零周波数付近のスペクトルを持っている. しかし, 現実の大部分の通信路は零周波数付近を殆ど伝送することができない帯域通信路とみなされる.
More information一方, 物体色 ( 色や光を反射して色刺激を起こすもの, つまり印刷物 ) の表現には, 減法混色 (CMY) が用いられる CMY の C はシアン (Cyn),M はマゼンタ (Mgent),Y はイエロー (Yellow) であり, これらは色の 3 原色と呼ばれるものである なお, 同じシア
第 4 章デジタル画像の処理 デジタル画像処理の基礎について理解し,Jv によるフィルタリング処理や座標変換のプログラムを作成する 4.1 RGB 表色系と CMY 表色系 TV やコンピュータのディスプレイ, デジタルカメラでの色の表現には, 加法混色 (RGB) が用いられる RGB の R は赤 (Red),G は緑 (Green),B は青 (Blue) であり, これらは光の 3 原色と呼ばれるものである
More informationMicrosoft PowerPoint - CV13.ppt [互換モード]
コンピュータビジョン特論 第 13 回対象追跡 2010 年 7 月 12 日 呉海元 色ヒストグラムによる追跡 色ヒストグラムによる追跡 見えに基づく追跡の問題点 対象の形状変化に弱い 非剛体の追跡には向いていない 同じ位置の画素ごとに比較するため 対象領域全体の統計量を使う 色ヒストグラム 色ヒストグラムとは? ヒストグラムを色空間に拡張 2 次元色空間を矩形分割し 各色の数をカウント 照明変動の影響を避けるため輝度成分を除いた
More information<4D F736F F F696E74202D2091E FCD91BD8F6489BB82C691BD8F E835A83582E >
多重伝送と多重アクセス コミュニケーション工学 A 第 4 章 多重伝送と多重アクセス 多重伝送周波数分割多重 (FDM) 時分割多重 (DM) 符号分割多重 (CDM) 多重アクセス 多重伝送 地点から他の地点へ複数チャネルの信号を伝送するときに, チャネル毎に異なる通信路を用いることは不経済である. そこでつの通信路を用いて複数チャネルの信号を伝送するのが多重伝送である. 多重伝送の概念図 チャネル
More informationMicrosoft PowerPoint - 時系列解析(11)_講義用.pptx
時系列解析 () ボラティリティ 時変係数 AR モデル 東京 学数理 情報教育研究センター 北川源四郎 概要. 分散 定常モデル : 線形化 正規近似. 共分散 定常モデル : 時変係数モデル 3. 線形 ガウス型状態空間モデル 分散 共分散 定常 3 地震波 経 5 定常時系列のモデル 4. 平均 定常 トレンド, 季節調整. 分散 定常 線形 ガウスモデル ( カルマンフィルタ ) で推定するためには
More informationMicrosoft PowerPoint - e-stat(OLS).pptx
経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数
More informationImplementation of Computationally Efficient Real-Time Voice Conversion
音情報処理 第 4 回 音声符号化 中村哲 1 秒間につき 128 kbi 使用 音声符号化 1 秒間につき 8 kbi だけ使用 伝送するビット数を 6% 程度に減らすことができる! 本日の講義を受けることで なぜこのようなことが可能なのかを理解することができます 講義内容 波形符号化 標本化 量子化 音声符号化方式 波形符号化方式 分析合成方式 ハイブリッド方式 聴覚符号化方式 符号化 ある情報を他のもの
More informationスペクトルの用語 1 スペクトル図表は フーリエ変換の終着駅です スペクトル 正確には パワースペクトル ですね この図表は 非常に重要な情報を提供してくれます この内容をきちんと解明しなければいけません まず 用語を検討してみましょう 用語では パワー と スペクトル に分けましょう 次に その意
ピクトの独り言 フーリエ変換の話し _ その 4 株式会社アイネット スペクトルの用語 1 スペクトル図表は フーリエ変換の終着駅です スペクトル 正確には パワースペクトル ですね この図表は 非常に重要な情報を提供してくれます この内容をきちんと解明しなければいけません まず 用語を検討してみましょう 用語では パワー と スペクトル に分けましょう 次に その意味なり特徴なりを解明しましょう
More information混沌系工学特論 #5
混沌系工学特論 #5 情報科学研究科井上純一 URL : htt://chaosweb.comlex.eng.hokudai.ac.j/~j_inoue/ Mirror : htt://www5.u.so-net.ne.j/j_inoue/index.html 平成 17 年 11 月 14 日第 5 回講義 デジタルデータの転送と復元再考 P ({ σ} ) = ex σ ( σσ ) < ij>
More informationスライド 1
データ解析特論第 5 回 ( 全 15 回 ) 2012 年 10 月 30 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 をもっとやります 2 第 2 回 3 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意
More information