RCのヘリを始めたいのだが、やはり予算に自信がない。今までにReal Flight G2で鍛えてきたので、なんとか本物デビューを果たしたいのだが・・・。
と思っていた矢先に、いいものが発売されるらしい。安価な室内用4chヘリ。今まで室内用といえば、トイラジで2-3chのモノはあったが、4chはキーエンスの室内ヘリとかで高価なものしかなかった。試してみたい。
京商のメタルマスターシリーズなるものだが、HPからYoutubeビデオがリンクされていた。
2009年12月31日木曜日
2009年12月27日日曜日
Windows7 64bit で matlab の mex ファイルをコンパイル
windows7 64 bit で matlab の mex ファイルをコンパイルしようとしたのだが、上手くいかない。使用した matlab は、少し古いが matlab 2007b、また、c compiler は visual c++ 2008 express edition 以下に示す解決方法は、他のバージョンでは試していないが、もしかしたら他のバージョンでも役に立つかもしれない。
matlab centralに似た記事があったので、ダウンロードして試してみたが、64bit版では動作しないことがユーザーコメントに書かれている。自分の環境ではもしやと思って試してみたが、そのままではダメだった。ということで、同様の方法で、matlab_DIR\bin\win64\mexopts 以下に、改良した、msvc90freeopts.bat を作ることにした。
改良したものは下記の通りである。なお、環境変数に、MSSdkを追加し、値は microsoft windows sdk のインストールディレクトリを代入している。
もしかしたら多少おかしい部分があるかもしれないが、自分の環境ではこれで 64bit mex ファイルのコンパイルに成功したので、何かの役に立てばと思い、公開しておく。
基本的に、編集する必要があるのは、VCINSTALLDIR, INCLUDE, LIB, MW_TARGET_ARCH, LINKFLAGSのMACHINEオプション等だけである。これを自分の環境に合わせて書いてしまえば問題ないと思われる。
@echo off
rem msvc90freeopts.BAT
rem
rem Compile and link options used for building MEX-files
rem using the Microsoftｮ Visual C++ 2008 Express Edition compiler.
rem
rem $Revision: 1.1.8.1 $ $Date: 2006/11/19 18:53:45 $
rem
rem ********************************************************************
rem General parameters
rem ********************************************************************
echo msvc90freeopts.BAT
set MATLAB=%MATLAB%
set VS90COMNTOOLS=%VS90COMNTOOLS%
set VSINSTALLDIR=%VS90COMNTOOLS%\..\..
set VCINSTALLDIR=%VSINSTALLDIR%\VC
set MSSdk=%MSSdk%
set LINKERDIR=%MSSdk%
set PATH=%VCINSTALLDIR%\BIN\amd64;%LINKERDIR%\bin\x64;%VSINSTALLDIR%\Common7\IDE;%VSINSTALLDIR%\Common7\Tools;%VCINSTALLDIR%\VCPackages;%MATLAB_BIN%;%PATH%
set INCLUDE=%VCINSTALLDIR%\INCLUDE;%LINKERDIR%\INCLUDE;%INCLUDE%
set LIB=%VCINSTALLDIR%\LIB\amd64;C:\Program Files\Microsoft SDKs\Windows\v7.0\lib\x64;%MATLAB%\extern\lib\win64;%LIB%
set MW_TARGET_ARCH=win64
rem ********************************************************************
rem Compiler parameters
rem ********************************************************************
set COMPILER=cl
set COMPFLAGS=/c /Zp8 /GR /W3 /EHsc- /Zc:wchar_t- /DMATLAB_MEX_FILE /nologo
set OPTIMFLAGS=/MD /O2 /Oy- /DNDEBUG
set DEBUGFLAGS=/MD /Zi /Fd"%OUTDIR%%MEX_NAME%%MEX_EXT%.pdb"
set NAME_OBJECT=/Fo
rem ********************************************************************
rem Linker parameters
rem ********************************************************************
set LIBLOC=%MATLAB%\extern\lib\win64\microsoft
set LINKER=link
set LINKFLAGS=/dll /export:%ENTRYPOINT% /MAP /LIBPATH:"%LIBLOC%" libmx.lib libmex.lib libmat.lib /implib:%LIB_NAME%.x /MACHINE:AMD64 kernel32.lib user32.lib gdi32.lib winspool.lib comdlg32.lib advapi32.lib shell32.lib ole32.lib oleaut32.lib uuid.lib odbc32.lib odbccp32.lib
set LINKOPTIMFLAGS=
set LINKDEBUGFLAGS=/DEBUG /PDB:"%OUTDIR%%MEX_NAME%%MEX_EXT%.pdb"
set LINK_FILE=
set LINK_LIB=
set NAME_OUTPUT=/out:"%OUTDIR%%MEX_NAME%%MEX_EXT%"
set RSP_FILE_INDICATOR=@
rem ********************************************************************
rem Resource compiler parameters
rem ********************************************************************
set RC_COMPILER=rc /fo "%OUTDIR%mexversion.res"
set RC_LINKER=
set POSTLINK_CMDS=del "%OUTDIR%%MEX_NAME%.map"
set POSTLINK_CMDS1=del %LIB_NAME%.x
set POSTLINK_CMDS2=mt -outputresource:"%OUTDIR%%MEX_NAME%%MEX_EXT%";2 -manifest "%OUTDIR%%MEX_NAME%%MEX_EXT%.manifest"
set POSTLINK_CMDS3=del "%OUTDIR%%MEX_NAME%%MEX_EXT%.manifest"
matlab centralに似た記事があったので、ダウンロードして試してみたが、64bit版では動作しないことがユーザーコメントに書かれている。自分の環境ではもしやと思って試してみたが、そのままではダメだった。ということで、同様の方法で、matlab_DIR\bin\win64\mexopts 以下に、改良した、msvc90freeopts.bat を作ることにした。
改良したものは下記の通りである。なお、環境変数に、MSSdkを追加し、値は microsoft windows sdk のインストールディレクトリを代入している。
もしかしたら多少おかしい部分があるかもしれないが、自分の環境ではこれで 64bit mex ファイルのコンパイルに成功したので、何かの役に立てばと思い、公開しておく。
基本的に、編集する必要があるのは、VCINSTALLDIR, INCLUDE, LIB, MW_TARGET_ARCH, LINKFLAGSのMACHINEオプション等だけである。これを自分の環境に合わせて書いてしまえば問題ないと思われる。
@echo off
rem msvc90freeopts.BAT
rem
rem Compile and link options used for building MEX-files
rem using the Microsoftｮ Visual C++ 2008 Express Edition compiler.
