画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
Googleが低解像度画像を爆速で高画質化する機械学習を使った技術「RAISR」を発表
毎日ウェブ上では無数の写真がシェアされていますが、アップロードされる写真の解像度は撮影機材によってさまざまで、低解像度の画像は時に引き延ばされてジャギーまみれになることがあります。据え置き機・モバイル機ともに高解像度ディスプレイの普及が進む中で、「見やすい低解像度画像」が必要とされつつあるのですが、機械学習を用いた新技術「RAISR(Rapid and Accurate Image Super-Resolution)」によって、リアルタイムで「低解像度画像の高品質バージョン」を生成できるようになります。 Research Blog: Enhance! RAISR Sharp Images with Machine Learning https://research.googleblog.com/2016/11/enhance-raisr-sharp-images-with-machine.
人工知能で白黒写真をカラーに 早大が技術開発、GitHubでコード公開
早稲田大学の研究グループはこのほど、ディープラーニングを応用し、白黒写真を自然な色に自動彩色する手法を確立したと発表した。プログラムのソースコードをGitHubで公開している。 新技術は、大量の白黒・カラー画像の組から、色づけの手がかりとなる特徴をディープラーニングにより学習し、その特徴を使って白黒画像をカラーに変換する技術。従来、白黒写真の色づけには人手が必要だったが、新技術なら全自動で彩色できる。 画像全体から抽出する「大域特徴」と、小さな領域から算出する「局所特徴」を結びつけて利用することで、画像全体を考慮した自然な色づけができるという。 大域特徴からは、屋内か屋外か、昼か夜かなど画像全体の情報を得、局所特徴からは、水か砂か葉かなど物体の質感を判断し、その領域をどう色づけするかが最も適当か推測。この組み合わせにより、夕暮れの空や人の肌など、状況に合った自然な色づけが可能になったという
黒い背景と白い背景で、色まで変わる画像 – Taro is here!
白い背景と黒い背景で別の絵に変わる画像を作りましたが、これをカラーでやるのは無理だと思っていました。 ですが、がんばればできることが分かりました。 ニコニコ動画版 その画像がこちらです。 こちらの画像をクリックすると大きい画像が表示されるので、そちらを保存してください。 先ほどの動画のように、iPhoneのカメラロールで表示するか、PC上でPowerPointやExcelに挿入してやると、よくわかります。 Twitterに投稿すれば、色まで変わる「クリック推奨画像」になります。 (再)今までカラーの「クリック推奨画像」を作った人はいただろうか？ なぜ黄色が青や赤に変わるのか、作った自分でも不思議。 (PCの公式クライアントでないと多分見えません)https://t.co/VCBdJRtDjo pic.twitter.com/AFUVte0r1O — Yusuke Ochiai (@taro
ラフ画へ自動的にペン入れして線画にする恐るべきニューラルネットワーク技術を早稲田大学の研究室が開発
複雑なラフスケッチを、まるで手でペン入れしたかのような線画に自動で変換してくれる新技術が早稲田大学の研究室によって発表されました。 シモセラ・エドガー ラフスケッチの自動線画化 http://hi.cs.waseda.ac.jp/~esimo/ja/research/sketch/ 早稲田大学のシモセラ・エドガー研究院助教らが開発したのは、鉛筆で描いたラフ画を一発で自動的に線画にしてくれる技術。例えば以下の画像でいうと、左側がラフ画スケッチ、右側がニューラルネットワークモデルで線画化したものです。 着物の女の子や…… お祭りっぽい雰囲気の女の子。 かなり線が重なっているように見えるお面のスケッチもこの通り。 複雑なスケッチでもかなりの精度で線画化しているのがわかります。 これまで、スキャンした鉛筆画など複雑なラフスケッチの線画化は非常に困難でした。しかし、新しい手法では3種類の畳込み層から
Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification
Abstract: We present a novel technique to automatically colorize grayscale images that combines both global priors and local image features. Based on Convolutional Neural Networks, our deep network features a fusion layer that allows us to elegantly merge local information dependent on small image patches with global priors computed using the entire image. The entire framework, including the globa
あこがれの「モザイク除去機」で本当にモザイクは消せるのか!?
