シルエット(yoshiaki takeda) @y-takeda - Tumblr Blog

Posts

SoftwareDesignの12年間分のバックナンバーが収録されてる！

PC系雑誌を見ていると、よく見かけるSoftwareDesign。

最新情報あり、入門としてよく使われているソフトの解説もありでよく立ち読み（買ってないorz）していました。

というのも、こういう雑誌は前の情報も必要な場合もあり、途中から見てもあやふやになってしまうな～と感じていたからです。

みなさんにも似たような感覚もたれた方がいると思います。

そうしたときに、この総集編はありがたい。

2001-2012年のバックナンバーで1980円！

普段立ち読みの私も、これは買いましたｗ

時間つくって、読み込んでいきたいと思います。

#技術

プログラミング分野において、年を取ることは不利な説が多いです。

SE３５歳限界説や技術進化についていけないと言われる事などです。

その中で勇気づけられる記事です。

Pythonとnetworkx 設定

だいたいここみればわかります．

http://d.hatena.ne.jp/fuyumi3/20120704/1341396858

easy_installをいれる事でPythonの構築が楽になる．

http://sphinx-users.jp/gettingstarted/install_windows.html

環境変数はpython26とpython26/Scriptsの２つ指定しておけばよさそう．

次にnetworkxをいれる．

コマンドプロンクトより

easy_install networkxでおｋ

FPGA資料２

新入社員合宿より１週間ぶりに自宅に戻って、キーボードに触りましたｗ

今日の夜にはまた合宿所ですが・・・

さて、いろいろ情報をみていたら

http://d.hatena.ne.jp/nowokay/20130407#1365278424

FPGA入門用に情報をまとめてくれた方がいらっしゃいました。

ここに付け加えるならば、

http://gihyo.jp/book/2013/978-4-7741-5651-4

FPGA ボードで学ぶ組込みシステム開発入門〔Xilinx編〕

は、より最新の本としていろいろな情報が期待できるのではないかと思います。

#ＦＰＧＡ

JavaとOpenCVの融合　OpenCV2.4.4から

サイトを見ていたら，OpenCV2.4.4の情報がでてきましたね．

一番大きなニュースとして，Javaのサポートを始めた事だと書かれています．

Androidに対応した時点て，時間の問題かなと思う部分ありましたが，ここで正式に対応されましたね．

また，CUDAとOpenCL（並列演算）への対応も着々と進んできているみたいで，どんどん進化を続けていますね．

研究でお世話になっていたツールが，どこまで広まっていくのか楽しみです．

http://code.opencv.org/projects/opencv/wiki/ChangeLog#244

#OpenCV #Java

電子デバイスとかソーシェルサイトの利用傾向の論文

大学生にアンケートをとって，様々な分析・考察をされている論文．

大学1年生の情報活用能力とICT機器やメディアの利用状況調査

http://www.kagawa-u.ac.jp/itc/ipc2012/jacn16/ipc2012_p111.pdf

各公式サービスの報告もいいですけど，客観的な第3者の分析は最も信頼性が高くてありがたいですね．

こういうのを見ると，因子分析とか数量化理論とか思い出しますね．

あと，アンケートの設問の作り方で国語と心理学も大事ですかね．

例えば，質問に対する答えの選択肢は「偶数」にするなどです．

日本人は普通とか中間を選ぶ傾向にあるので，5択でなく4or6択にするべきです．

#調査分析 #ソーシャル

勉強資料　組み込みの違い比較 FPGAなど

FPGAとArduinoとRasberryPIの違いと、FPGAを勉強する理由

http://d.hatena.ne.jp/nowokay/20130218#1361170644

こういう比較やまとめはなかなか情報としてでてこなくて，ありがたいです．

http://d.hatena.ne.jp/nowokay/20130218#1361170644

#FPGA #資料

修論提出！

修士論文の本稿を提出しました！

機械学習やら成分分析法を利用した，画像中からの特定物体検出がテーマでした．

照明変化や識別モデルの過学習など障害はありましたが，なんとか従来法と差別化できた結果を出せたので一安心です．

入社する会社の業界的に，画像処理を深く勉強する事はもうなさそうなので，その区切りにもなったかな・・・

今までに，後輩への引き継ぎ資料作成を兼ねて，顔を知らなくても画像処理に興味をもった後輩・先輩方のために使えそうな部分をまとめ直してTumblrで公開してきました．