rem
rem $Revision: 1.1.8.1 $ $Date: 2006/11/19 18:53:45 $
rem
rem ********************************************************************
rem General parameters
rem ********************************************************************
echo msvc90freeopts.BAT
set MATLAB=%MATLAB%
set VS90COMNTOOLS=%VS90COMNTOOLS%
set VSINSTALLDIR=%VS90COMNTOOLS%\..\..
set VCINSTALLDIR=%VSINSTALLDIR%\VC
set MSSdk=%MSSdk%
set LINKERDIR=%MSSdk%
set PATH=%VCINSTALLDIR%\BIN\amd64;%LINKERDIR%\bin\x64;%VSINSTALLDIR%\Common7\IDE;%VSINSTALLDIR%\Common7\Tools;%VCINSTALLDIR%\VCPackages;%MATLAB_BIN%;%PATH%
set INCLUDE=%VCINSTALLDIR%\INCLUDE;%LINKERDIR%\INCLUDE;%INCLUDE%
set LIB=%VCINSTALLDIR%\LIB\amd64;C:\Program Files\Microsoft SDKs\Windows\v7.0\lib\x64;%MATLAB%\extern\lib\win64;%LIB%
set MW_TARGET_ARCH=win64
rem ********************************************************************
rem Compiler parameters
rem ********************************************************************
set COMPILER=cl
set COMPFLAGS=/c /Zp8 /GR /W3 /EHsc- /Zc:wchar_t- /DMATLAB_MEX_FILE /nologo
set OPTIMFLAGS=/MD /O2 /Oy- /DNDEBUG
set DEBUGFLAGS=/MD /Zi /Fd"%OUTDIR%%MEX_NAME%%MEX_EXT%.pdb"
set NAME_OBJECT=/Fo
rem ********************************************************************
rem Linker parameters
rem ********************************************************************
set LIBLOC=%MATLAB%\extern\lib\win64\microsoft
set LINKER=link
set LINKFLAGS=/dll /export:%ENTRYPOINT% /MAP /LIBPATH:"%LIBLOC%" libmx.lib libmex.lib libmat.lib /implib:%LIB_NAME%.x /MACHINE:AMD64 kernel32.lib user32.lib gdi32.lib winspool.lib comdlg32.lib advapi32.lib shell32.lib ole32.lib oleaut32.lib uuid.lib odbc32.lib odbccp32.lib
set LINKOPTIMFLAGS=
set LINKDEBUGFLAGS=/DEBUG /PDB:"%OUTDIR%%MEX_NAME%%MEX_EXT%.pdb"
set LINK_FILE=
set LINK_LIB=
set NAME_OUTPUT=/out:"%OUTDIR%%MEX_NAME%%MEX_EXT%"
set RSP_FILE_INDICATOR=@
rem ********************************************************************
rem Resource compiler parameters
rem ********************************************************************
set RC_COMPILER=rc /fo "%OUTDIR%mexversion.res"
set RC_LINKER=
set POSTLINK_CMDS=del "%OUTDIR%%MEX_NAME%.map"
set POSTLINK_CMDS1=del %LIB_NAME%.x
set POSTLINK_CMDS2=mt -outputresource:"%OUTDIR%%MEX_NAME%%MEX_EXT%";2 -manifest "%OUTDIR%%MEX_NAME%%MEX_EXT%.manifest"
set POSTLINK_CMDS3=del "%OUTDIR%%MEX_NAME%%MEX_EXT%.manifest"
2009年12月19日土曜日
ブログを彩るWidgets
ブログはずっと前に始めたが、忙しいとかで、自分のメモ帳替わりを脱することができず、人に見せられるような代物ではなかった。実際、今まであまり、アクセスを稼いだりしたことはない。今回、いつまで続くかわかないが、少しは真面目に書いてみようかと思ったので、その最初のステップとして、自分が行ったことを書き留めておく。
まず、最初から全部自分でサイトデザインをするのは大変なので、ブログパーツを利用する。いまさらだが、このブログパーツばかりを専門に取り扱っているサイトが存在する。その中でも非常に多くのハイセンスなブログパーツを取り扱っている二つのサイトを紹介しておく。
まず国内サイト：
・ハナツキ
このサイトは素晴らしい。たいていどんなサイトでも目的別にブログパーツを整理しているのだが、ハナツキではその目的が非常に細分化されているし、実用性を兼ね備えたものも多く収録されている。また、自企業の宣伝のために、企業が作っているハイセンスなブログパーツ等も積極的に収録している。
次に海外サイト：
・Widgetbox
海外では、ブログパーツとは言わない。WidgetとかBlog widgetと呼ぶ。だから、blog parts等と検索しても、日本のサイトしか出てこない。widgetとかで検索すると非常に沢山出てくる。海外のBlog widgetの特徴を挙げると、まず、Mixiとの連携などは当然だがなく、代わりにFacebookやTwitter、Flickr、Delicious等のSNSとの連携のためのWidgetが非常に多い。ということで、そういった、海外発のサービスを利用している場合には、こちらで探した方が面白いものが見つかる。
まずは最初のステップと言うことで、他力本願で自分のサイトを彩る方法を紹介した。
まず、最初から全部自分でサイトデザインをするのは大変なので、ブログパーツを利用する。いまさらだが、このブログパーツばかりを専門に取り扱っているサイトが存在する。その中でも非常に多くのハイセンスなブログパーツを取り扱っている二つのサイトを紹介しておく。
まず国内サイト：
・ハナツキ
このサイトは素晴らしい。たいていどんなサイトでも目的別にブログパーツを整理しているのだが、ハナツキではその目的が非常に細分化されているし、実用性を兼ね備えたものも多く収録されている。また、自企業の宣伝のために、企業が作っているハイセンスなブログパーツ等も積極的に収録している。
次に海外サイト：
・Widgetbox
海外では、ブログパーツとは言わない。WidgetとかBlog widgetと呼ぶ。だから、blog parts等と検索しても、日本のサイトしか出てこない。widgetとかで検索すると非常に沢山出てくる。海外のBlog widgetの特徴を挙げると、まず、Mixiとの連携などは当然だがなく、代わりにFacebookやTwitter、Flickr、Delicious等のSNSとの連携のためのWidgetが非常に多い。ということで、そういった、海外発のサービスを利用している場合には、こちらで探した方が面白いものが見つかる。
まずは最初のステップと言うことで、他力本願で自分のサイトを彩る方法を紹介した。
Lego
Legoと言えば、子供から大人(?)まで楽しめるクリエイティブなおもちゃの代表例だと思う。LEGOの良いところは沢山あるが、次の点が大きいと思う。
・創意工夫で何でも作れる、そしてつぶすと、かさばらず、すっきりと片付く
・持続的に供給されている（自分が遊んでいたものを今子どもが楽しんで使っています）
・作りがよく、ブロック間の連携が良く考えられている
・世界中の人に愛されている（海外出張とかですぐに買うことができます、店員さんとかと子供がLEGOが好きなんですよーなんてどこの国ででもお話を始められます）
