computer vision

ある人から教えてもらった情報が元なんですが、画像認識の一分野としてSLAM（Simultaneous Localization and Mapping：自己位置推定）という技術が在ることを知りました。現存の物だと、お掃除ロボット、未来の物だと、自動運転車などに利用される技術らしいです。 ja.wikipedia.org画像認識はいまの自分の主たる研究テーマの一つなのに、こんな興味深い技術をいままで知らないでいたとは不覚です。慌てて、SLAMについて調べ始めています。 入力データの形式によってSLAMにも複数の種類があるようですが、その中でもVisual SLAMに注目しています。 オープンソー…

はじめに はじめに ホモグラフィ推定とは 特徴量ベースの手法 特徴点の抽出・特徴量の計算 LIFT: Learned Invariant Feature Transform [1] SuperPoint: Self-Supervised Interest Point Detection and Description [2] LoFTR: Detector-Free Local Feature Matching with Transformers [3] 対応関係の計算 Learning to Find Good Correspondences [4] Neural-Guided RANSAC…

概要 今回はGradioでYOLOXを用いた物体検出を行うデモを作成してみます． 今回使用したコードはこちらで公開しています． Gradioを用いた他のデモについてもメモを残しておりますので， よければ以下の記事をご覧いただけたらと思います． yiskw713.hatenablog.com yiskw713.hatenablog.com yiskw713.hatenablog.com

TL;DR アニメキャラ識別のデータセットを作った 人間のエラー率13%に対し、ベースラインモデルは70%程度のエラー率にとどまっており改善の余地は大きい データセット作成の動機 以前metric learningで人間並みのアニメキャラ識別性能を目指す！の記事でアニメキャラ識別に関する取り組みの結果を紹介しましたが、やはり一人の力では性能改善に限界があると感じました。 そこで、いろいろな人が同じデータセットでアニメキャラ識別の性能改善に取り組めるようにベンチマークデータセットを作成することにしました。 ZACI-20データセット 作成したベンチマークデータセットZACI-20については以下の…

読んだ論文の備忘録です。毎週月曜日に更新されます。

初めに みなさん初めまして！Varootです。 筆者は、情報系の大学に通いながら、ソフトウェアエンジニアとしてインターンをしています。 半年ほど前に就活も終わり、研究もリズムが安定してきた中で、 自分の原動力であった、 「頑張らねばならない」 環境が、最近薄れ始めているのを感じました。 日々を充実のためには、やはり適度(過度)な忙しさが重要であるという脳筋なので、自分に強制力を働かせるために技術ブログを始めることにしました。 週次の研究発表とか、 インターンで成果を出すため であれば、問題なく時間を割いて努力をすることができるのですが、 フワッと自分のための技術のインプットって、なかなか続かな…

DINOv2とは DINOv2は2023年4月にMetaより公開された、自己教師あり学習によるコンピュータビジョン(CV)モデルです。その名の通りDINOという既存のモデルの改良版です。 自己教師あり学習は入力データ(画像)以外のラベルなしに学習をする手法ですが、下記のtweetでは犬の部位毎の特徴を鮮明に取得できている様子が示されています。 Announced by Mark Zuckerberg this morning — today we're releasing DINOv2, the first method for training computer vision models …

水中コンピュータービジョン市場：世界の産業現状、競合分析、シェア、規模、動向2023-2029年の予測 2023年5月18日に、QYResearchは「グローバル水中コンピュータービジョンに関する市場レポート, 2023年-2029年の推移と予測、会社別、地域別、製品別、アプリケーション別の情報」の調査資料を発表しました。水中コンピュータービジョンの市場規模、シェア、売上及び今後の動向を説明します。世界市場における主要メーカーの製品範囲、サービス、ソリューションを重点的に分析する。本レポートは、2018年から2029年までの会社別、地域（国）別、製品別及びアプリケーション別の売上げ実績と予測に…

こんにちは！ 画像システムグループで機械学習エンジニアをやっている小島です。 この記事では、今ホットな「Zero-shot Learning」と「Vision & Language」に関する最新情報を、CLIPという研究を起点として網羅的にサーベイをしていきます。このために論文1000本に目を通し、70本程度を記事にしました。 Zero-shotやVision & Languageは、Stable Diffusionに代表される画像生成AIとも密接に関連している技術です。この記事を通して、Vision & Languageの奥深い世界を体感できるでしょう。 注意事項 この記事は非常に長いため、…

こんにちは、CCCMKホールディングス TECH LAB三浦です。 ふと気が付くと近所に小型のスポーツジムがたくさんできていました。スポーツジムというと、プールがあって、サウナがあって・・・と、とても大規模な施設の印象があったのですが、小型のスポーツジムにはそういった設備はなくて、トレーニング用の機械がいくつか設置されていて、ホテルの中に時々あるトレーニングルームのような感じです。先日試しにそのうちの1つに行ってみたのですが、散歩や買い物の途中にちょっと寄って体を動かして帰って来られる気軽さがとてもいいな、と思いました。今までこういうスポーツジムの使い方って考えたことがなかったので、すごく新鮮…

こんにちは。CTO室リサーチャーの鈴木です。今回は、深層学習の分野でここ数年盛り上がっているContrastive Learning系の手法について、主だった論文を系統的にまとめて紹介したいと思います。 はじめに 近年発展した自己教師あり学習（Self-Supervised Learning：SSL）は、アノテーション情報を人の手ではなく機械的に付与することで、データセットの構築にかかる時間やコストを軽減し、深層学習モデルの精度向上を目指した手法です。自然言語処理分野におけるSSLは大きな成功を収め、ChatGPT等の超高性能なチャットボットの出現にも影響を与えました。 SSLは主に深層学習モ…

本日読了。 Vision Transformer入門 Computer Vision Library 作者:山本 晋太郎,徳永 匡臣,箕浦 大晃,邱玥（QIU YUE）,品川 政太朗 技術評論社 Amazon 良書。Transformerの画像への応用（ViT）について、最先端がわかる。 ViTおよびその応用は、画像系タスク全般で好成績を獲得している。しかしながら、ViT最強ではなく、旧来のCNNも、ViTアンチテーゼとしてのMLP（Attention不要論）も、それぞれ一長一短であり、三国時代であると述べる。 ViTは、CNNとの比較において、事前学習データ量を増やすことで精度が向上し、物体…

こんにちは、ピリカ開発チームの九鬼です。 ピリカでは撮影したごみの画像に対してアノテーションし、その結果を基に解析・研究を進めることがあります。 その中でGCP上の自社サービスと連携できるアノテーションツールが必要になり、CVATをGKEに構築しました。