今後は，画像処理系のテーマと方向を変わると思いますが，気ままに面白そうなニュースあったら紹介していきたいと思います．

#研究 #修論

画像からの文字認識　tesseract-ocr

画像中から文字認識したい時(OCR)もあると思います．

そうした時に，Googleがフリーで出しているこのソフトを試してみるといいかもしれません．

http://d.hatena.ne.jp/takmin/20110720/1311176261

http://homepie.blog.shinobi.jp/Entry/28/

http://tercel-sakuragaoka.blogspot.jp/2011/05/opencv.html

http://g86.dbcls.jp/~yag/wordpress/archives/1315

#OCR

OpenCV 固有値と固有ベクトルのEigen関数かSVD関数のどちらを使うべきか．

先日は，Eigenライブラリを使用した固有値と固有ベクトルの紹介をしました．

http://y-takeda.tumblr.com/post/42803294185/eigen-c

勿論，OpenCVにも実装されています．

ただ，ふつうに固有値を求める関数は精度が悪いという記述を発見したので検証してみました．

とりあえず，普通のEigen関数のコード

float f11[] = {1,0.446,-0.56,

0.446,1,-0.239,

-0.56,0.239,1 };

cv::Mat data = cv::Mat(3, 3, CV_32F, f11);

cv::Mat value, vector;

cv::eigen( data, value, vector );

std::cout<<"Eigenvalues"<<"\n";

std::cout<<value<<"\n";

std::cout<<"Eigenvectors"<<"\n";

std::cout<<vector<<"\n";

※計算誤差の影響で多少値は違います．

次に注意点が書かれていた資料を紹介しておきます．

eigenVVという関数で固有値を出す時に使うみたいなのですが，その仕様をいろいろ見ていくと，気になる部分があったので検証しました．

http://opencv.jp/opencv-1.0.0/document/opencvref_cxcore_algebra.html

【引用ここから】

現在，この関数はcvSVDより遅く，精度も低い．そこで，matが正定値行列であることが既知のとき (例えば共変動行列）は，行列matの固有値，固有ベクトルを求めるために（特に，固有ベクトルが必要とされない場合）， cvSVDを使用することが推奨される．これは，

cvEigenVV(mat, eigenvals, eigenvects);

の代わりに

cvSVD(mat, eigenvals, eigenvects, 0, CV_SVD_U_T + CV_SVD_MODIFY_A);

を呼ぶということである．

【引用終わり】

上記の事を見ると，特異値分解の関数を使って固有値と固有ベクトルを算出してしまう方がよさそうです．

その場合は，

cv::Mat A = (cv::Mat_<double>(3,3) << 1,0.446,-0.56,0.446,1,-0.239,-0.56,0.239,1);

std::cout << "A=" << A << std::endl << std::endl;;

// 特異値分解

cv::Mat w, u, vt;

cv::SVD::compute(A, w, u, vt, cv::SVD::FULL_UV);

std::cout << "w=" << w << std::endl;

std::cout << "u=" << u << std::endl;

std::cout << "vt=" << vt << std::endl << std::endl;

