以前OpenCV2.2のインストールとVisualStudioの登録の仕方を説明したけど今2.4.1まで上がっててインストーラーも提供されてないみたいなので備忘録もかねて簡単にWindowsで使う設定を書いておく。 2.2での設定は下記記事参考 【旧ブログ】openCV2.2インストール【引っ越し】 2.2入れた上でフォルダを分けて2.4を入れてみた。 今回対象とする環境はWindowsXP以降、VisualStudio2010です。 まずhttp://opencv.jp/からOpenCV2.4のバイナリをダウンロード(2012/7/2現在最新版は2.4.1) わかりにくいけど、Link/Downloadに行くと上の方に2.2のダウンロードリンクがあってその下に「それ以前のすべてのバージョン」ってある。 「それ以前のすべてのバージョン」をクリックしたら2.3以降のバージョンもなぜかここにあ
Deep Learningの訓練終了など任意のメッセージを特定のSlackチャネルに投稿できるボットを作りました。 Yatta Kun プログラミングは不要で curl というコマンドラインツールから簡単に投稿できるので非常に便利です。可愛いくて便利なので作り方を紹介します。 職場などでみんなが使っているワークスペースで実験すると迷惑がかかる可能性があるので、最初は個人の実験用ワークスペースを作ってしまうのが良いと思います。無料でできます。 1. Incoming Webhookをインストール SlackアプリのページからIncoming Webhookをインストールします。Slackアプリページは、 https://[workspace name].slack.com/apps/ から行けます。 workspace name はワークスペース名です。 Incoming Webhook で
Reference Manual OpenCV-2.x(svn) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++)（訳） OpenCVユーザガイド（訳） Python: リファレンス日本語訳 Google Test-1.6 Google Test ドキュメント日本語訳 Google Mock(svn) Google Mock ドキュメント日本語訳 OpenCV-2.2(r4295相当) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++) （訳） Python: リファレンス日本語訳 OpenCV-2.1(r2997相当) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++) （訳） Python: リファレンス日本語訳 OpenCV-1.1pre C/C++:
ライブラリを使うには、ダイナミックライブラリファイル（*.dll）、ライブラリファイル（*.lib）、インクルードファイル（ヘッダファイル）（*.h）が必要になり、これらを使えるようにVisualStudioの設定をする必要があります。以下、ＯｐｅｎＣＶをC++/CLIで使う場合の設定です。 dllファイルの設定については、 OpenCVの入手ダウンロード、インストール、環境設定 のページで紹介していますので、そちらを参照下さい。 インクルードファイル(*.h)の設定は、メニューのプロジェクト→【プロジェクト名】のプロパティで設定ウィンドウを開きます。 ここで、構成はすべての構成を選択し、構成のプロパティ→C/C++→全般を選択し、追加のインクルードファイルの右の方にある参照ボタンをクリックし、インクルードファイル(*.h)のあるディレクトリを指定します。 デフォルトのインストールではディ
東京女子流 TOKYO GIRLS' STYLE 도쿄죠시류 东京女子流 おんなじキモチ-YMCK Remix- MV Ver.2 2012.01.29. USTREAM
この連載では、この表で言う画像認識技術を主に扱いますが、どの技術も非常に活発に研究されており、様々な分野で実用化されています。 画像認識・理解の基本原理 画像認識の基本原理 画像認識は、学習のフェーズと認識のフェーズの2つからなります。学習のフェーズでは、コンピュータに認識させたい対象画像を学習させる処理を行い、認識のフェーズではコンピュータに入力画像が学習した対象かどうかを判定させます。 図5 学習と認識の流れ 学習フェーズ 学習のフェーズでは、まず画像になんらかの処理を施して、ピクセルのデータ列から、より学習に適したデータ列（特徴量データ）へと変換を行います。 次に変換されたデータを、機械学習と呼ばれるアプローチを用いてコンピュータに学習させます。機械学習とは、その名の通り人間が行っているような学習の仕組みをコンピュータに持たせるための技術です。例えば人間は、初めて見る人の顔画像でも、
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く