Enviar pesquisa
Carregar
関西CVPRML勉強会 2012.2.18 (一般物体認識 - データセット)
•
8 gostaram
•
2,921 visualizações
Akisato Kimura
Seguir
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 18
Baixar agora
Baixar para ler offline
Recomendados
第17回関西CVPRML勉強会 (一般物体認識) 1,2節
第17回関西CVPRML勉強会 (一般物体認識) 1,2節
Yasutomo Kawanishi
画像認識における幾何学的不変性の扱い
画像認識における幾何学的不変性の扱い
Seiji Hotta
20141008物体検出器
20141008物体検出器
Takuya Minagawa
大規模画像認識とその周辺
大規模画像認識とその周辺
n_hidekey
【2017.06】 cvpaper.challenge 2017
【2017.06】 cvpaper.challenge 2017
cvpaper. challenge
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究
Hirokatsu Kataoka
DeepLearningDay2016Spring
DeepLearningDay2016Spring
Takayoshi Yamashita
Recomendados
第17回関西CVPRML勉強会 (一般物体認識) 1,2節
第17回関西CVPRML勉強会 (一般物体認識) 1,2節
Yasutomo Kawanishi
画像認識における幾何学的不変性の扱い
画像認識における幾何学的不変性の扱い
Seiji Hotta
20141008物体検出器
20141008物体検出器
Takuya Minagawa
大規模画像認識とその周辺
大規模画像認識とその周辺
n_hidekey
【2017.06】 cvpaper.challenge 2017
【2017.06】 cvpaper.challenge 2017
cvpaper. challenge
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究
Hirokatsu Kataoka
DeepLearningDay2016Spring
DeepLearningDay2016Spring
Takayoshi Yamashita
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
Kensho Hara
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
CNNチュートリアル
CNNチュートリアル
Ikuro Sato
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Toshinori Hanya
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
MIRU2018 tutorial
MIRU2018 tutorial
Takayoshi Yamashita
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
Takuya Minagawa
20150414seminar
20150414seminar
nlab_utokyo
物体検出の話Up用
物体検出の話Up用
Takashi Abe
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Daiki Shimada
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
Kazuki Motohashi
[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像
Rei Takami
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
ILSVRC2015 手法のメモ
ILSVRC2015 手法のメモ
Hirokatsu Kataoka
20150930
20150930
nlab_utokyo
Deep Residual Learning (ILSVRC2015 winner)
Deep Residual Learning (ILSVRC2015 winner)
Hirokatsu Kataoka
物体検知(Meta Study Group 発表資料)
物体検知(Meta Study Group 発表資料)
cvpaper. challenge
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
kazuki ide
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
Hironobu Fujiyoshi
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
Takanori Ogata
20110904cvsaisentan(shirasy) 3 4_3
20110904cvsaisentan(shirasy) 3 4_3
Yoichi Shirasawa
Mais conteúdo relacionado
Mais procurados
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
Kensho Hara
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
CNNチュートリアル
CNNチュートリアル
Ikuro Sato
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Toshinori Hanya
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
MIRU2018 tutorial
MIRU2018 tutorial
Takayoshi Yamashita
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
Takuya Minagawa
20150414seminar
20150414seminar
nlab_utokyo
物体検出の話Up用
物体検出の話Up用
Takashi Abe
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Daiki Shimada
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
Kazuki Motohashi
[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像
Rei Takami
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
ILSVRC2015 手法のメモ
ILSVRC2015 手法のメモ
Hirokatsu Kataoka
20150930
20150930
nlab_utokyo
Deep Residual Learning (ILSVRC2015 winner)
Deep Residual Learning (ILSVRC2015 winner)
Hirokatsu Kataoka
物体検知(Meta Study Group 発表資料)
物体検知(Meta Study Group 発表資料)
cvpaper. challenge
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
kazuki ide
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
Hironobu Fujiyoshi
Mais procurados
(20)
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
CNNチュートリアル
CNNチュートリアル
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3
Introduction to YOLO detection model
Introduction to YOLO detection model
MIRU2018 tutorial
MIRU2018 tutorial
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine
20150414seminar
20150414seminar
物体検出の話Up用
物体検出の話Up用
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
[論文紹介] Convolutional Neural Network(CNN)による超解像
[論文紹介] Convolutional Neural Network(CNN)による超解像
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
ILSVRC2015 手法のメモ
ILSVRC2015 手法のメモ
20150930
20150930
Deep Residual Learning (ILSVRC2015 winner)
Deep Residual Learning (ILSVRC2015 winner)
物体検知(Meta Study Group 発表資料)
物体検知(Meta Study Group 発表資料)
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
次世代セキュリティを牽引する画像解析技術の最新動向 - 距離情報を用いた物体認識技術 -
Destaque
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
Takanori Ogata
20110904cvsaisentan(shirasy) 3 4_3
20110904cvsaisentan(shirasy) 3 4_3
Yoichi Shirasawa
関西CVPRML勉強会(特定物体認識) 2012.1.14
関西CVPRML勉強会(特定物体認識) 2012.1.14
Akisato Kimura
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Yoshitaka Ushiku
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
Destaque
(7)
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
20110904cvsaisentan(shirasy) 3 4_3
20110904cvsaisentan(shirasy) 3 4_3
関西CVPRML勉強会(特定物体認識) 2012.1.14
関西CVPRML勉強会(特定物体認識) 2012.1.14
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
Leveraging Visual Question Answeringfor Image-Caption Ranking (関東CV勉強会 ECCV ...