こっちはもっと誤差が大きいですがorz

OpenCVのバージョンが上がったおかげか，正方行列の固有値と固有ベクトルをだす時はEigen関数を使う方がいいでしょう．

参考

http://www.kkaneko.com/rinkou/opencv/opencvintro.html

詳解OpenCV

#固有値 #OPenCV

OpenCV導入　後輩の手伝い　Visual studio2012上にて

　新しくきた後輩が，新しいPCにOpenCVを導入しようとして動かないと質問にきた．

開発環境はVS2012でOpenCV2.4.3がどうやらうまく動かないらしい．

そこでいろいろ聞いた所，Cmakeでコンパライラ選択するときにVisual studio 11 win64の方を選択していたとの事．

とりあえずVisual studio 11 で実行してもらい，後はパスの通し方とか実演しつつ動作確認できた．

後輩が引っかかってた所まとめ（雰囲気伝えるために，正確な事ではないです）

Q:x86とx64って何？

A:x86が32bitでx64が64bitという感じ

Qvc9とかvc10って？

A:vc9はVisual Studio 2008用，vc10はVS2010用，Vc11はVS2012用だと

Q:DebugとReleaseで使用するdllの区別は？

A:Debugの方は○○d.dllと末尾にdがついていると説明

※環境変数を変更したら，一度ソリーションを閉じて再度開いてください．再起動する方が一番望ましいのかな．

最期に，CmakeでのOpenCV設定方法の参考になりそうなサイトやブログを紹介しておきます．

http://kengolab.net/den/memo/201012/26.html

http://imagingsolution.blog107.fc2.com/blog-entry-207.html

#OpenCV

【今日のメモ】　Crocodoc　pdfやword文章をアップロードできる！

ドキュメントや文章をhtml化してくれるサイトがTechcrunchで紹介されました．

http://preview.crocodoc.com/

wordで試してみた所，html化した物に変なエラーはありませんでした．

色変化，フォントの大小，全角・半角いろいろ入っていましたが，見事に対応してます．

ネットで情報を他の方の感想などを見てると日本語が不自由だとはでてこないので，問題ないでしょう．

dropboxなどの有名なサービスにも使われているらしいです．

もし，アップロードしてみたい文章がある場合，Crocodocを試してみるといいかもしれません．

#今日のメモ #ツール

OpenCV　SIFT特徴量

意外とSIFT特徴量で検索されている方が多いのでまとめておきます．

SIFT特徴量は，画像から特徴点抽出において有名な手法となっていて，超えるべき目標としてよく引用されています．

特許がとられているので商用のアプリケーションとしては使いづらいですが，アカデミックな学術論文では新しい特徴量を提案する時に，SIFT特徴より認識性能or計算速度がよいかどうか比較検討のたたき台（失礼な表現ですが）としてまだまだ目にしています．

SURF/ORB/FREAK特徴など比べて，計算速度が遅いですが，照明変化や回転へのロバスト性は高い印象を受けます．

OpenCVでは，SIFT特徴は特徴点と特徴量記述の２つの処理が実装されており，次元数は128となっています．

以下，ソースコード

※特許がとられているので，nonfree\features2d.hppのインクルードが必要です．

#include "opencv2/features2d/features2d.hpp"

#include"C:\OpenCV2.4.2\build\include\opencv2\nonfree\features2d.hpp"

cv::SiftDescriptorExtractor sift_detector;

cv::SiftDescriptorExtractor sift_descriptor;

cv::vector<cv::KeyPoint> sift_features;

cv::Mat descrpitor;

sift_detector.detect(gray_img,sift_features);

sift_descriptor.compute(gray_img,sift_features,descrpitor);