そんなわけで、自分も子供の時には欲しかったのだが、あまり買ってもらえなかった経験がある。確かにLEGOは高い。しかし欲しい。ということで、自分の安く買う方法を書いておく。
まず、買いたいものをLEGO.COMとかで決める。英語だがPRODUCTSのボタンをおしてどんどん見ていく。日本国内で売っているのはこの一部。でも最近では国内で基本的には売られていないLEGOもYahoo!Auctionや他のショッピングサイト等で購入できるようになってきているので諦めることはない。敷居は高いが、もちろんeBay等で個人輸入することもできる。
LEGO.COMでは、ブロックの詳細を確認することはできないので、興味がある商品があった場合にはbrickshelfで、すでに組み立てた人が投稿した写真をじっくり見て観察。Search Galleryのところに、商品番号を入れて、その横のGoボタンを押せば、たくさんの写真が出てくる。
本当に欲しくなったら、Yahoo!Auctionで、調べると大抵のものは出ている。Yahoo!Auctionで、もし見つけることができれば大抵の場合最も安く購入することができる。
Yahoo!Auction以外で、海外LEGOを安価で取り扱っているお店を紹介する。
aquacastle
aquacastle yahoo-shopping店
未来屋
海外LEGOは、あまり見当たらなかったが、値段が安い店を紹介する。
05BLOCK.COM
さぁ、みなさん、LEGOにはまりましょう。
・創意工夫で何でも作れる、そしてつぶすと、かさばらず、すっきりと片付く
・持続的に供給されている（自分が遊んでいたものを今子どもが楽しんで使っています）
・作りがよく、ブロック間の連携が良く考えられている
・世界中の人に愛されている（海外出張とかですぐに買うことができます、店員さんとかと子供がLEGOが好きなんですよーなんてどこの国ででもお話を始められます）
そんなわけで、自分も子供の時には欲しかったのだが、あまり買ってもらえなかった経験がある。確かにLEGOは高い。しかし欲しい。ということで、自分の安く買う方法を書いておく。
まず、買いたいものをLEGO.COMとかで決める。英語だがPRODUCTSのボタンをおしてどんどん見ていく。日本国内で売っているのはこの一部。でも最近では国内で基本的には売られていないLEGOもYahoo!Auctionや他のショッピングサイト等で購入できるようになってきているので諦めることはない。敷居は高いが、もちろんeBay等で個人輸入することもできる。
LEGO.COMでは、ブロックの詳細を確認することはできないので、興味がある商品があった場合にはbrickshelfで、すでに組み立てた人が投稿した写真をじっくり見て観察。Search Galleryのところに、商品番号を入れて、その横のGoボタンを押せば、たくさんの写真が出てくる。
本当に欲しくなったら、Yahoo!Auctionで、調べると大抵のものは出ている。Yahoo!Auctionで、もし見つけることができれば大抵の場合最も安く購入することができる。
Yahoo!Auction以外で、海外LEGOを安価で取り扱っているお店を紹介する。
aquacastle
aquacastle yahoo-shopping店
未来屋
海外LEGOは、あまり見当たらなかったが、値段が安い店を紹介する。
05BLOCK.COM
さぁ、みなさん、LEGOにはまりましょう。
2009年12月16日水曜日
Face Tracer Database
顔認識のデータセットは、多くの種類のデータセットが公開されているので、研究にもことかかかない。その殆どは下記のページで網羅されているので、まだ、見られたことのない方は見られると得をするとおもう。http://www.face-rec.org/databases/
一方で、顔の属性認識のデータセットはあまり多くない。また、あったとしても性別や年齢程度である。顔の属性認識は、非常に面白い技術だ。顔認識が顔を登録した状態で行うのに対して、顔の属性認識は調べたい顔が未知であってもある程度絞り込みを行える。例えば見ず知らずの人を誰かに教えるときのような感覚だ。もちろん絞り込み程度で完全な特定精度はないので、顔認識と組み合わせて用いるのが良いと思われるが、今後の技術として興味深い。
これに対して、Face Tracerを開発した、Columbia大学（Nayar研究室）でWeb上から収集した多くの画像に対して、ラベルを入力してラベル情報を下記のページで公開している。http://www1.cs.columbia.edu/CAVE/databases/facetracer/
一方著作権の観点から、画像に関しては、リンクのみで、画像データとしては提供されていない。
そこで、Irvineを利用して、ダウンロードしてみた。
Irvineのファイル→インポート→キューリストを利用して、ダウンロードリストを読み込む。ダウンロードリストは、上記FaceTracer Databaseの"faceindex.txt"をエクセルで適当に編集して、作成した。
結果、2009年12月16日現在ダウンロードできたのは、15000枚中、10706枚だった。さらに、ここから、"facestats.txt"情報をもとに画像切り出しを行った。ダウンロードできたと思っていた画像の中に内容が変わっているものも多いらしく、Flickrとだけ書かれたものなども、多く、最終的には10000枚を割り込みそうだ（こういうのは最終的には目視判断しかないと思われる。さらに顔検出をかけるという方法もあるが、目視でやった方が確実だし、10000枚程度ならすぐに終わる）。しかし、この手のデータセットは少ないので、それでもうれしい。
後日、このデータをもとに実験を行おうとしたが、難点かの問題に直面したので、書き記しておく。まず、提供されている"facestats.txt"に書かれている、目や口の点（それぞれの左右端点）座標がダウンロードした画像のものとずれている。いろいろ試してようやくわかったのだが、どうやら、"facestats.txt"の2-5カラム目までに書かれている切り出し開始点と、幅・高さで切り出した後の画像座標らしい。思い込みで、元座標系での点だと思っていたので、わかるまで時間がかかってしまった。
前述のデータベースのページにあるラベル情報"facelabels.txt"には合計3938枚の画像に対するラベル情報が書かれているが、ダウンロードできるものが限られているので、今回構築できたのは2538枚のみの評価セットだった。
なお、FaceTracerについては、次のFaceTracerの作者自身による紹介videoをみると、よく理解できるので、リンクしておく。
一方で、顔の属性認識のデータセットはあまり多くない。また、あったとしても性別や年齢程度である。顔の属性認識は、非常に面白い技術だ。顔認識が顔を登録した状態で行うのに対して、顔の属性認識は調べたい顔が未知であってもある程度絞り込みを行える。例えば見ず知らずの人を誰かに教えるときのような感覚だ。もちろん絞り込み程度で完全な特定精度はないので、顔認識と組み合わせて用いるのが良いと思われるが、今後の技術として興味深い。
これに対して、Face Tracerを開発した、Columbia大学（Nayar研究室）でWeb上から収集した多くの画像に対して、ラベルを入力してラベル情報を下記のページで公開している。http://www1.cs.columbia.edu/CAVE/databases/facetracer/
一方著作権の観点から、画像に関しては、リンクのみで、画像データとしては提供されていない。
そこで、Irvineを利用して、ダウンロードしてみた。
Irvineのファイル→インポート→キューリストを利用して、ダウンロードリストを読み込む。ダウンロードリストは、上記FaceTracer Databaseの"faceindex.txt"をエクセルで適当に編集して、作成した。
結果、2009年12月16日現在ダウンロードできたのは、15000枚中、10706枚だった。さらに、ここから、"facestats.txt"情報をもとに画像切り出しを行った。ダウンロードできたと思っていた画像の中に内容が変わっているものも多いらしく、Flickrとだけ書かれたものなども、多く、最終的には10000枚を割り込みそうだ（こういうのは最終的には目視判断しかないと思われる。さらに顔検出をかけるという方法もあるが、目視でやった方が確実だし、10000枚程度ならすぐに終わる）。しかし、この手のデータセットは少ないので、それでもうれしい。
後日、このデータをもとに実験を行おうとしたが、難点かの問題に直面したので、書き記しておく。まず、提供されている"facestats.txt"に書かれている、目や口の点（それぞれの左右端点）座標がダウンロードした画像のものとずれている。いろいろ試してようやくわかったのだが、どうやら、"facestats.txt"の2-5カラム目までに書かれている切り出し開始点と、幅・高さで切り出した後の画像座標らしい。思い込みで、元座標系での点だと思っていたので、わかるまで時間がかかってしまった。
前述のデータベースのページにあるラベル情報"facelabels.txt"には合計3938枚の画像に対するラベル情報が書かれているが、ダウンロードできるものが限られているので、今回構築できたのは2538枚のみの評価セットだった。