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
画像キャプションの自動生成
画像キャプションの自動生成
Semelhante a 関西CVPRML勉強会 2012.2.18 (一般物体認識 - データセット)
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
Creating and Using Links between Data Objects
Creating and Using Links between Data Objects
Mitsuo Yamamoto
広島画像情報学セミナ 2011.9.16
広島画像情報学セミナ 2011.9.16
Akisato Kimura
TERAS Conference
TERAS Conference
Keiju Anada
CNTK deep dive
CNTK deep dive
Kyoichi Iwasaki
機械学習応用システムの開発技術(機械学習工学)の現状と今後の展望
機械学習応用システムの開発技術(機械学習工学)の現状と今後の展望
Nobukazu Yoshioka
手と物体とのInteractionを検出するアプリケーションの開発
手と物体とのInteractionを検出するアプリケーションの開発
Morpho, Inc.
物体検出コンペティションOpen Imagesに挑む
物体検出コンペティションOpen Imagesに挑む
Hiroto Honda
Pred net使ってみた
Pred net使ってみた
koji ochiai
【2016.12】cvpaper.challenge2016
【2016.12】cvpaper.challenge2016
cvpaper. challenge
[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey
Deep Learning JP
Opencv object detection_takmin
Opencv object detection_takmin
Takuya Minagawa
2012 kanemotolablecture1
2012 kanemotolablecture1
ytanno
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
Keiichiro Ono
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
Shintaro Yoshida
ICCV2019 report
ICCV2019 report
Tatsuya Shirakawa
Machine learning microservice_management
Machine learning microservice_management
yusuke shibui
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
Yoichi Shirasawa
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
Semelhante a 関西CVPRML勉強会 2012.2.18 (一般物体認識 - データセット)
(20)
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Creating and Using Links between Data Objects
Creating and Using Links between Data Objects
広島画像情報学セミナ 2011.9.16
広島画像情報学セミナ 2011.9.16
TERAS Conference
TERAS Conference
CNTK deep dive
CNTK deep dive
機械学習応用システムの開発技術(機械学習工学)の現状と今後の展望
機械学習応用システムの開発技術(機械学習工学)の現状と今後の展望
手と物体とのInteractionを検出するアプリケーションの開発
手と物体とのInteractionを検出するアプリケーションの開発
物体検出コンペティションOpen Imagesに挑む
物体検出コンペティションOpen Imagesに挑む
Pred net使ってみた
Pred net使ってみた
【2016.12】cvpaper.challenge2016
【2016.12】cvpaper.challenge2016
[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey
Opencv object detection_takmin
Opencv object detection_takmin
2012 kanemotolablecture1
2012 kanemotolablecture1
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
ICCV2019 report
ICCV2019 report
Machine learning microservice_management
Machine learning microservice_management
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
20120623 cv勉強会 shirasy
20120623 cv勉強会 shirasy
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
Mais de Akisato Kimura
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Akisato Kimura
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Akisato Kimura
多変量解析の一般化
多変量解析の一般化
Akisato Kimura
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
Akisato Kimura
NIPS2015 reading - Learning visual biases from human imagination
NIPS2015 reading - Learning visual biases from human imagination
Akisato Kimura
CVPR2015 reading "Global refinement of random forest"
CVPR2015 reading "Global refinement of random forest"
Akisato Kimura
CVPR2015 reading "Understainding image virality" (in Japanese)
CVPR2015 reading "Understainding image virality" (in Japanese)
Akisato Kimura
Computational models of human visual attention driven by auditory cues
Computational models of human visual attention driven by auditory cues
Akisato Kimura
NIPS2014 reading - Top rank optimization in linear time
NIPS2014 reading - Top rank optimization in linear time
Akisato Kimura
CVPR2014 reading "Reconstructing storyline graphs for image recommendation fr...