参考資料

http://d.hatena.ne.jp/colorcle/20090629/1246292723

http://www2.it.lut.fi/kurssit/07-08/CT20A6100/seminars/2009-2010/SIFT.pdf

http://www.hal.t.u-tokyo.ac.jp/paper/2010/Journal_11.pdf

コンピュータビジョン最先端ガイド２

#OpenCV #SIFT #特徴点

顕著性MAP　画像中から人間が注目しやすい所を推定

ある画像があった時に，人間の視線はどのように動くでしょうか．

画像で目立つ複数の場所を転々として見ていくというのが一般的です．

画像を左上から右下まで，機械的に見ていくわけではありません．

そう考えるとPC上で画像に対して，何か処理を行いたい時に全体的にするのではなく，人間にとって重要な箇所のみに絞って行うなどの考えもでてきます．

そこで登場したのが，顕著性MAPです．どこに，人間は注目するであろうか，推定できる手法として提案されています．

以下，参考になりそうなサイトの紹介になります．

簡単な概念としては，

http://news.mynavi.jp/series/computer_vision/044/index.html

ちゃっんと原理をしりたいならば，

http://fussy.web.fc2.com/algo/algo12-3.htm

とりあえず，試してみたいなら

http://pub.ne.jp/akisato/?entry_id=3970170

#OpenCV #画像処理 #顕著性MAP

Edegelet特徴量　情報まとめ

コンピュータビジョン最先端ガイド2に解説とコードがありました．

同書において演算が遅いという記述があったため，使用していませんでした．

Edegelet特徴量は，エッジのつながりと方向から計算される手法のようです．

形状変化が少なく，テクチャが多い車検出とかに有効らしい．

↓にサンプルコードがあります．

画像の読み込みでOpenCVは使用していますが，それ以外のEdegelet特徴量を計算する所では使用していないのでアルゴリズムの勉強にもなりそうです．

http://www.opluse.com/images/edgelet.cpp

#特徴量 #OpenCV

OpenCV BRISK特徴量について

画像から特徴点を抽出する方法は最近も研究されています．

今回はOpenCV2.4.3より実装されたBRISK特徴量のサンプルを書きました．

どうやら，特徴点抽出と特徴量記述の２つの処理が実装されているようです．

勿論，片方だけ別の処理(SURF)とか組み合わせもできます．

SURFとBRISKとFREAKの比較によると，BRISKは回転など各検証で優秀な成績みたいです．計算速度も早いようです．

http://computer-vision-talks.com/2012/08/a-battle-of-three-descriptors-surf-freak-and-brisk/

BRISK特徴の中身を見ると整数型で記述されており，1つ辺りの次元数は32でした．

高速な画像認識などで特徴点を探している人は試してみるといいかもしれません．

以下にOpenCV2.4.3の中にあったbriskのコード探して，補足でつけ加えた物を紹介しておきます．

using namespace cv;

#include "opencv2/features2d/features2d.hpp"

//参考

//C:\OpenCV2.4.3\modules\features2d\src\brisk.cpp

//C:\OpenCV2.4.3\modules\features2d\test\test_brisk.cpp

int main()

{

Mat image1 = imread("../../lena.png");

Mat gray1;

cvtColor(image1, gray1, CV_BGR2GRAY);

Ptr<FeatureDetector> detector = Algorithm::create<FeatureDetector>("Feature2D.BRISK");

cv::BriefDescriptorExtractor extractor;

cv::Mat descriptors;

vector<KeyPoint> keypoints;

detector->detect(gray1, keypoints);

extractor.compute(gray1,keypoints,descriptors);

for(int i=0;i<keypoints.size();i++){

cv::circle(image1, keypoints[i].pt, 1, cv::Scalar(0,255,0), 3);

}

// std::cout<<descriptors<<"\n";

std::cout<<"特徴点:"<<descriptors.rows<<"\n";

std::cout<<"次元数:"<<descriptors.cols<<"\n";

imshow("image1", image1);

waitKey(0);

}

#OpenCV #特徴点 #BRISK

【読書感想】　ソニーの法則　著）片山　修

ブックオフにて，この本を購入しました．懐かしいプレイステーションのコントローラが気になってしまってｗ

さて，この本は1998年出版でありかなり勢いがあった頃（勿論，今でもすごい会社ですけど）のソニー社員のコメントがいろいろ書かれていました．

印象に残ったのは，エンジニアの方のコメントでしたね．

新製品を作る時に難しい課題なんてあって当たり前．

コスト・サイズ・製造期間，問題はいろいろある．意地でそれらを解決した時にヒット商品がでるんだと．

現状で問題なくいけるなという製品は，売れ行きの方もいってソコソコ止まりだと．

話を本に戻しますが，この本は全部で4部構成です．

順番は

・エンジニア

・営業

・管理者

であり，様々な部門の方のコメントが書かれています．

今はちょっと元気がないソニーですが，ウォークマン・プレイステーションなどなど社会を変えるくらいの大ヒット商品を作ってきた会社です．

次の商品に期待したいですね．

#読書感想

Trending Blogs

Recently Viewed Blogs

シルエット(yoshiaki takeda)