画像認識／検出／トラッキング

いわゆるCVタスクのページ

→画像処理関連

→画像生成

→AI／機械学習

→ディープラーニング

一般†

• Googleの「私はロボットではありません」を100%突破するCAPTCHA解きAI登場。もう人間とボットを区別できない？（生成AIクローズアップ） | テクノエッジ TechnoEdge 2024.9

• ハフ変換 (Hough Transform) による直線・円の検出 | CVMLエキスパートガイド 2021
• Hough変換と、局所的な傾きを用いたその拡張 #画像処理 - Qiita 2022

• ヒューマノイドロボットをwebカメラの骨格推定で操作するゲーム。 #JavaScript - Qiita 2024.9

• コラム<「アナログメーター読み取りAI」を開発しました> | 株式会社プライムキャスト 2024.8
• 設備点検支援システム moni-meter | 横浜・東京のソフトウェア・システム開発 | 株式会社ジェイエスピー（JSP） 2024.8

• sports/README.md at main · roboflow/sports 2024.7

• 高精度アニメ顔検出｜めぐチャンネル 2924,5

• 第6章 サンプルアプリケーションの作成 2024.3
  • メーターを読むアプリ

• 【Python】お手軽に顔認証を実装する #Python - Qiita 2024.1
  • face-recognition

• コンピュータビジョン（CV）の動向 2021 | gihyo.jp 2021

• Unity×Teachable Machineで画像分類をやってみた - 2023.10

• OpenCVをNPPにした結果→10倍高速に！ 2023.2
  • NPPとはNVIDIA Performance Primitivesの略です

• 【動画あり】早速YOLOv8を使って自作データセットで物体検出してみた | DevelopersIO 2023.1

• 【Detectron2】物体検出/セグメンテーション/骨格検出 Python | みやしんのプログラミングスキル通信 2022.11

• python画像認識による商品分類 - Qiita 2022.10

• 【リモートワーク】Web会議で自分の顔を画像に変えるのをmediaPipe+p5jsでやってみた【顔見せNG】 - Qiita 2022.8

• Azure Machine LearningのAutoMLで画像分類を試してみた - Qiita 2022.7

• Kapaoで、人物検出と姿勢推定を行う 2021
• PHALPで、人物の3Dモデルをトラッキングする | cedro-blog 2022.7

• 2017年に発表された DeepSORT を解説！ | DeepSquare 2022.7
• DeepSort : 人物のトラッキングを行う機械学習モデル. ailia… | by Kazuki Kyakuno | axinc | Medium 2020

• 現在のトラッキングモデルの基礎ともいえる SORT を解説！ | DeepSquare 2022.6

Amazon Rekognition†

• AWS入門ブログリレー2024〜Amazon Rekognition編〜 | DevelopersIO 2024.4
• Amazon Rekognitionをアルティメット完全理解する | DevelopersIO 2024.3
• めちゃくちゃ簡単　Amazon Rekognition - Qiita 2019

マルチモーダルなLLMによる画像認識†

→ChatGPT関連 ←ChatGPT4V、4oについてはこちらへ

• 続・GPT-4oで画像解析をやってみた Fine-tuning編 - GMOインターネットグループ グループ研究開発本部 2024.10
• OpenAIのGPT-4oに「画像でファインチューニングする機能」が追加される、わずか100枚の画像でタスクの性能が向上 - GIGAZINE 2024.10

• 日本語CLIPを使って画像検索を作ったら素晴らしすぎた - きしだのHatena 2024.6
  • JavaからPython APIを呼び出す

• 退屈なことはマルチモーダルLLMにやらせよう（画像解析編） - GMOインターネットグループ グループ研究開発本部 2024.4

• Google Colab で Claude 3 の Vision を試す｜npaka 2024.3

• マルチモーダル AI の Claude 3 は、日本独自の「こけし」の画像を認識できるか？ Bedrock のチャットのプレイグラウンドで確認する - サーバーワークスエンジニアブログ

• 類似画像検索にLLMを利用する。｜tdual 2023.8

OpenAI Vision API†

• GPT-4oは画像の座標情報を理解しているのか？｜朝日新聞社 メディア研究開発センター 2024.7

• OpenAI Vision API の使い方や料金について｜ChatGPT研究所 2023.11
• OpenAI GPT-4V の API を使って画像を AI に説明させよう！ #Python - Qiita 2023.11

face-api.js†

• face-api.jsのリサイズを理解する【技術メモ】【小ネタ】 - Qiita 2022.10
• face-api.jsの顔検出速度を比較してみた【技術メモ】【小ネタ】 - Qiita 2022.10
• 【うわっ...私の表情、硬すぎ...？】face-api.jsで顔検出して感情と年齢を判定する - Qiita 2022.10

OpenCV†

• レシピ動画からサムネイル画像を自動抽出するAIシステムを作りました - every Tech Blog 2024.6

• C# で背景透過な 2 つの画像を合成した 1 枚の画像を生成する - OpenCVSharp、ImageSharp、SkiaSharp を使った作例 : @jsakamoto 2024.3

