コンピュータービジョン

Last updated Unknown Edit Source

a.k.a. CV

講義

• 「CV

  CV

  ...

  1/3/2023

  」「CG」「画像処理

  画像処理

  http://agora.ex.nii.ac.jp/~kitamoto/research/publications/k:tric06y.pdf #ディジタル画像処理 #コンピュータービジョン #画像解析 #コンピューターグラフィックス ...

  1/3/2023

  」の定義について
  • 「形状/見た目/動き/意味」を、「画像/映像」から抽出することがCV
  • CVの対義語: コンピューターグラフィックス

    コンピューターグラフィックス

    の講義 by 先生 主なトピック CG分野の面白さ 数学的な面白さ/奥深さ ...

    1/3/2023

    /CG
    • 「映像/画像」を、「形状/見た目/動き/意味」から作り出すのがCG
    • CVと逆向きの矢印
  • 画像処理

    画像処理

    http://agora.ex.nii.ac.jp/~kitamoto/research/publications/k:tric06y.pdf #ディジタル画像処理 #コンピュータービジョン #画像解析 #コンピューターグラフィックス ...

    1/3/2023

    は、「画像/映像」 to 別の「画像/映像」
    • 色味を変えたりとか

• これ↑、ディジタル画像処理

  ディジタル画像処理

  2020/6 数学を3割くらいしかわからない状態で雰囲気で読んだ 雰囲気でしか読んでいないので、再読したい 一年前と比べて数学の知識は増えたし、流石に数学の前提知識はもてているかな 当時は微積って何っていう状態で無理やり目を通しただけなので （！）私も今読んでます 各所で詰まってます 難しい... ...

  1/3/2023

  の本の定義とは少し違う感じかな
  • 画像処理

    画像処理

    http://agora.ex.nii.ac.jp/~kitamoto/research/publications/k:tric06y.pdf #ディジタル画像処理 #コンピュータービジョン #画像解析 #コンピューターグラフィックス ...

    1/3/2023

    のページに貼った画像が、ちょっと違う定義を提示してる

• CVの難しさは、一般の人に理解されにくい

  • 目の前にあるペットボトルをペットボトルだと理解する難しさが伝わりにくい
  • こういう所の感覚を伝えるっていう観点のプログラミング教育

    プログラミング教育

    でやってた人ののLT プログラミングは呪文じゃなくなれば、楽しくなる (そりゃそう) どうする? 一緒にやってみる、自分でやってみるのフロー ...

    1/3/2023

    もありそう
    • コンピューターができること/できないこと

• トピック

  • 特徴点検出とマッチング
  • 運動からの形状復元 (複数の画像から点群データー生成）
  • コンピュテーショナルフォトグラフィー #写真
  • 3次元復元
  • 画像認識 (YOLO等)
  • 最近はFairness(AIが人種差別的方向に偏る問題について)も取り扱われる

• 画像認識

  • 掛け合わせ: 機械学習

    機械学習

    分類 あまり意識しないけど、機械学習等は基本的にを仮定している（連続空間） 距離を知りたかったらとか ...

    1/3/2023

    x コンピュータービジョン

    コンピュータービジョン

    a.k.a. 講義 「」「」「」の定義について 「///」を、「画像/映像」から抽出することがCV CVの対義語: / 「映像/画像」を、「///」から作り出すのがCG ...

    1/3/2023

    x 自然言語処理

    自然言語処理

    Encodingの歴史 LV1 vector = (only one 1 (hot)) LV2 Tf-idf = appear...

    1/3/2023

  • 物体検出、セマンティックセグメンテーション等

  • 歴史

    • SIFT: 輝度勾配のヒストグラムのベクトルで局所特徴
    • Bag of Visual Words: 自然言語処理

      自然言語処理

      Encodingの歴史 LV1 vector = (only one 1 (hot)) LV2 Tf-idf = appear...

      1/3/2023

      のBag of Wordsの手法を応用
    • 画像のデーターセット: Caltech-101

  • 方法 (初歩的なもの)

    • One-hot

      One-hot

      one-hot ベクトル: $(0,...,1,...,0)$みたいな形式で値を表現する ...

      1/3/2023

      ベクトルに変換

    • 改善するなら、

      • 画像の一部分のデーターではなく、認識に適した画像（カーネル）を使う
      • One-hotではなくもっと複雑な表現を使う
        • NLPの系譜と似たものを感じる

    • 考え方としては、画像の縦横次元を圧縮しつつ、深さの次元を展開していく

      • 階層構造
      • CNN

        CNN

        from 「行列とベクトルの掛け算」の代わりに、の処理もやるニューラルネットワーク 「小さいベクトルをスカラーに変換」するフィルタを、大きいベクトル（元画像）の色々な部分（カーネル）に対してやることで、大きいベクトル（元画像）をちょっと小さくしたベクトルを得る みたいな感じかな ...

        1/3/2023

        のところの図と同じ考え方

• 人間が集めたデーターセットでやっている以上、人間の認知に適応、過学習していく

  • そりゃそう、それが目的
  • 哲学的な話になってくるけど、物自体を認識できるかみたいな議論に画像認識関わってきそう
    • 人間がラベル付けしないとは当然認識できない
    • あえて人間の存在を極力無視した上で物体検出につながるようなことやったらどうなるんだろう
      • それが教師なし学習

        教師なし学習

        用途は主に二つ データーの PCA（） k-means 強みは、入力次元の数と関係なくクラスタを扱えること（PCAなどは出来ない） ...

        1/3/2023

        か、教師なし学習で物体検出（に近いこと）できるのかな
        • 自然言語によるラベル付けは当然できないけど
        • 人間以外の視覚の知的な捉え方を生み出せたりする?
          • 知的と呼べるレベルまで行けるのかな
          • というか人間が理解できないと知的って言えない?

#情報科学