なお、FaceTracerについては、次のFaceTracerの作者自身による紹介videoをみると、よく理解できるので、リンクしておく。
2009年11月29日日曜日
Youtube videos for computer vision researchers: existingtechnologies
intelligent video analysis
* people counting:
railway application:
* face counting
* vehicle counting
most accurate?? resolution is not high, though.
3D based??:
car type classification also:
a bit slow:
* just background modeling and subtraction: traditional technique
but in panoramic video:
intelligent visualization of surveillance scene
*panorama and super-resolution:
*video synopsys:
*panoramic surveillance:
Face search:
Face tracer:
Facool, this service has been already finished, though:
pedestrian detection:
on volvo cars:
car application:
also motorcycle detection:
pedestrian, cars and motorcycle detection:
object classification:
vehicle and pedestrian detection in heavy snow:
augmented reality:
manufacturing:
application to navigation system; mapping onto real scene:
gesture recognition:
by Toshiba, application to gesture remote control:
by Hitachi:
as a game device:
project Natal by Microsoft, as a game device:
pj. Natal:
pj. Natal:
pj. Natal:
gaze detection:
as an input device:
* people counting:
railway application:
* face counting
* vehicle counting
most accurate?? resolution is not high, though.
3D based??:
car type classification also:
a bit slow:
* just background modeling and subtraction: traditional technique
but in panoramic video:
intelligent visualization of surveillance scene
*panorama and super-resolution:
*video synopsys:
*panoramic surveillance:
Face search:
Face tracer:
Facool, this service has been already finished, though:
pedestrian detection:
on volvo cars:
car application:
also motorcycle detection:
pedestrian, cars and motorcycle detection:
object classification:
vehicle and pedestrian detection in heavy snow:
augmented reality:
manufacturing:
application to navigation system; mapping onto real scene:
gesture recognition:
by Toshiba, application to gesture remote control:
by Hitachi:
as a game device:
project Natal by Microsoft, as a game device:
pj. Natal:
pj. Natal:
pj. Natal:
gaze detection:
as an input device:
Youtube videos for computer vision researchers: motivations
I collected some videos for computer vision researchers, especially it would be good motivations for researching vision based pattern recognition technologies.
robbery:
accidents:
* falling down from platform
stroller :
suicide in subway:
railway :
* car accidents
terrible video:
terrible video:
crane crash:
terrible video:
crash to stopping car in highway:
* dangerous
in highway:
near accident, in railway:
robbery:
accidents:
* falling down from platform
stroller :
suicide in subway:
railway :
* car accidents
terrible video:
terrible video:
crane crash:
terrible video:
crash to stopping car in highway:
* dangerous
in highway:
near accident, in railway:
2009年10月19日月曜日
ICCV2009 総括
Paul Scovanner, Marshall F. Tappen, Learning Pedestrian Dynamics from the Real World: 通行人の 動き予測。トラッキングの精度改善には少しは役立つかもしれない。ただ、画像レベルで全フレームとのマッチングの問題としてできたほうがよいので、動き予測はコストが比較的高いかもしれない(総括者の考察)。
Dijia Wu, Kim L. Boyer, Resilient Subclass Discriminant Analysis: subclass discriminant analysisの拡張版、SDAで次元削減した空間でEMによりsubclassのクラスタリング計算を繰り返すことにより、SDAの精度を高めている。あまり大きなクラス数には拡張できない。一つのクラスにおいてmulti-modal性があるときに有効。
Gang Wang, Derek Hoiem, David Forsyth, Learning Image Similarity from Flickr Groups Using Stochastic Intersection Kernel Machines: FlickrのグループをHistogram Intersection Kernelを学習する。NORMAという従来手法より高速なSIKMAを提案しているのが新しい点。なお用いている特徴量は、SIFT, GIST, Color, grandientの4種類で特徴量の次元も高い(数千次元)が、SIKMAにより高速になったので、こういうこともできるようになっている。
Jingjing Yang, Yuanning Li, Yonghong Tian, Lingyu Duan, Wen Gao, Group-sensitive Multiple Kernel Learning for Object Categorization: ここでいうgroupはあるカテゴリにおけるsubclassのこと。各subclassに対応したカーネルを結合してmultiple kernel learningすることにより一つのSVM識別機を学習する。なお最適化には簡単な勾配法を用いている。
Jianxin Wu, James M. Rehg, Beyond the Euclidean Distance: Creating Effective Visual Codebooks Using the Histogram Intersection Kernel: Codebookの生成にhistogram intersection kernelを用いている。introductionの部分のcodebookのサーベイが素晴らしい。最近の手法はほぼ全部網羅されている。生成だけではなく、識別の際にもHIKを用いている。HIKに関しては、Maji et al., CVPR 2008.が出てからすごく高速に評価できるようになったらしい。
