画素の集合などを扱う場合，離散として扱える(簡単)

202枚のテスト画像があると仮定。 メイン部分 (*固有ベクトルの計算*) files = FileNames["*.jpg"];(*画像名リストの作成*) images = Import[#]&/@files;(*画像の読み込み*) faces = ImageData[#]*255 &/@ images;(*画素アクセス用に変換*) AveFace = Total[…

固有顔により、入力画像を近似することができる (近似画像)=(平均画像)+c1*(固有顔の第1基底画像)+c2*(第2基底画像)+... ※第i基底画像(ベクトル)は、固有値の大きいものから並ぶ。 ※ciは、(入力画像-平均画像)と(i番目の基底画像)との内積をとったもの。

テスト画像を用意する。(サイズとかそろえて1000枚ぐらい？) テスト画像の平均画像を計算する。(画素値が小数のデータ) 各テスト画像データから平均をひく。 上記の平均をひいたデータをベクトルに直し、共分散行列を求め固有ベクトルを計算。(この固有ベク…

wikipedia(http://en.wikipedia.org/wiki/Maximum_flow_problem)に載ってた解法アルゴリズムは、 線形計画法 フォード・ファルカーソンのアルゴリズム(O(E maxflow)) エドモンド・カープアルゴリズム(O(V E^2)) ディニッツ法(O(V^2 E)) など

参考にしながら実際にやってみた図。 使わせてもらったプログラム(http://vision.csd.uwo.ca/code/) (ぶっちゃけgraphcutsなら自分で実装してもよかった) ステレオ視の方は、OpenCVに実装されてるみたい。FindStereoCorrespondenceGC。

g:データ項。その画素(サイト)とつけるラベル(新しくつけた画素)のみに依存する。 h:平滑化項。隣接するサイト間でXに与えられるラベルがどのような関係にあるべきか。 X:ラベルをつけられた配置(新しい画像)。 Xの組み合わせはすごく多い。(64x64の白黒画像…

ゲームへのRRTsの実装とか載ってる http://aigamedev.com/open/highlights/rapidly-exploring-random-trees/ 神尾、伊庭「マルチエージェント協調作業のためのランダムサンプリングを用いた経路プラニングアルゴリズム」 http://ci.nii.ac.jp/naid/110004669…

アルゴリズムは以下。 1.初期状態x_initだけの探索木τを生成する 2.探索すべき状態空間からランダムサンプリングにより状態を選び、x_randとする 3.探索木τの中でx_randに最も近い状態x_nearからx_randに向けて一定距離進めた状態をx_newとする 4.状態x_new…

OpenCVにCondensationという「ParticleFilterによる物体追跡」のアルゴリズムが実装されている。 OpenCVを使わなくても、簡単なのですぐ実装はできると思う。 実装の時に参考にしたサイト http://mist.suenaga.cse.nagoya-u.ac.jp/trac/wiki/Tutorial/Practi…

扱う状態空間・観測モデルなどにほとんど制約がない。 パーティクルを用意する(構造体{位置、重み}とかで、1000個とか) 基本的な流れは、以下。 1.パーティクルの位置・重みを初期化。(画像内から最大尤度を計算してそこに配置したり、ランダムに配置するだ…

参考URL 「An Introduction to The Kalman Filter」 http://www.cs.unc.edu/~welch/kalman/kalmanIntro.html 「Pythonでの実装」 http://www.scipy.org/Cookbook/KalmanFiltering やること 「ある値xを観測したz(zは観測誤差を含む)を使って、真の値であるx…

状態が変化するに誤差を含み、観測したデータにも誤差を含む場合、真の状態を推定する(誤差はガウス雑音だけどね) 「初期状態(信念)」→「観測」→「修正」→「予測」→「観測」→「修正」→・・・ ベイズフィルタの確率が正規分布に従うときの実装 信念belは「平…