約 1,607,704 件

• USメディア情報 - 2007.01.29_魚と一緒にトイレタイム！

  https://w.atwiki.jp/wiki15_kiki/pages/67.html

• USメディア情報 - 2008.04.25.　地デジ受信、適切なアンテナが必要かも

  https://w.atwiki.jp/wiki15_kiki/pages/283.html

• USメディア情報 - 2008.07.11. ＹｏｕＴｕｂｅで人気のほのぼの「ダンシング｣ビデオ

  https://w.atwiki.jp/wiki15_kiki/pages/335.html

• メディア情報処理 - まとめサイト作成支援ツール

  https://w.atwiki.jp/dooooornob/pages/5.html

  まとめサイト作成支援ツールについて @wikiにはまとめサイト作成を支援するツールがあります。 また、 #matome_list と入力することで、注目の掲示板が一覧表示されます。 利用例）#matome_listと入力すると下記のように表示されます #matome_list

• メディア情報処理 - プロトタイプ法とマハラノビス距離

  https://w.atwiki.jp/dooooornob/pages/38.html

  プロトタイプ法とは？ パターン認識の項でやった手順のうち(3)に当たるものですね。 例えばアルファベットの大文字Aか小文字aかどちらかに識別するような場合を考えてみましょう。 これらを特徴づける量として、例えば「角ばり具合(angular)」と「大きさ(big)」の軸で特徴空間を作ってみますと上みたいな図になります。 ここで、統計量の項でやった「中心」を表す量の「平均」「中央値」といった値をプロトタイプとしてそのクラスの代表値（図ではダイヤマーク）とし、新しく来た画像がどのプロトタイプに最も近い画像化によってクラスの判定を行うのがこのプロトタイプ法です。 最も"近い"とは？ 実際の自然界において「近い」とは何か見たいな哲学的な問いを投げかけるつもりはありません。 ただ特徴として「近い」というのはどう評価したらいいのでしょうか？ 一番素朴なのはやっぱり素朴な意味での距離、つまりユークリッド距離でしょう。 ユークリッド距離 新しい画像の特徴ベクトルがだったとしましょう。 この特徴ベクトルが番目のクラスのプロトタイプからどれくらい離れているかは というような二乗和で表せます。さて、この式、次のようにも表せるのは分かるでしょうか。 この式はベクトルとベクトルの掛け算ですが、縦ベクトルと横ベクトルの演算なので行列規則による積であることに注意してください。 マハラノビス距離 天下り的ですが、式(1)をこんな風に弄ってみます。 は番目のクラスに属する特徴ベクトルたちの種々成分（つまり特徴量）同士の分散共分散行列で成分は であります。丁度ユークリッド距離の(1)式に分散共分散行列をサンドイッチさせたこの距離をマハラノビス距離と言います。 さあ、式(2)には統計量が入ってきましたがこれはどのような働きをしているのでしょう。 上の画像のような感じでそれぞれのクラスの特徴量が分布しているとします。 ここで「↓」のところの特徴量をもつ画像はどちらのクラスに分類されるべきでしょうか。 ユークリッド距離で言えば青色のプロトタイプの方が多少赤色のプロトタイプより近いです。 したがってユークリッド距離で言えば青が分類されるべきクラスになりますが・・・？ 実際、青の分布は分散が小さいので「↓」のところの特徴量を持つようなサンプル画像はあまり存在していません。 対して赤色の分布は裾野が広いので、多少遠い「↓」の位置も完全に守備範囲に捉えています。 このように分類の上では、「それぞれのクラスの統計量」を考慮するとよりよい分類が出来ることがあり、その方法の一例がこのマハラノビス距離だということです。

• メディア情報処理 - コーナー検出

  https://w.atwiki.jp/dooooornob/pages/47.html

  ハリスのコーナー検出 ある画像のコーナー、つまり角っこを検出する方法について検討してみましょう。 上の画像にあるように、コーナーとは『画素値のx方向,y方向の変化成分の大きい場所』ということができます。 変化成分はそれぞれ微分係数で表せますね。したがって次のような行列をまず考えます。 を考えます。 ここでコーナー検出関数を次のように定義します。 は時々に応じた調整用のパラメータです。 ハリスのコーナー検出はこの値の極大点を探し、それをコーナーであると検出する方法です。 SUSANコーナー検出 どっかの画素と、その周りの画素について、次のような計算をします。 っていうのはのおける画素値、は調整用のパラメータです。 このという値、注目画素と周囲の画素の関数になっていますね。 そしてその画素値の値が大きければ大きいほど、関数全体として小さくなることがお分かりでしょうか。 さて、ここで周囲の画素すべてについての和をとります。つまり とします。さっきの関数の意味からして、周囲との画素値のギャップが大きいほどこの和の値は小さくなります。 ギャップが大きいほど小さくなるっていうのはなんか紛らわしいので、次のように補正しましょう。 ここでもその時々に応じたパラメータで、うまく調整すればエッジ検出にもこのSUSANコーナー検出と同じ方法が使えます。

• USメディア情報 - 2008.07.18.　ＮＢＣＵ五輪の売上１０億ドル以上

  https://w.atwiki.jp/wiki15_kiki/pages/341.html

• USメディア情報 - 2006.12.10_２００７年米広告予測

  https://w.atwiki.jp/wiki15_kiki/pages/58.html

• USメディア情報 - 2007.04.30_NY市がバックアップ！！スパイダーマン週間始まる

  https://w.atwiki.jp/wiki15_kiki/pages/102.html

• USメディア情報 - 2006.11.02_Google業績

  https://w.atwiki.jp/wiki15_kiki/pages/47.html