その昔、インターネットとかなかった時代。男性向け雑誌の広告ページによく載っていた「モザイク除去機」。 合法的なエッチビデオに常についてまわるにくいヤツ・モザイクを消してしまうという、男子にとってドリーミングなアイテムなのだ!? 存在はよく知っているものの、買った、持っているという話は聞いたことがないし、ホントにモザイクが消えるのかどうかも謎。 そんな、誰もがみな欲しがるが、はるかなアイテム……「モザイク除去機」を買ってみました！ 1975年群馬生まれ。ライター＆イラストレーター。 犯罪者からアイドルちゃんまで興味の幅は広範囲。仕事のジャンルも幅が広過ぎて、他人に何の仕事をしている人なのか説明するのが非常に苦痛です。変なスポット、変なおっちゃんなど、どーしてこんなことに……というようなものに関する記事をよく書きます。（動画インタビュー） 前の記事：未来の「ぬりえ」を作ったら死ぬほどキモくなり
画像処理入門講座 : OpenCVとPythonで始める画像処理 | POSTD
この記事を書くに至ったきっかけ Recruse Centerでは、私は、画像処理の勉強に時間を費やしていました。独学をし始めた頃は、何をするものなのか全く理解しておらず、ただ、文字や輪郭、模様などを識別するのに役立ち、これらで面白いことができる、ということくらいの知識しかありませんでした。 私の情報源は、主にWikipediaや書籍、公開されている大学の講義ノートです。これらの資料に慣れ親しんでくるにつれ、画像処理の世界における基礎を伝えられる「入門向け画像処理」を望むようになりました。 これが、この記事を書こうと思ったきっかけです。 前提条件 この記事は、Pythonが扱えるということを前提に書いています。その他の事前知識は必要ありませんが、NumPyや行列計算に慣れていると理解しやすいでしょう。 初めに 使用するのは、Python版OpenCV、Python 2.7 ^(1) 、iPy
TensorFlowによるディープラーニングで、アイドルの顔を識別する - すぎゃーんメモ
以前は MNISTの例を使って画像識別を試してみた けど、次はカラー画像についての識別を試してみる。 「アイドルなんてみんな同じ顔に見える」って 最近も言われてるのかどうか知らないけど、自分もつい5年前くらいまではそう思っていたわけで。その識別を機械学習でやってみよう という試み。 最近はほとんどライブに行かなくなってしまったけど大好きなももいろクローバーZちゃんを題材にしてみることに。 5人のメンバーの顔は機械学習によってどれくらい分類できるようになるのか？？ CIFAR-10 CIFAR-10 という、32×32サイズのカラー画像を10種類のクラスに分類する識別課題があり、そのデータセットが公開されている。これを実際にTensorFlowで学習するための畳み込みニューラルネットワークのモデルや関数などがtensorflow.models.image.cifar10パッケージに同梱されて
全自動水玉コラ生成マシーン - onk.ninja
全自動水玉コラ生成マシーン 聖夜なので表題のものを作った。 https://github.com/onk/auto_circle_collage processing で書いたアプリだけど、この記事の内容はほぼ OpenCV の話です。 仕組み 水着を自動認識して「隠す」とマーク 顔を自動認識して「見せる」とマーク マークに沿って円充填 水着領域の自動認識 最初のアプローチ OpenCV を使って肌色認識 選択領域を膨張 -> 収縮させる 肌色との差分を取れば水着領域が完成 肌色認識 先人が大量に居た。RGB 色空間ではなく HSV 色空間を使うというのがコツなようだ。 HSV色空間 - Wikipedia HSV 色空間なら影になっている部分も抽出できる。 今回は Hue: 7..15 を肌色として定義した。 PImage detectHada() { // 作業用に hue で gra
画風を変換するアルゴリズム - Preferred Networks Research & Development
