ArithmerBlog 本資料は2021年6月16日に社内共有資料として展開していたものを WEBページ向けにリニューアルした内容になります。
■目次
- 異常検知
- 画像検索
- 超解像
- ブレ除去
- 物体トラッキング
■異常検知
パラメータ
- 学習インターバル：0.017[hour]
- 学習データ数：250
- 推論インターバル：1[minute]
raw画像（下画像:左ビューウィンドウ）
- カメラから取り込んだ画像 検知された異常領域を赤枠で重畳
activation map（下画像:右ビューウィンドウ）
- 青から赤くなるにつれて異常度が 高いことを示すマップ
画像内の物体が常に動いているケース
推論結果
■画像検索
画像検索とは
- 画像をインプットとしてそれと似ている画像をDBから検索してくるタスク
必要なデータ
- DBに登録するラベル付きの画像データ
■画像検索プロトタイプ
機能
学習時
- 学習データフォルダ選択
- 特徴量抽出器の自動選択
- 特徴量次元のチューニング
- Metric Learningを用いた特徴量の学習
- DB出力(csvデータ )
推論時
- モデル選択
- クエリ画像選択
- DBファイル(.csv)選択
- 検索及び結果表示
■超解像
超解像(Super-resolution)とは
画像処理技術の一つで、入力画像の解像度を高めて出力画像を作る技術のことです。
参照 https://dmitryulyanov.github.io/deep_image_prior
■ブレ除去
ブレ除去 (Deblurring) とは
画像からぼやけた部分を除去する技術のことです。
■物体トラッキング
単オブジェクトトラッキング
適用事例
複数物体トラッキング
属性抽出
- 年齢、性別、髪の長さ、眼鏡、服装、荷物など
Heatmap / trajectory計算
①群衆、人気のある場所、最も人通りが多い場所などを特定
Heatmap / trajectory計算
②群衆、人気のある場所、最も人通りが多い場所などを特定
