個人出版した電子書籍の表紙画像をプログラムで生成してみた - karaage. [からあげ]
個人出版した本の表紙をどう作るか問題 先日KDP(Kindle Direct Publishing)で「ゼロから始める情報発信」という書籍を個人出版しました。 ゼロから始める情報発信: No Output, No Value 作者:からあげAmazon 書籍を個人出版したとき、何に一番悩んだかというと装丁ですね。電子書籍の場合は、ずばり「表紙画像」そのものです。書籍の表紙は、顔のようなものですからね。いくつかKindle個人出版関係の書籍も読みましたが、読まれる数に直結するのが表紙のようです。 表紙の重要性は、出版社から出る商業誌でも同じです。出版社から出す場合は、出版社が、それはもう力を入れて表紙を作ってくれるので、作者は悩む必要はありません（作者が表紙まで意図的にコントロールしたい場合は別）。前に、出版社から出した書籍「AI自作教室」の装丁に関しては、詳しくは以下ブログ記事参照ください
![個人出版した電子書籍の表紙画像をプログラムで生成してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/1a551164d3f8c9806d746114ba3160d06c458307/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20210702%2F20210702093543.png)
古くて新しい2値化画像処理を動かしてみる(ECCV 2020論文) - OPTiM TECH BLOG
R&D チームの徳田（@dakuton）です。 今年の8月に開催されたECCV 2020のacceptされた論文のなかに、使い古された2値化画像処理をもとにした論文(+実装)があり気になったので、今回はそちらを少し調べて動かしてみた結果をご紹介します。 対象論文 A Generalization of Otsu’s Method and Minimum Error Thresholding 要点 簡単にいうと「既存手法をまとめて、ちょっとだけ融通の効く2値化画像処理にしたもの」の提案です。 ヒストグラムベースでの2値化しきい値を自動決定する手法 下記の既存手法を特殊ケースとして内包できるよう、一般化した式にまとめた Kittlerの2値化(MET: Minimum Error Thresholding): 2クラスの正規分布が存在すると仮定し、分布の重なる範囲にて別クラスに該当する画素が最
【YOLOv5】マスクしてる人・してない人を物体検出 - Qiita
YOLOv5がリリースされたとのことなので試してみました。 https://github.com/ultralytics/yolov5/ 目次 使用データと目的 実装例 データ準備 COCOデータのpretrainedモデルのダウンロード コードのダウンロード 環境準備 コード実行 コード説明 最後に 1. 使用データと目的 以下のサイトから物体検出用の画像を拾ってきました。 https://public.roboflow.ai/object-detection/ 色んなデータがありますが、コロナの時期なのでマスク有り無しのデータを選択してみました。 目的は図のようにマスクをしている人・していない人の物体検出を行うことです。 2. 実装例 2-1. データ準備 まずデータをダウンロードします。 以下のURLにアクセスします。 https://public.roboflow.ai/objec
「AIで写真を高画質化」話題のアプリ『Remini』を使ってみたけど、たしかに凄いね｜男子ハック
「Remini」アプリを使ってみたというユーザーの声今話題のreminiマジですごいわ、、ここまで綺麗になるとは pic.twitter.com/9OU118NzIO — slick原付道 (@mk4_slick) 2020年2月12日画質を良くするアプリがかなりかなり優秀だった…Reminiってアプリなんだけど、本当に不思議なくらい画質良くなるから是非試してみて欲しい。動画のスクショとかもかなりかなり綺麗になる… pic.twitter.com/WLqASRHbCj — - - (@KissYou1015) 2020年2月12日AI高画質化アプリ使って、昔フィルムカメラで撮った息子の写真を高画質化したんだなあ pic.twitter.com/jFszWNGk2I — かすやかずのり:気絶 (@kazinori) 2020年2月15日高画質変換アプリスゲー！！ 石立鉄男がクッキリハッキリ！
画像最適化戦略 Lazy Loading 編 | blog.jxck.io
Intro 長らく議論されてきた <img> や <iframe> における Lazyload について、仕様と実装が動きを見せている。 ここでは、特に画像 <img> に注目し、 Lazyloading の議論の変遷を踏まえた上で現状を解説する。 画像最適化シリーズ第 5 回目のエントリである。 画像最適化戦略 PNG/JPEG 編 画像最適化戦略 Picture 編 画像最適化戦略 WebP 編 画像最適化戦略 SVG/Font 編 > 画像最適化戦略 Lazy Loading 編 Lazyloading 画像や iframe の埋め込みは、読み込むサイズも大きく、処理が同期であるため、レンダリングのボトルネックになりやすく、それらが多いページでは初期表示の遅延の原因となることが多くあった。 特に縦に長いページでは、最初にユーザが見えている領域 (Above the Fold) では表