• アナログメーターの画像から針の角度を読み取るやつ作ってみた(OpenCV): EeePCの軌跡 2024.3

• 【笑い男事件2024】OpenCVで顔を検出して笑い男にする #Python - Qiita 2024.2

• OpenCVを用いたエッジ検出 #Python - Qiita 2024.1

• OpenCV + RetinaFaceで顔をぼかす - Qiita 2023.10

• OpenCV + YOLOで車をぼかす - Qiita 2023.10

• OpenCV の使い方をコードと一緒に解説 2023.8

• OpenCVの動画のフレーム取得エラー「error while decoding MB 〇 〇, bytestream 〇」 - Qiita 2023.7

• 【OpenCV】画像の差分を取得するとサンリオ間違い探しが高速クリアできる！ - Qiita 2023.6

• 初めての画像処理〜OpenCVって何ができるの？〜 | フューチャー技術ブログ 2023.4

• OpenCV のピクセル形式が BGR である理由 - Qiita 2022.12

• OpenCVのvideoioモジュールでソースビルドのFFmpegを使う - Qiita 2022.12

• Python + OpenCVでらんてくんとキュゥべえの類似点を検出する - Qiita 2022.12

• OpenCVとNumPyでヒストグラムを作成する - Qiita 2022.9

• OpenCVとYOLOv5を使って動画切り抜きをしてみる - Qiita 2022.9

• 【機械学習の前処理】OpenCVを使って文字位置を切り出して色調整してみた | DevelopersIO 2022.7

• Python OpenCVで骨格検出AI OpenPose | みやしんのプログラミングスキル通信 2022.4

• 【やってみた】OpenCVで動画フレームからパノラマ画像の生成 - 神戸のデータ活用塾！KDL Data Blog 2022.7

• OpenCV.jsをJavaScript/Node.jsで使ってみた | DevelopersIO 2022.3

• [OpenCV] 100行で作るAR - Qiita 2021.12

• http://opencv.jp/
  • OpenCVとは

• OpenCVでライブアニメーションから私の愛馬を検出する 2021.9

• OpenCV（Python）でTemplate Matchingを使用して物体検出をしてみた | DevelopersIO 2022.3
• OpenCVの新しい顔検出を試してみる - Qiita 2021.12
• Pythonで人検知の通知機能プログラムを作成してみる - Qiita 2021.11
• OpenCVを使用して顔検出をする 2019.1
• OpenCVで手っ取り早く動体検知してみた - Qiita 2019

Vision Transformer/ViT†

→NLPのTransformerについてはTransformer/GPT関連へ

• 【コード付き】画像用Transformerを利用して衛星画像の分類機械学習モデルを作成する | 宙畑 2024.4

• CNN vs. ViT - Speaker Deck 2022.10
  • ViTとCNNの勝負は今のところ引き分け

• なぜビジョントランスフォーマーはこれほど高性能なのか。 | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア 2022.5

• 著者陣の視点からVision Transformer入門の執筆の背景と書評を書きます - Seitaro Shinagawaの雑記帳 2022.9

• Hugging FaceとPyTorch LightningでImageCaptioningモデルを作ってみました！ - CCCマーケティング TECH Labの Tech Blog 2022.8

• 近年のHierarchical Vision Transformer 2022.1

• 【PyTorch】Vision Transformer (ViT) を自作しながら解説する - Qiita 2022.8
• 近年のHierarchical Vision Transformer 2022.1

• Transformer メタサーベイ 2021

• 画像認識の大革命。AI界で話題爆発中の「Vision Transformer」を解説！ - Qiita 2020

OCR†

• 画像grepツールを作ってみた #Python - Qiita 2024.6

• GPTが人知れず既存の名刺管理アプリを抹殺していた話 #Python - Qiita 2024.5

• OpenAIのGPT-4oを日本語OCRとして使ってみる 2024.5

• 【Python】簡単OCR #Python - Qiita 2023.10

• GitHub - kha-white/manga-ocr: Optical character recognition for Japanese text, with the main focus being Japanese manga 2023.6

• 画像内の文字を抽出してみた件について - Qiita 2022.11
  • PaddleOCRやEasyOCRを使ってテキスト抽出

• 【やってみた】EasyOCRで文字認識！ - 神戸のデータ活用塾！KDL Data Blog 2022.5

• 【Python】OpenCVとpyocrで画像から文字を認識してみる - Qiita 2022.3

• 【手書き文字認識】Azure-AI-OCRの進化がすごい！ - Qiita 2022.2

• SmartOCR紹介
  • 独自エンジンで画像から文字を認識し、Word/ExcelファイルやRTF/HTML/CSV/PDF形式で保存できる日本語OCRソフト「SmartOCR Lite Edition」v1.0.3が、17日に公開された。Windows XP/2000に対応するフリーソフトで、現在作者のホームページからダウンロードできる。

最新の50件