CVPR2014 reading "Reconstructing storyline graphs for image recommendation fr...
Akisato Kimura
ICCV2013 reading: Learning to rank using privileged information
ICCV2013 reading: Learning to rank using privileged information
Akisato Kimura
ACMMM 2013 reading: Large-scale visual sentiment ontology and detectors using...
ACMMM 2013 reading: Large-scale visual sentiment ontology and detectors using...
Akisato Kimura
IJCAI13 Paper review: Large-scale spectral clustering on graphs
IJCAI13 Paper review: Large-scale spectral clustering on graphs
Akisato Kimura
関西CVPR勉強会 2012.10.28
関西CVPR勉強会 2012.10.28
Akisato Kimura
関西CVPR勉強会 2012.7.29
関西CVPR勉強会 2012.7.29
Akisato Kimura
ICWSM12 Brief Review
ICWSM12 Brief Review
Akisato Kimura
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
Akisato Kimura
IBIS2011 企画セッション「CV/PRで独自の進化を遂げる学習・最適化技術」 趣旨説明
IBIS2011 企画セッション「CV/PRで独自の進化を遂げる学習・最適化技術」 趣旨説明
Akisato Kimura
立命館大学 AMLコロキウム 2011.10.20
立命館大学 AMLコロキウム 2011.10.20
Akisato Kimura
関西CVPRML勉強会 2011.9.23
関西CVPRML勉強会 2011.9.23
Akisato Kimura
Mais de Akisato Kimura
(20)
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
Paper reading - Dropout as a Bayesian Approximation: Representing Model Uncer...
多変量解析の一般化
多変量解析の一般化
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
NIPS2015 reading - Learning visual biases from human imagination
NIPS2015 reading - Learning visual biases from human imagination
CVPR2015 reading "Global refinement of random forest"
CVPR2015 reading "Global refinement of random forest"
CVPR2015 reading "Understainding image virality" (in Japanese)
CVPR2015 reading "Understainding image virality" (in Japanese)
Computational models of human visual attention driven by auditory cues
Computational models of human visual attention driven by auditory cues
NIPS2014 reading - Top rank optimization in linear time
NIPS2014 reading - Top rank optimization in linear time
CVPR2014 reading "Reconstructing storyline graphs for image recommendation fr...
CVPR2014 reading "Reconstructing storyline graphs for image recommendation fr...
ICCV2013 reading: Learning to rank using privileged information
ICCV2013 reading: Learning to rank using privileged information
ACMMM 2013 reading: Large-scale visual sentiment ontology and detectors using...
ACMMM 2013 reading: Large-scale visual sentiment ontology and detectors using...
IJCAI13 Paper review: Large-scale spectral clustering on graphs
IJCAI13 Paper review: Large-scale spectral clustering on graphs
関西CVPR勉強会 2012.10.28
関西CVPR勉強会 2012.10.28
関西CVPR勉強会 2012.7.29
関西CVPR勉強会 2012.7.29
ICWSM12 Brief Review
ICWSM12 Brief Review
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
IBIS2011 企画セッション「CV/PRで独自の進化を遂げる学習・最適化技術」 趣旨説明
IBIS2011 企画セッション「CV/PRで独自の進化を遂げる学習・最適化技術」 趣旨説明
立命館大学 AMLコロキウム 2011.10.20
立命館大学 AMLコロキウム 2011.10.20
関西CVPRML勉強会 2011.9.23
関西CVPRML勉強会 2011.9.23
Último
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Último
(9)
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
関西CVPRML勉強会 2012.2.18 (一般物体認識 - データセット)
1.
Bag-of-Featuresに基づく物体認識 (2)
- 一般物体認識 - の締め Akisato Kimura @ NTT CS Labs. Twitter ID: @_akisato
2.