Matthieu Guillaumin, Jakob Verbeek, Cordelia Schmid, Is That You? Metric Learning Approaches for Face Identification: LMNNを改良し、Logistic Discriminant base Metic Learningを提案している。また、NNのpairの選び方でかなり性能が変わることを報告している。実験は、Labled Face in Wildで顔認識により実施。結果的に他のmetric learningやLDAと比べかなりの精度向上が得られている。
Antoni B. Chan, Nuno Vasconcelos, Bayesian Poisson Regression for Crowd Counting: 人数カウント、gaussian processのregression問題として定式化したものは多数あるが、負の人数が出てくるなど、理論的に扱いにくいところがあったので、階層ベイズによるpoisson分布によりこれを解決。精度のほどは、対象にも依存するので試してみないと不明だが、方向別の人数カウントの例が載せられている。
Christian Leistner, Amir Saffari, Jakob Santner, Horst Bischof, Semi-Supervised Random Forests: Random Forestsの準教師付き学習への応用。最適化においては、確定論的焼きなましを用いる。もともとRandom Forest自体が、二値識別器の組み合わせなどではなく、他クラスの出力が可能であるため、応用しやすい。
Bang Zhang, Getian Ye, Yang Wang, Jie Xu, Gunawan Herman, Finding Shareable Informative Patterns and Optimal Coding Matrix for Multiclass Boosting: ECOCを用いたboostingベース多クラス識別器。従来手法においては、ベースとなる弱識別器とcoding matrixとの同時最適化ではなかったが、ここを同時最適化することにより精度向上できることを報告している。
Lior Wolf, Tal Hassner, Yaniv Taigman, The One-shot Similarity Kernel:一枚のpositiveと negative setとの距離をLDAにより学習することにより、one-shot similarityを実現。また、この距離指標が、条件付き正定値行列にになることを証明し、kernel化した。このkernelとSVMを組合せ、顔認識等に対する精度向上を報告している。
Nazli Ikizler-Cinbis, Ramazan Gokberk Cinbis, Stan Sclaroff, Learning Actions from the Web: Webから収集した画像を基に学習を行う。必ずしもactionでなくても動作すると思われる。まず、YahooやGoogleの画像検索において、特定のactionを示すqueryを入れて、画像を取得。上位何枚かで、regression modelを作成し、その結果に基づいて、他の(検索上位には来なかった)画像を分類(モデルを作るのに使うのか使わないのか)しながら、さらにregression modelをupdateする。この結果得られた各Actionに相当すると思われる画像のみを用いて、モデルを作る。同じActionであっても様々なviewpointを含むので、NMFを用いてこのMultiModal性を分類する。それぞれについてlogistic regression classifierを適用して、各Actionを学習する。
Ming Yang , Fengjun Lv, Wei Xu, Yihong Gong, Detection Driven Adaptive Multi-cue Integration for Multiple Human Tracking:( カラー、輪郭、局所特徴量からなる)複数のcue(特に前述のものである必要はない)の線形結合によるベイジアンフィルタリングの枠組み。高精度な頭部トラッキングによる検出結果が得られたときに、線形結合の結合係数を、近傍領域と判別性が良くなるように最適化(適応と呼んでいる)する。最適化自体は勾配法で解く。
Neeraj Kumar, Alexander C. Berg, Peter N. Belhumeur, Shree K. Nayar, Attribute and Simile Classifiers for Face Verification: 顔の属性と特定個人の部分領域を用いた識別器による顔認識、特定個人の部分領域との類似度による特徴量表現というのが新しいと思われる。どの特定個人を用いるのがよいか等の問題が出てくると思われる(総括者の考察)。
Peter Gehler, Sebastian Nowozin, On Feature Combination for Multiclass Object Classification: 複数のカーネルを組み合わせた識別器を構築する際の、最適化方法に関する比較研究。SVM等を深く理解するのに良い論文。結果的に、caltech101等で従来に比べ10%程度の精度向上を成し遂げている。速度については度外視(総括者の考察)？
Dijia Wu, Kim L. Boyer, Resilient Subclass Discriminant Analysis: subclass discriminant analysisの拡張版、SDAで次元削減した空間でEMによりsubclassのクラスタリング計算を繰り返すことにより、SDAの精度を高めている。あまり大きなクラス数には拡張できない。一つのクラスにおいてmulti-modal性があるときに有効。
Gang Wang, Derek Hoiem, David Forsyth, Learning Image Similarity from Flickr Groups Using Stochastic Intersection Kernel Machines: FlickrのグループをHistogram Intersection Kernelを学習する。NORMAという従来手法より高速なSIKMAを提案しているのが新しい点。なお用いている特徴量は、SIFT, GIST, Color, grandientの4種類で特徴量の次元も高い(数千次元)が、SIKMAにより高速になったので、こういうこともできるようになっている。
Jingjing Yang, Yuanning Li, Yonghong Tian, Lingyu Duan, Wen Gao, Group-sensitive Multiple Kernel Learning for Object Categorization: ここでいうgroupはあるカテゴリにおけるsubclassのこと。各subclassに対応したカーネルを結合してmultiple kernel learningすることにより一つのSVM識別機を学習する。なお最適化には簡単な勾配法を用いている。
Jianxin Wu, James M. Rehg, Beyond the Euclidean Distance: Creating Effective Visual Codebooks Using the Histogram Intersection Kernel: Codebookの生成にhistogram intersection kernelを用いている。introductionの部分のcodebookのサーベイが素晴らしい。最近の手法はほぼ全部網羅されている。生成だけではなく、識別の際にもHIKを用いている。HIKに関しては、Maji et al., CVPR 2008.が出てからすごく高速に評価できるようになったらしい。
Matthieu Guillaumin, Jakob Verbeek, Cordelia Schmid, Is That You? Metric Learning Approaches for Face Identification: LMNNを改良し、Logistic Discriminant base Metic Learningを提案している。また、NNのpairの選び方でかなり性能が変わることを報告している。実験は、Labled Face in Wildで顔認識により実施。結果的に他のmetric learningやLDAと比べかなりの精度向上が得られている。
Antoni B. Chan, Nuno Vasconcelos, Bayesian Poisson Regression for Crowd Counting: 人数カウント、gaussian processのregression問題として定式化したものは多数あるが、負の人数が出てくるなど、理論的に扱いにくいところがあったので、階層ベイズによるpoisson分布によりこれを解決。精度のほどは、対象にも依存するので試してみないと不明だが、方向別の人数カウントの例が載せられている。