画像から描き方を生成する強化学習システムSPIRALの追実装 - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
DeepMindから発表された画像から描き方を生成する強化学習システム「SPIRAL」[1]をChainerRLを用いて実装した． 実装はGitHubレポジトリで公開している． SPIRALとは SPIRALは絵の画像から描き方を生成するためのシステムである． 画像生成といえばDeep Convolutional Generative Adversarial Network(DCGAN [2])が主な手法だが，DCGANはラスター画像を生成するのに対して，SPIRALは時系列の描画行動，つまりベクター形式で画像を生成することができる． ベクター形式の画像はラスター形式とは異なり特定の線を取り除くといった編集を簡単に行うことができる． ベクター画像を生成するモデルとしてはSketch-rnn [3]があるが，このモデルは学習に描画過程，つまりベクター形式のデータが大量に必要になる． これらに
Androidの主要画像系ライブラリのTread Poolをみる - Qiita
CPU数はRuntime.getRuntime().availableProcessors()の値です 上の表だけでは説明が不十分なのでそれぞれ少しだけ補足します。 picasso 参照クラスはこちら PicassoExecutorService picassoはデフォルトでは3ですが、WiFiでは4にするなど通信状況に応じてpool sizeを変更しています。 private static final int DEFAULT_THREAD_COUNT = 3; void adjustThreadCount(NetworkInfo info) { if (info == null || !info.isConnectedOrConnecting()) { setThreadCount(DEFAULT_THREAD_COUNT); return; } switch (info.getType
任意の画像をレスポンシブに対応したHTMLタグや画像を生成するジェネレーター・「Responsive Image Breakpoints Generator」
Responsive Image Breakpoints Generatorは任意の画像をRWD対応にする為のジェネレーターです。srcset属性による画像へのブレークポイントと縮小画像をサクッと作成してくれます。pictureタグの生成に加えてRuby、node.js、PHP等のコード生成にも対応していましたので画像のレスポンシブ周りは一通りサポートしている印象です。srcsetを非対応ブラウザに対応させるpicturefillも合わせてご参照下さい。本アプリはオープンソースとして公開されています。 ※2016/01/28現在、Githubはダウンしていますのでソースをご入用の方は時間を置いてからアクセスしてみてください Responsive Image Breakpoints GeneratorOn Github
ブラウザ上で画像処理 ～漫画のコマを領域分割する～ - pixiv inside [archive]
はじめに こんにちは、pixiv でアルバイトをしていた arayuji です。 今回はこれまでやってきたことのまとめとして、漫画やイラストに対する画像処理についてご紹介します。 一口に画像処理といっても様々なものがありますが、ここでは漫画のコマや白黒のイラストを簡単に領域分割する手法についてお話しします。 基本的な画像処理から高度な最適化処理まで、すべての処理をブラウザ上で 実現しました。 実際のコードも、pixiv/manga-segment · GitHubにあるので、興味がある方は見てみてください。 デモ トップに載せた画像が動作イメージなのですが、わかりにくいと思うのでデモを用意しました。（Chrome 40 / Firefox 35 / IE 11 で動作確認しましたが、IE では非常に遅いので注意してください） 右側のパレットで色をひとつ選んで、左側の画像の上にマウスで線を描
写真サービス機能のブラウザ内実装 | 株式会社サイバーエージェント
2-1. リサイズ処理 Figure 2. Mobile Safariによる画像アップロード画面 最終成果の画像データを、サーバーサイドAPIにPOSTすることがゴールである。Androidにおいて、XMLHttpRequestでBlobをリクエストに設定しても空のボディで送信される問題がみられるため、今回はBase64 encoded DataURIとしてPOSTすることにしている。 2-1-1. 基本実装 ƒ 今回のリサイズ処理では、Canvas要素とFile APIを利用する。基本方針としては、inputtype='file'のchangeイベントから、Fileオブジェクトを取得し、それを一度Canvasに書き出すことでリサイズを試みる。最終的には、canvas.toDataURL() によってDataURIを取得する。 下記に、基本実装のサンプルを示す。( http://co
1
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
ルールベース画像処理のススメ
ひとりで作る画像検索
DeNA Engineering - DeNAエンジニアのポータルサイト