データセット
研究を進める上でとても重要. 他の人の研究を実装しなくても,精度評価ができる. 自分の研究をする上で,利点・弱点が見えやすくなる. その一方で,過信は禁物. Torralba & Efros “Unbiased look at data bias”, CVPR2011 (Cf. 原田先生の関東CV講演資料 http://www.isi.t.u-tokyo.ac.jp/~harada/pdf/trend_in_scene_object_recognition_cvpr2011.pdf) 2 関西CVPRML勉強会 2012.2.18
3.
これからデータセットを紹介しますが
とにかく大量にあります. 漏れがあったら教えて下さい.絶対に漏れがあります. 目的も非常に多様です. 一般物体認識,画像アノテーション,属性認識, 物体領域検出,物体領域抽出,… 羅列するだけだとつまらないので 中身を見ながら,どうやって使っていければ面白いか, どんなものがあると良いのか,議論できれば,と思います. あわよくば,へーしゃで作って公開できれば… と妄想 3 関西CVPRML勉強会 2012.2.18
4.
統制された小規模データセット(1)
Columbia Object Image Library (COIL-20/100) http://www.cs.columbia.edu/CAVE/software/softlib/coil-20.php http://www.cs.columbia.edu/CAVE/software/softlib/coil-100.php 特定物体認識 (7.2K/36K枚,20/100クラス) Corel 5K (注: 商用画像のため,画像そのものはon-lineでは取れません) http://lear.inrialpes.fr/people/guillaumin/data.php 画像アノテーション (5K枚) Caltech 101/256 http://www.vision.caltech.edu/Image_Datasets/Caltech101/ http://www.vision.caltech.edu/Image_Datasets/Caltech256/ 一般物体認識 (~30K枚,101/256クラス) PASCAL Visual Object Classes (VOC) Challenge http://pascallin.ecs.soton.ac.uk/challenges/VOC/ 一般物体認識/検出 (15K枚,20クラス)/領域分割 : 一般物体認識のdefacto 4 関西CVPRML勉強会 2012.2.18
5.
統制された小規模データセット(1)
IAPR TC-12 http://www.imageclef.org/photodata 画像アノテーション (20K枚,20クラス),画像説明文生成 MSRC http://research.microsoft.com/en-us/projects/objectclassrecognition/default.aspx 一般物体認識 (10K枚)/領域抽出 (830枚,32クラス) : 領域抽出のdefacto LSP15 http://www.cs.unc.edu/~lazebnik/ シーン認識 (4.5K枚,15クラス) : シーン認識のdefacto MIT Indoor 67 http://web.mit.edu/torralba/www/indoor.html シーン認識 5 関西CVPRML勉強会 2012.2.18
6.
統制された中規模データセット
LabelMe http://labelme.csail.mit.edu/ タスク: 画像アノテーション (200K枚,70Kクラス) ImageNet Large Sale Visual Recognition Challenge http://www.image-net.org/challenges/LSVRC/2011/ タスク: 一般物体認識/検出 (1.15M枚,1Kクラス) 一般物体認識を対象とした統制データセットでは最大規模 NUS-WIDE http://lms.comp.nus.edu.sg/research/NUS-WIDE.htm タスク: 画像アノテーション (300K枚,5Kクラス) ImageCLEF Wikipedia Image Retrieval Datasets http://www.imageclef.org/wikidata タスク: 画像アノテーション,画像説明文生成 (200K枚,50クラス) SUN397 http://people.csail.mit.edu/jxiao/SUN/ タスク: シーン認識 (130K枚,900クラス) : おそらく今後のシーン認識のdefacto 6 関西CVPRML勉強会 2012.2.18
7.
非統制の大規模データセット(0)
まずはここを見ましょう. http://d.hatena.ne.jp/n_hidekey/20120115/1326613794 大規模データセットを作ること自体も研究課題に 以下では,ここに挙がっていないものを紹介します. 7 関西CVPRML勉強会 2012.2.18
8.
非統制の大規模データセット(1)
Visual Synset [GeorgiaTech + Google @ ICCV2011] http://cpl.cc.gatech.edu/projects/VisualSynset/ タスク: 画像アノテーション (200M枚,300Kクラス) ただし,アノテーション+画像URLだけの配布 8 関西CVPRML勉強会 2012.2.18
9.
非統制の大規模データセット(2)
Classemes [Dartmouth + MSRC @ ECCV2010] http://www.cs.dartmouth.edu/~lorenzo/projects/classemes/ 属性認識 (2.7Kクラス) 本来はdescriptor抽出のために作られたのだが… Descriptorは超コンパクトで(比較的)高性能です Walking, 9 straight 関西CVPRML勉強会 2012.2.18
10.