Christian Leistner, Amir Saffari, Jakob Santner, Horst Bischof, Semi-Supervised Random Forests: Random Forestsの準教師付き学習への応用。最適化においては、確定論的焼きなましを用いる。もともとRandom Forest自体が、二値識別器の組み合わせなどではなく、他クラスの出力が可能であるため、応用しやすい。
Bang Zhang, Getian Ye, Yang Wang, Jie Xu, Gunawan Herman, Finding Shareable Informative Patterns and Optimal Coding Matrix for Multiclass Boosting: ECOCを用いたboostingベース多クラス識別器。従来手法においては、ベースとなる弱識別器とcoding matrixとの同時最適化ではなかったが、ここを同時最適化することにより精度向上できることを報告している。
Lior Wolf, Tal Hassner, Yaniv Taigman, The One-shot Similarity Kernel:一枚のpositiveと negative setとの距離をLDAにより学習することにより、one-shot similarityを実現。また、この距離指標が、条件付き正定値行列にになることを証明し、kernel化した。このkernelとSVMを組合せ、顔認識等に対する精度向上を報告している。
Nazli Ikizler-Cinbis, Ramazan Gokberk Cinbis, Stan Sclaroff, Learning Actions from the Web: Webから収集した画像を基に学習を行う。必ずしもactionでなくても動作すると思われる。まず、YahooやGoogleの画像検索において、特定のactionを示すqueryを入れて、画像を取得。上位何枚かで、regression modelを作成し、その結果に基づいて、他の(検索上位には来なかった)画像を分類(モデルを作るのに使うのか使わないのか)しながら、さらにregression modelをupdateする。この結果得られた各Actionに相当すると思われる画像のみを用いて、モデルを作る。同じActionであっても様々なviewpointを含むので、NMFを用いてこのMultiModal性を分類する。それぞれについてlogistic regression classifierを適用して、各Actionを学習する。
Ming Yang , Fengjun Lv, Wei Xu, Yihong Gong, Detection Driven Adaptive Multi-cue Integration for Multiple Human Tracking:( カラー、輪郭、局所特徴量からなる)複数のcue(特に前述のものである必要はない)の線形結合によるベイジアンフィルタリングの枠組み。高精度な頭部トラッキングによる検出結果が得られたときに、線形結合の結合係数を、近傍領域と判別性が良くなるように最適化(適応と呼んでいる)する。最適化自体は勾配法で解く。
Neeraj Kumar, Alexander C. Berg, Peter N. Belhumeur, Shree K. Nayar, Attribute and Simile Classifiers for Face Verification: 顔の属性と特定個人の部分領域を用いた識別器による顔認識、特定個人の部分領域との類似度による特徴量表現というのが新しいと思われる。どの特定個人を用いるのがよいか等の問題が出てくると思われる(総括者の考察)。
Peter Gehler, Sebastian Nowozin, On Feature Combination for Multiclass Object Classification: 複数のカーネルを組み合わせた識別器を構築する際の、最適化方法に関する比較研究。SVM等を深く理解するのに良い論文。結果的に、caltech101等で従来に比べ10%程度の精度向上を成し遂げている。速度については度外視(総括者の考察)？
2009年5月20日水曜日
2009年5月17日日曜日
手書き風フォント
アームドバナナ：
http://calligra-tei.oops.jp/
あんず文字：
http://www8.plala.or.jp/p_dolce/font4.html
ふい字：
http://hp.vector.co.jp/authors/VA039499/
ホリデイMDJP03：
http://www2.wind.ne.jp/maniackers/Holiday_Kanji.html
あくあフォント：
http://www.vector.co.jp/soft/data/writing/se244261.html
うずらフォント、あずきフォント：
http://azukifont.mints.ne.jp/font/index.html
アヤノコウジ：
http://www.flopdesign.com/fonts/flopfont/76ayanokouji.html
はるか：
http://www.flopdesign.com/font2/haruka.html
さなフォン：
http://sana.s12.xrea.com/index.php
child play (英文)：
http://www.urbanfonts.com/fonts/Childs_Play.htm
Pen of Truth (英文)：
http://www.dafont.com/pen-of-truth.font
http://calligra-tei.oops.jp/
あんず文字：
http://www8.plala.or.jp/p_dolce/font4.html
ふい字：
http://hp.vector.co.jp/authors/VA039499/
ホリデイMDJP03：
http://www2.wind.ne.jp/maniackers/Holiday_Kanji.html
あくあフォント：
http://www.vector.co.jp/soft/data/writing/se244261.html
うずらフォント、あずきフォント：
http://azukifont.mints.ne.jp/font/index.html
アヤノコウジ：
http://www.flopdesign.com/fonts/flopfont/76ayanokouji.html
はるか：
http://www.flopdesign.com/font2/haruka.html
さなフォン：
http://sana.s12.xrea.com/index.php
child play (英文)：
http://www.urbanfonts.com/fonts/Childs_Play.htm
Pen of Truth (英文)：
http://www.dafont.com/pen-of-truth.font
2009年5月7日木曜日
2009年5月6日水曜日
PowerPoint
プレゼンするときに結構レイアウトやデザイン等にも気を使ってしまう。
そしてそういうのに時間を結構とられている。
ということで、何かよい素材とかがないかと調べていた。あるある。当たり前か・・。
http://www.themegallery.com/japan/
有料だったりするんだが、デザイン的なものは参考になりそうだ。
無料のものでwonderfulなのもたくさんあった。いくつか・・・。
http://pptheaven.mvps.org/index.html
http://www.templateswise.com/index.php?list=top
http://www.presentationpoint.com/powerpoint-templates/index.htm
http://www.soniacoleman.com/templates.htm
http://sagittarius.dip.jp/~toshi/template.html
そしてそういうのに時間を結構とられている。
ということで、何かよい素材とかがないかと調べていた。あるある。当たり前か・・。
http://www.themegallery.com/japan/
有料だったりするんだが、デザイン的なものは参考になりそうだ。
無料のものでwonderfulなのもたくさんあった。いくつか・・・。
http://pptheaven.mvps.org/index.html
http://www.templateswise.com/index.php?list=top
http://www.presentationpoint.com/powerpoint-templates/index.htm
http://www.soniacoleman.com/templates.htm
http://sagittarius.dip.jp/~toshi/template.html
2009年5月5日火曜日
Good Designs !
