내 인생에도 예쁜 꽃이 피었으면 좋겠다

자바 명령문이 들어갈 수 있다. 웹 브라우저로 전송되는 것이 아닌 웹 서버측에서 실행. 자바식이 들어갈 수 있다 상수나 변수 이름 하나로 구성될 수도 있고. 연산자를 포함한 리턴값이 있는 메서드 호출식이 될 수도 있다. 웹 브라우저로 전송되는 것이 아닌 웹 서버측에서 실행. 변수 선언이나 메서드 선언. 웹 브라우저로부터 요청을 처리하기 위해서가 아니라 웹 컨테이너가 jsp페이지를 서블릿 클래스로 변환할때 필요한 여러가지 정보들을 기술하기위해 사용하는 문법 http://kssong.tistory.com/27http://atspeed.blogspot.kr/2011/01/javascript-hashmap.htmlMap = function(){ this.map = new Object(); }; Map.proto..

http://www.xpressengine.com/tiptech_php/19376010 함수] Exec 함수에 대한 간략한 설명 2004.03.05 15:33 NS 조회 수:6408 추천:1 exec 함수는 command 인수로 지정된 명령어를 실행시키는 것으로, 콘솔에서 직접 입력한 것과 동일한 효과를 낳는다. 브라우저에게는 아무런 출력도 전송되지 않으며, 반환값은 실행된 명령어가 출력한 마지막 한 줄이다. output 인수로 넘겨준 배열에 추가된다. 배열이 비어 있으면 0번 요소부터 채워진다. return 인수 역시 생략할 수 있으며, 만일 이 인수를 지정해 주면 실행된 명령어의 반환값이 이 인수에 들어 간다. 관련 함수로를 passthru 와 system 함수가 있다. 사용 예) 출처 : minol..

chdir — 디렉토리 변경 bool chdir ( string $directory )http://www.php.net/manual/kr/function.chdir.php > 더 보기 └ 접기 chroot bool chroot ( string $directory ) http://www.php.net/manual/kr/function.chroot.php 설명 ¶ bool chroot ( string $directory ) 현재 프로세스의 루트 디렉토리를 directory로 변경합니다. 이 함수는 시스템이 지원하고, CLI, CGI, Embed SAPI를 사용할 때만 사용할 수 있습니다. 또한, 이 함수는 루트 권한이 필요합니다. 인수 ¶ directory 새 디렉토리 반환값 ¶ 성공할 경우 TRUE를, 실..

http://aidiary.hatenablog.com/entry/20091018/1255862734 3日で作る高速特定物体認識システム (1) 物体認識とは OpenCV 画像認識 情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非..

http://aidiary.hatenablog.com/entry/20091024/1256384360 3日で作る高速特定物体認識システム (1) 物体認識とは（2009/10/18）の続きです。 今回は、画像からSIFT (Scale-Invariant Feature Transform) という局所特徴量を抽出するところを作ってみようと思います。 SIFT特徴量の抽出 まずは、局所特徴量の代表ともいえるSIFTを試してみます。OpenCVにはSIFTを抽出する関数がなかったのでRob Hess氏がC言語で実装したライブラリを試してみます。内部でOpenCVを使っているので事前にOpenCVのインストールが必要です。実装はOpenCV 1.1でされているみたいですが、2.0でもちょっと手直しすると動きました。Rob Hess氏のホームページからSIFT Feature De..

http://aidiary.hatenablog.com/entry/20091030/1256905218 3日で作る高速特定物体認識システム (2) SIFT特徴量の抽出（2009/10/24）の続きです。あっ、3日経っちゃいました。 今回は、SIFTとは別の局所特徴量であるSURF（Speeded Up Robust Features）を抽出してみます。SURFのFはFeaturesなのでSURF特徴量とは言わないのかな？SIFTとは抽出方法は違いますが、画像からキーポイントと特徴ベクトルを抽出する点では同じです。抽出速度はSIFTより数倍高速だそうですが、精度は多少落ちるとのこと。リアルタイム処理したいときはこっちのほうがよさそうです。また、OpenCVにもすでに実装されています。SURFの詳しいアルゴリズムは後で論文を読むとしてとりあえず試してみます。 画像からSURFを抽..

http://aidiary.hatenablog.com/entry/20091102/1257167398 3日で作る高速特定物体認識システム (3) SURFの抽出（2009/10/30）のつづき。 画像からSIFTや SURFといった局所特徴量を抽出できるようになったのでここらでそれを応用してみます。特徴点のマッチングを取ることで2つの画像間で対応する場所を求められるようになります。下の例のような感じです。下の図で2つのキーポイント間にひいた直線は、両端のキーポイントの特徴ベクトルが似ている（距離が小さい）ことを表しています。 以下、プログラムです。keypoint_matching.exe [画像1のファイル名] [画像2のファイル名] のように2つの画像ファイルを入力として与えると上のようにマッチング画像が表示されます。#include #include #include ..

http://aidiary.hatenablog.com/entry/20091114/1258172261 3日で作る高速特定物体認識システム (4) 特徴点のマッチング（2009/11/2）のつづきです。 今回は、高速特定物体認識システムの物体モデルデータベースを作成してみます。クエリとして与えた画像が何かはこの物体モデルデータベースを検索することで認識できるようになります。特定物体認識では、クエリとして与えた画像が物体モデルデータベースにあらかじめ登録されていないとまず認識できません（局所特徴量を用いるので多少のスケール変化や回転などには対応できますが）。忘れてしまった方は物体認識システムの構成（2009/10/18）を参照してください。 画像データセットの準備 自分で撮影した画像を登録できるようにしてもよかったのですが、大量の画像を撮影するのは面倒なのでおなじみのCaltec..

http://aidiary.hatenablog.com/entry/20091122/1258853886 3日で作る高速特定物体認識システム (5) 物体モデルデータベースの作成（2009/11/14）のつづきです。 今回は、クエリを与えたときに物体モデルデータベースの中から一番似ている物体を探し出してクエリが何かを認識する部分（いわゆる、特定物体認識）を作ります。一番似ている物体を探し出す方法として、一番簡単な線形探索というアルゴリズムを使います。線形探索は遅いですが実装も簡単です。 キーポイントの最近傍点投票 クエリと一番似ている物体を検索するにはキーポイントの特徴量同士を比較します。各画像は数百から数千個の128次元の特徴ベクトルを持っているので単純に2つのベクトルを比較するという方法は使えません*1。代わりに最近傍点の投票方式を使います。クエリの各特徴ベクトルに一番近い（..

http://aidiary.hatenablog.com/entry/20091212/1260624075（2009/11/22）のつづきです。今回がこのシリーズの最終回です。 前回の線形探索は遅すぎるので最近傍探索を高速化します。これで表題の高速特定物体認識システムができあがります。高速化にはいくつかの方法がありますが、物体モデルデータベースをなんらかのデータ構造にあらかじめ格納しておくというのがポイントです。今回は、資料でも述べられているkd-treeとLocality Sensitive Hashing (LSH)という手法を試してみます。kd-treeは木構造、LSHはハッシュでデータを構造化（インデキシング）します。kd-treeは、厳密な最近傍を求めますが、LSHは近似最近傍検索と呼ばれ、厳密な最近傍は求められない代わりに計算を大幅に高速化できます。 資料では、ANN ..