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
Why this was written At the Recurse Center, I spent some time teaching myself image processing. When I started, I had no idea what it entailed. I just knew that it could help me recognize text, shapes and patterns and to do interesting things with them. My sources have mainly been Wikipedia pages, books and publicly available university lecture notes. As I became more familiar with the material, I
時系列データというのは時刻など時間の何かがインデックスになってるデータのことだそうで、例えば毎日の平均気温とかがそうです。全くもってランダムだったりするかもしれませんが、気温のように 24 時間周期とか 1 年周期で上がったり下がったりしながら でも温暖化してるんじゃない? と上がっているような、氷河期に向かうときは下がっていくような 隕石が落ちたり噴火があったりで空が何かで覆われると涼しく (寒く?) なったり そもそも毎日の天気とかエルニーニョとか暑めだったり寒めだったり と 周期性 (複数あるかも、季節性とも) 長期的なトレンド (温暖化とか氷河期とかは周期性かもしれませんが．．．) 例外的なイベントによる外れ値的なものたち 観測や環境によるノイズ などの成分に分けて理解しようとするのが基本のようです。 予測をしようと思ったら、周期とトレンドはそのまま伸ばしてみつつ、例外的といっても
グラフの相同性とか統計量とかの話で、cug.test という検定を後輩から教えてもらった。 sna パッケージでできる。 グラフ隣接行列からランダムな隣接行列を作りまくって分布を作成して、p値を計算するらしい。 グラフとしてはこんな感じで 検定は以下のようになる。transitivity を見ているので、ランダムに作るグラフのtransitivity よりかは小さいようである。 library(sna) library(igraph) g <- rguman(1,15,mut=0.25,asym=0.05,null=0.7) G <- graph_from_adjacency_matrix(g) test <- cug.test(g, gtrans, cmode="size") Univariate Conditional Uniform Graph Test Conditioning M
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください（回答の質の悪化・報酬額の相場の変化・仕様変更） 【注意点】 ● MTurkにおける回答の質の悪化 現在、MTurkにおける回答の質の悪化が複数の論文で指摘されています。（botや不誠実な参加者）。代替サービスとしてProlificという学術利用に特化したクラウドソーシングサービスがあります。MTurkとProlificの回答の質を比較し、Prolificの利用を推奨すると結論付ける論文が複数発表されています。 ● ユーザ調査の報酬額の相場の変化 P12にて2010～12年頃の論文に書かれていた報酬額設定（低価格）を引用しましたが、現在は研究倫理の観点から十分な報酬額設定が重要視されています。 2019年現在における最新の報酬額の動向については以下の資料をご参照ください。 https://speakerdeck
マックス・プランク研究所ら、単一カメラから手指の追跡をするCNNを用いたリアルタイム3Dハンドトラッキング技術を発表。物で隠れた指も正確に推定 2018-03-17 ドイツ：マックス・プランク情報科学研究所、ザールラント大学、スタンフォード大学、レイ・フアン・カルロス大学の研究者らは、単一RGBカメラでキャプチャした動画からCNN（Convolutional neural network）を用いて手指の追跡をするリアルタイム3Dハンドトラッキング技術を発表しました。 論文：GANerated Hands for Real-Time 3D Hand Tracking from Monocular RGB 著者：Franziska Mueller、Florian Bernard、Oleksandr Sotnychenko、Dushyant Mehta、Srinath Sridhar、Dan C
米Alphabet傘下のDeepMindは2月22日（現地時間）、米合衆国退役軍人省（VA）との提携により、約70万人分の退役軍人の匿名化した診療記録を入手したと発表した。疾病の早期発見技術の向上を目的に、ディープラーニング用学習データとして活用する。 ある研究によると、病院での死亡の11％は疾病の兆候を早期に発見して適切に対処していれば避けられるものという。 まずは、現在予測が困難とされている急性腎障害（AKI）の早期発見のためのアルゴリズムを開発する。 診療データは、VA側で完全に匿名化してからDeepMindに渡される。 関連記事 GoogleとVerily、ディープラーニングと網膜眼底画像による心血管リスク予測法を発表 Googleと系列の生命科学企業Verilyが、網膜眼底画像から心血管リスクを予測するためのディープラーニングモデルを開発した。心筋梗塞や脳卒中などをCTスキャンな
SimpleITK is an abstraction layer and wrapper around the Insight Segmentation and Registration Toolkit (ITK). It is available in the following programming languages: C++, Python, R, Java, C#, Lua, Tcl and Ruby. This repository contains a collection of Jupyter Notebooks illustrating the use of SimpleITK for educational and research activities. The notebooks demonstrate the use of SimpleITK for inte
An enhanced and expanded version of PHRASEBANK is available in PDF or Kindle format: Home page The Academic Phrasebank is a general resource for academic writers. It aims to provide you with examples of some of the phraseological ‘nuts and bolts’ of writing organised according to the main sections of a research paper or dissertation (see the top menu ). Other phrases are listed under the more gene
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