山田照明：z-light：
http://www.zlight.net/
ERECTA:Home ERECTA:耐加重など機能美もすばらしい。ライフスタイルに応じて自由に変えられるのがよい。
http://www.erecta.co.jp/home/index.html
TOYO KITCHEN:
http://www.toyokitchen.co.jp/top.html
YAMAGIWA照明：
http://shopping.yamagiwa.co.jp/shop/category/category.aspx
http://www.zlight.net/
ERECTA:Home ERECTA:耐加重など機能美もすばらしい。ライフスタイルに応じて自由に変えられるのがよい。
http://www.erecta.co.jp/home/index.html
TOYO KITCHEN:
http://www.toyokitchen.co.jp/top.html
YAMAGIWA照明：
http://shopping.yamagiwa.co.jp/shop/category/category.aspx
Statistical Pattern Recognition Toolbox
先日、紹介したStatistical Pattern Recognition Toolboxだが、非常に使いやすい。
今まで自分用に実装してきたツールも、同じAPIで呼び出せるように改造をしていこうと思う。
ところで、よくできたマニュアルに少し間違いがあるようなので：
Table3.1のKernel Data Projectionのコマンド名がkerprojとなっているが、kerprojは存在せず、kernelprojのようだ。
何点か気づいた点：
1. GDA
GDAの計算のところで、ラベル名を0始まりにしていたら、うまくいかない。もしかしたらマニュアルのどこかに書かれているかもしれないが、1始まりにしないといけない。nClass=max(labels)としているので、1始まりしなければ、うまくいかない。対応策としては、nClass=length(unique(labels))がよいと思われるが、今後当分はこのtoolboxを使っていくつもりなので、他に不具合が出ると面白くないので、今回はlabelを変更にて対処。
2. Kernel Identifierについて
exampleではrbfのみが用いられているが、他にどんなkenelがあるかはマニュアルをざっと見たところかかれていない模様。
kernel_fun.cを見ると、linear, poly, rbf, sigmoidがサポートされいてる。
* poly: ( < x , y javascript:void(0)> + b )^a のa, bがそれぞれ第一引数、第二引数でこれを入力のoptions.argに入れればよい。
例えば、options.arg = [ a , b ] といった感じ。
* sigmoid: tanh( a * < x , y> + b ) のa, bがそれぞれ第一引数、第二引数で入力の仕方はpolyの場合と同じ。
3. Mult-class BSVM
solverは下記のものがサポートされているとマニュアルに書かれているが、実際には最新版においては一部はサポートされていないようである。
===================================================
Mitchell-Demyanov-Malozemov (solver = 'mdm').
Kozinec's algorithm (solver = 'kozinec').
Nearest Point Algorithm (solver = 'npa').
===================================================
bsvm2_mex.cの中を見ると下記のものがサポートされている。
mdm, imdm, iimdm, keerthi, kowalczyk, kozinec
従って、npaを用いているexampleも動かない。
UCI Machine Leraning Repository(http://archive.ics.uci.edu/ml/)にアップロードされている、handwritten_numeralsのFourier変換による特徴抽出データに対しては、iimdmがうまくいくようだ。学習時間も短いし精度も他のものよりよくなる。
今まで自分用に実装してきたツールも、同じAPIで呼び出せるように改造をしていこうと思う。
ところで、よくできたマニュアルに少し間違いがあるようなので：
Table3.1のKernel Data Projectionのコマンド名がkerprojとなっているが、kerprojは存在せず、kernelprojのようだ。
何点か気づいた点：
1. GDA
GDAの計算のところで、ラベル名を0始まりにしていたら、うまくいかない。もしかしたらマニュアルのどこかに書かれているかもしれないが、1始まりにしないといけない。nClass=max(labels)としているので、1始まりしなければ、うまくいかない。対応策としては、nClass=length(unique(labels))がよいと思われるが、今後当分はこのtoolboxを使っていくつもりなので、他に不具合が出ると面白くないので、今回はlabelを変更にて対処。
2. Kernel Identifierについて
exampleではrbfのみが用いられているが、他にどんなkenelがあるかはマニュアルをざっと見たところかかれていない模様。
kernel_fun.cを見ると、linear, poly, rbf, sigmoidがサポートされいてる。
* poly: ( < x , y javascript:void(0)> + b )^a のa, bがそれぞれ第一引数、第二引数でこれを入力のoptions.argに入れればよい。
例えば、options.arg = [ a , b ] といった感じ。
* sigmoid: tanh( a * < x , y> + b ) のa, bがそれぞれ第一引数、第二引数で入力の仕方はpolyの場合と同じ。
3. Mult-class BSVM
solverは下記のものがサポートされているとマニュアルに書かれているが、実際には最新版においては一部はサポートされていないようである。
===================================================
Mitchell-Demyanov-Malozemov (solver = 'mdm').
Kozinec's algorithm (solver = 'kozinec').
Nearest Point Algorithm (solver = 'npa').