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic Style”(元論文)というアルゴリズムです。生成される画像の美しさと、画像認識のタスクで予め訓練したニューラルネットをそのまま流用できるというお手軽さから、世界中で話題になっています。このアルゴリズムの仕組みなどを説明したいと思います。 概要 2枚の画像を入力します。片方を「コンテンツ画像」、もう片方を「スタイル画像」としましょう。 このプログラムは、コンテンツ画像に書かれた物体の配置をそのま
【カメラ革命】MITが「絶対に白飛びしない」技術を開発。もう絞りや露出に悩されない日々へ:DDN JAPAN
DDN は 音楽 ・ 映像 に関する デジタル アート を中心に情報ミックスを配信中
Microsoft、2枚の顔写真から「類似度」を計算できる新ツール | スラド IT
2枚の人物写真をアップロードすると、それらの類似度を0～100で評価してくれる「Twins Or Not」なるサービスをMicrosoftが発表した（I-Programmer、WIRED、Slashdot）。 要するに兄弟や双子といった人物の顔がどれくらい似てるかというのを判定してくれるサービスで、ちょっと前に話題になった顔から年齢を測定する「How Old Do I Look?」のバリエーション的な存在。MicrosoftのクラウドサービスであるAzureの機械学習サービスおよび「Face」APIが使われているそうだ。 UK版『WIRED』ではツールの能力を試すために、スティーブ・ジョブズと映画で彼を演じたアシュトン・カッチャーを比べてみたところ、Twins Or Notは「間違いなく親類」だと判断したそうだ。似ているといわれる友人と比較したりすると面白いかもしれない。
waifu2xでアニメをアップコンバートする - unsuitanの日記
2015-05-27 waifu2xでアニメをアップコンバートする もう世の中で話題すぎて仕方が無いwaifu2xです(説明はしないので各自ぐぐれ)。 二次元画像を拡大したいと思ったことはありませんか？ - デーultraist.hatenablog.com ところでwaifu2xを見て、皆さん思いませんでしたか？ waifu2xでSD画質のアニメのアップコンバートしてえ！ でもWebアプリだしアニメのアップコンバートなんて…と思ったらGithubでコード公開されてるし、AWSのPublic AMIもあります(北カリフォルニア ami-75f01931)。 自宅でwaifu2xサーバを立てるのもいいですが(その話はまた後日にでも書きますけど)、もうサクッとAWSにg2.2xlargeのスポットインスタンスを立ててしまいましょう。1時間7円くらい、1日170円くらいですよ。 というわけでこの
画像解析できるマン | 株式会社ウサギィ
画像解析できるマンで行っているような、画像の意味をコンピューターで認識する処理を画像認識といいます。 様々な手法がありますが、このサービスのように食べ物や動物といったある程度抽象的なものを認識する技術は、特に「一般物体認識」と呼ばれています。 このサイトでは、機械学習という方法を応用して、『食べ物』と『食べ物ではないもの』両方の画像をコンピューターにたくさん教えてあげています。 そして、その知識を使って画像認識を行い『画像が食べ物かどうか』を判定しています。 機械的に画像に何が写っているのかがわかれば、さまざまなことができるようになります。 たとえば、大量の写真の中から「東京タワーを撮った写真が欲しいな」と思った時に人手でなくても自動的に探してきたりすることができます。 ほかにも、子どものための不適切なコンテンツのフィルタリングや、SNS上の写真を解析することでマーケティング等に使えます。
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
長文日記
GitHub - satoshiiizuka/siggraph2016_colorization: Code for the paper 'Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification'.
TechCrunch | Startup and Technology News
古文書の「くずし字」、精度8割で判読 凸版印刷 - 日本経済新聞
Engadget | Technology News & Reviews