統制された大規模データセット
ImageNet [Prinston @ ICCV2009] http://www.image-net.org/ タスク: 一般物体・シーン認識 (14M枚,20Kクラス) クラスの概念的階層構造も公開 (WordNet対応) 10 関西CVPRML勉強会 2012.2.18
11.
映像データセット(1)
TREC Video Retrieval Evaluation (TRECVID) http://trecvid.nist.gov/ 統制された映像ベンチマークとして唯一無二の存在 2012 competitionで予定されているタスク SIN : 所定の単語に適合する映像区間を探す このタスクが最も一般物体認識に近い KIS : 所定の文章に適合する映像区間を探す SED : 所定の人物行動を含む映像区間を探す INS : 所定の画像サンプルと同クラスの映像区間を探す このタスクも一般物体認識に関連する MED : 所定のイベントに適合する映像区間を探す 11 関西CVPRML勉強会 2012.2.18
12.
映像データセット(2)
YouTube data http://netsg.cs.sfu.ca/youtubedata/ YouTube APIから回収したメタデータを整理して提供 ので,映像そのものは自分で取りに行かないといけない 12 関西CVPRML勉強会 2012.2.18
13.
画像検索API
画像をたくさん集めたいだけならば,活用しない手はない. Yahoo! http://developer.yahoo.com/search/image/V1/imageSearch.html Google Picasa http://code.google.com/intl/ja/apis/picasaweb/overview.html 画像検索API http://developers.google.com/image-search は廃止予定 Bing http://www.bing.com/toolbox/bingdeveloper/ 検索系APIが一体になっている Yahoo! Japan http://developer.yahoo.co.jp/webapi/search/imagesearch/v2/ima gesearch.html YouTube http://code.google.com/intl/ja/apis/youtube/overview.html 13 関西CVPRML勉強会 2012.2.18
14.
Social annotation
単純画像/映像共有系 Flickr http://www.flickr.com Picasa http://picasa.google.com/intl/ja/ YouTube http://www.youtube.com 位置情報共有系 Foursquare http://ja.foursquare.com Panoramio http://www.panoramio.com Social media直結 Twitpic http://twitpic.com Photobucket http://photobucket.com (Twitterバックエンド) mixiフォト http://photo.mixi.jp Instagram http://instagr.am 画ちゃんこ! http://gotchanco.com 14 関西CVPRML勉強会 2012.2.18
15.
まとめ
と称した雑感(1) 一般物体認識を含めた認識系は とても赤い海 一般物体認識は機械学習手法のベンチマークへ にも関わらず,本質的な問題は未解決のまま 属性認識・転移学習がこの1年くらいの中心に と言っても,そう長く持つほどの分野でもなさそう Social mediaとの連携は,近いうちに間違いなく訪れる. 純粋なsocial media研究との違いを出せるか? が課題 その次は何か? ないかもしれない. 15 関西CVPRML勉強会 2012.2.18
16.
まとめ
と称した雑感(2) にもかかわらず,一方では 課題山積 (注:MS PPT内蔵GrabCutの結果) 実は,決め手となる応用先が見つかっていない. 同じ問題にみんなが群がるのはその影響? 大規模化と信頼性とのトレードオフからどう脱却するか? 正解データを作るための苦労は果てしない Amazon MTの結果をきれいにするためのAmazon MTの結果をきれ いにするためのAmazon MTの結果をきうわなにをするや そもそも,画像を見てみんな同じタグをつけるの? 認識の過程には避けようがない不定性がある 16 関西CVPRML勉強会 2012.2.18
17.
参考文献
原田達也 “CVPR2011における一般物体シーン認識のトレンド,” 第14回関東CV勉強会 http://ow.ly/9984J n_hidekeyの日記 http://d.hatena.ne.jp/n_hidekey/ 次世代BoVWまとめ,大規模画像データセット,Paper Gestalt など,その他にも興味深い記事があります. 高橋昌一郎 「知性の限界」 講談社 http://amazon.jp/dp/4062880482/ 認識過程にある不定性について理解できます. 書評 http://blog.livedoor.jp/dankogai/archives/51437132.html 17 関西CVPRML勉強会 2012.2.18
18.
おしまい 18
関西CVPRML勉強会 2012.2.18
Baixar agora