===================================================
bsvm2_mex.cの中を見ると下記のものがサポートされている。
mdm, imdm, iimdm, keerthi, kowalczyk, kozinec
従って、npaを用いているexampleも動かない。
UCI Machine Leraning Repository(http://archive.ics.uci.edu/ml/)にアップロードされている、handwritten_numeralsのFourier変換による特徴抽出データに対しては、iimdmがうまくいくようだ。学習時間も短いし精度も他のものよりよくなる。
2009年5月4日月曜日
ラジコン：TA-05について
リバーシブルサスアームをつぶしたとき・・・
リバーシブルサスアーム（樹脂）：
SP-1297
写真：http://www.1999.co.jp/10060860
ショートリバーシブルサスアーム（カーボン）：
OP-928
http://item.rakuten.co.jp/rc1059/4950344539284
リバーシブルサスアーム（樹脂）：
SP-1297
写真：http://www.1999.co.jp/10060860
ショートリバーシブルサスアーム（カーボン）：
OP-928
http://item.rakuten.co.jp/rc1059/4950344539284
2009年5月3日日曜日
画像認識のための一般公開されているツール
(MATLAB以外)
もちろんopencvは有名だが、他にもいろいろあるようだ。
http://ibisforest.org/index.php?Freeware
そのうち試していきたい。
http://www.vlfeat.org/~vedaldi/code/code.html
-SIFT, MSER等
もちろんopencvは有名だが、他にもいろいろあるようだ。
http://ibisforest.org/index.php?Freeware
そのうち試していきたい。
http://www.vlfeat.org/~vedaldi/code/code.html
-SIFT, MSER等
TeXでブロック線図
下の場所でDiaGraphなるものを見つけた。
http://www-lab22.kuee.kyoto-u.ac.jp/~hagiwara/
マニュアルを見ると独特の規則で、ブロック線図を記述して、作者のツールを通すとそれに対応するTeXのソースをはいてくれるらしい。まだ使っていないが、これだとps specialを使うPGFと違って、dviにも入れられると思う。
結果は後日ということで・・・。
http://www-lab22.kuee.kyoto-u.ac.jp/~hagiwara/
マニュアルを見ると独特の規則で、ブロック線図を記述して、作者のツールを通すとそれに対応するTeXのソースをはいてくれるらしい。まだ使っていないが、これだとps specialを使うPGFと違って、dviにも入れられると思う。
結果は後日ということで・・・。
2009年5月2日土曜日
Matlabで作成できるグラフ
MATLABで作成できるグラフの一覧。よく忘れるのでブログッておく！
http://www.mathworks.com/access/helpdesk/help/techdoc/index.html?/access/helpdesk/help/techdoc/creating_plots/f9-53405.html
http://www.mathworks.com/access/helpdesk/help/techdoc/index.html?/access/helpdesk/help/techdoc/creating_plots/f9-53405.html
2009年4月29日水曜日
TeXは奥が深い！
嫁にTeXでブロック線図を書きたいと言われて、自分がいつもillustratorでブロック線図を描いていたことを思い出した。illustratorで書くので十分なのだが、問題はフォント。illustratorで書くとフォントがTeXのものと違ってしまう。たぶんそれを合わせる方法はあるんだろうが、もっと簡単なものはないかと調べていて発見！
http://www.texample.net/tikz/examples/tag/block-diagrams/
ところで、このサイトはなかなかすごい！これで何でもかけそうだ。
http://www.texample.net/
マニュアル：
http://media.texample.net/pgf/builds/pgfmanualCVS2009-04-24.pdf
問題は、xcolorがpost script specialで、dvioutで表示できないところ。現段階では、日本語環境ではtex→dvi→ps(→pdf)しか方法がなさそうだ。英文の文章を書いている場合には、pdflatexが最も便利そうだ。
よい方法があったら教えてください。
http://www.texample.net/tikz/examples/tag/block-diagrams/
ところで、このサイトはなかなかすごい！これで何でもかけそうだ。
http://www.texample.net/
マニュアル：
http://media.texample.net/pgf/builds/pgfmanualCVS2009-04-24.pdf
問題は、xcolorがpost script specialで、dvioutで表示できないところ。現段階では、日本語環境ではtex→dvi→ps(→pdf)しか方法がなさそうだ。英文の文章を書いている場合には、pdflatexが最も便利そうだ。
よい方法があったら教えてください。
2009年4月4日土曜日
MATLABでImage based Pattern Recognition
SIFTの実装：
http://www.vlfeat.org/~vedaldi/code/sift.html
MSER:
http://www.vlfeat.org/~vedaldi/code/mser.html
Statistical Pattern Recognition Toolbox:
http://cmp.felk.cvut.cz/cmp/software/stprtool/index.html
下記のものが実装されているとのこと(上記HPより抜粋)
Linear discriminant function
* Perceptron and multi-class modification
* Epsilon-optimal separating hyperplane by Kozinec's algorithm
* Fisher Linear Discriminant
* Algorithms to solve the Generalized Anderson's task
Feature extraction
* Principal Component Analysis
* Kernel PCA
* Greedy Kernel PCA
* Linear Discriminant Analysis
* Generalized Discriminant Analysis
Density estimation and clustering
* Gaussian mixture models
* Expectation-Maximization algorithm for Gaussian mixture models
* Minimax estimation for Gaussian distribution
* Reduced Set Density Estimator
* Fitting sigmoid to classifier output
* K-means clustering
Support Vector Machines
* Sequential Minimal Optimizer
* SVM based on Matlab Optimization toolbox
* Matlab interface to SVM^{light}
* Solvers for multi-class BSVM formulation.
* Single-class SVM solvers
* Kernel Fisher Discriminant
* Kernel Perceptron
Others
* Bayes classifier, error estimation
* Cross-validation evaluation
* k-Nearest Neighbor rule
* Quadratic data mapping
Visualization
* Discriminant functions
* Probabilistic models
* SVM classifiers
* Images
Regression
Interface to XTAL regression package which implements:
* Projection pursuit regression (SMART)
* Multilayer perceptron
* Multivariate adaptive regression splines
* k-nearest neighbors and Constrained topological mapping
* Constrained topological mapping
http://www.vlfeat.org/~vedaldi/code/sift.html
MSER:
http://www.vlfeat.org/~vedaldi/code/mser.html
Statistical Pattern Recognition Toolbox:
http://cmp.felk.cvut.cz/cmp/software/stprtool/index.html
下記のものが実装されているとのこと(上記HPより抜粋)
Linear discriminant function
* Perceptron and multi-class modification
* Epsilon-optimal separating hyperplane by Kozinec's algorithm
* Fisher Linear Discriminant
* Algorithms to solve the Generalized Anderson's task
Feature extraction
* Principal Component Analysis
* Kernel PCA
* Greedy Kernel PCA
* Linear Discriminant Analysis
* Generalized Discriminant Analysis
Density estimation and clustering
* Gaussian mixture models
* Expectation-Maximization algorithm for Gaussian mixture models
* Minimax estimation for Gaussian distribution
* Reduced Set Density Estimator
* Fitting sigmoid to classifier output
* K-means clustering
Support Vector Machines
* Sequential Minimal Optimizer
* SVM based on Matlab Optimization toolbox
* Matlab interface to SVM^{light}
* Solvers for multi-class BSVM formulation.
* Single-class SVM solvers
* Kernel Fisher Discriminant
* Kernel Perceptron
Others
* Bayes classifier, error estimation
* Cross-validation evaluation
* k-Nearest Neighbor rule
* Quadratic data mapping
Visualization
* Discriminant functions
* Probabilistic models
* SVM classifiers
* Images
Regression
Interface to XTAL regression package which implements:
* Projection pursuit regression (SMART)
* Multilayer perceptron
* Multivariate adaptive regression splines
* k-nearest neighbors and Constrained topological mapping
* Constrained topological mapping
登録:
投稿 (Atom)