Suche senden
Hochladen
Oppai-Detect 3
•
16 gefällt mir
•
11,493 views
Yusuke Wada
Folgen
Oppai-Detect 3 on GXEB#01 by yusukebe
Weniger lesen
Mehr lesen
Unterhaltung & Humor
Melden
Teilen
Melden
Teilen
1 von 25
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
cyberagent
SSIとDIDで何を解決したいのか?(β版)
SSIとDIDで何を解決したいのか?(β版)
Naohiro Fujie
WSL2+docker+JupyterとVS Codeリモート環境の構築
WSL2+docker+JupyterとVS Codeリモート環境の構築
Saito5656
オラクルのトラストモデルとブロックチェーン連携
オラクルのトラストモデルとブロックチェーン連携
Shigeichiro Yamasaki
ゲームAI入門(後半)
ゲームAI入門(後半)
Youichiro Miyake
20130727 ソシャゲkpi分析 tokyowebmining28_izawa_up
20130727 ソシャゲkpi分析 tokyowebmining28_izawa_up
正志 井澤
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
Tokoroten Nakayama
MS Officeファイル暗号化のマスター鍵を利用したバックドアとその対策
MS Officeファイル暗号化のマスター鍵を利用したバックドアとその対策
MITSUNARI Shigeo
Empfohlen
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
cyberagent
SSIとDIDで何を解決したいのか?(β版)
SSIとDIDで何を解決したいのか?(β版)
Naohiro Fujie
WSL2+docker+JupyterとVS Codeリモート環境の構築
WSL2+docker+JupyterとVS Codeリモート環境の構築
Saito5656
オラクルのトラストモデルとブロックチェーン連携
オラクルのトラストモデルとブロックチェーン連携
Shigeichiro Yamasaki
ゲームAI入門(後半)
ゲームAI入門(後半)
Youichiro Miyake
20130727 ソシャゲkpi分析 tokyowebmining28_izawa_up
20130727 ソシャゲkpi分析 tokyowebmining28_izawa_up
正志 井澤
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
Tokoroten Nakayama
MS Officeファイル暗号化のマスター鍵を利用したバックドアとその対策
MS Officeファイル暗号化のマスター鍵を利用したバックドアとその対策
MITSUNARI Shigeo
大学でC言語をはじめて触る人へ
大学でC言語をはじめて触る人へ
ssuser3c1023
自己主権型IDと分散型ID
自己主権型IDと分散型ID
Naohiro Fujie
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
徹 上野山
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
Yoshifumi Kawai
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
Takuto Wada
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
Yuji Otani
深さ優先探索による塗りつぶし
深さ優先探索による塗りつぶし
AtCoder Inc.
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
Yoshifumi Kawai
Web API入門
Web API入門
Masao Takaku
No skk, no life.
No skk, no life.
digitalghost
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
mosa siru
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
Youichiro Miyake
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
Yoshinori Matsunobu
暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -
MITSUNARI Shigeo
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
スマートフォンゲームのチート事情
スマートフォンゲームのチート事情
直生 亀山
Microsoft Teamsを使ったメッセージ通知開発
Microsoft Teamsを使ったメッセージ通知開発
miekobari
【Unity】Scriptable object 入門と活用例
【Unity】Scriptable object 入門と活用例
Unity Technologies Japan K.K.
REST API のコツ
REST API のコツ
pospome
疑似乱数
疑似乱数
m4_ms1
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
Yusuke Wada
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
Yusuke Wada
Weitere ähnliche Inhalte
Was ist angesagt?
大学でC言語をはじめて触る人へ
大学でC言語をはじめて触る人へ
ssuser3c1023
自己主権型IDと分散型ID
自己主権型IDと分散型ID
Naohiro Fujie
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
徹 上野山
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
Yoshifumi Kawai
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
Takuto Wada
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
Yuji Otani
深さ優先探索による塗りつぶし
深さ優先探索による塗りつぶし
AtCoder Inc.
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
Yoshifumi Kawai
Web API入門
Web API入門
Masao Takaku
No skk, no life.
No skk, no life.
digitalghost
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
mosa siru
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
Youichiro Miyake
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
Yoshinori Matsunobu
暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -
MITSUNARI Shigeo
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
スマートフォンゲームのチート事情
スマートフォンゲームのチート事情
直生 亀山
Microsoft Teamsを使ったメッセージ通知開発
Microsoft Teamsを使ったメッセージ通知開発
miekobari
【Unity】Scriptable object 入門と活用例
【Unity】Scriptable object 入門と活用例
Unity Technologies Japan K.K.
REST API のコツ
REST API のコツ
pospome
疑似乱数
疑似乱数
m4_ms1
Was ist angesagt?
(20)
大学でC言語をはじめて触る人へ
大学でC言語をはじめて触る人へ
自己主権型IDと分散型ID
自己主権型IDと分散型ID
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
Unityによるリアルタイム通信とMagicOnionによるC#大統一理論の実現
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
深さ優先探索による塗りつぶし
深さ優先探索による塗りつぶし
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
ライブラリ作成のすゝめ - 事例から見る個人OSS開発の効能
Web API入門
Web API入門
No skk, no life.
No skk, no life.
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
スマートフォンゲームのチート事情
スマートフォンゲームのチート事情
Microsoft Teamsを使ったメッセージ通知開発
Microsoft Teamsを使ったメッセージ通知開発
【Unity】Scriptable object 入門と活用例
【Unity】Scriptable object 入門と活用例
REST API のコツ
REST API のコツ
疑似乱数
疑似乱数
Andere mochten auch
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
Yusuke Wada
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
Yusuke Wada
スッとGoを取り入れる
スッとGoを取り入れる
Yusuke Wada
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
Yusuke Wada
Twib in Yokoahma.pm 2010/3/5
Twib in Yokoahma.pm 2010/3/5
Yusuke Wada
JAWS-UG Nagoya 20160729
JAWS-UG Nagoya 20160729
陽平 山口
JAWS re:Mote 2015 Nagoya
JAWS re:Mote 2015 Nagoya
陽平 山口
iOS_Consortium_20170120
iOS_Consortium_20170120
陽平 山口
JAWS FESTA TOKAIDO 2016
JAWS FESTA TOKAIDO 2016
陽平 山口
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
陽平 山口
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
Masato Taruishi
ZabbixによるAWS監視のコツ
ZabbixによるAWS監視のコツ
ShinsukeYokota
セクシー女優で学ぶ画像分類入門
セクシー女優で学ぶ画像分類入門
Takami Sato
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Yusuke Wada
Dots deep learning部_20161221
Dots deep learning部_20161221
陽平 山口
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
Amazon Web Services Japan
Andere mochten auch
(16)
いかにしてエロ動画を検索するか GXEB #03
いかにしてエロ動画を検索するか GXEB #03
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
エロサイトを作る上での限りなくブラックに近すぎるグレー なバッドノウハウ
スッとGoを取り入れる
スッとGoを取り入れる
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
エロサイト管理者の憂鬱3 - Hokkaiodo.pm#4 -
Twib in Yokoahma.pm 2010/3/5
Twib in Yokoahma.pm 2010/3/5
JAWS-UG Nagoya 20160729
JAWS-UG Nagoya 20160729
JAWS re:Mote 2015 Nagoya
JAWS re:Mote 2015 Nagoya
iOS_Consortium_20170120
iOS_Consortium_20170120
JAWS FESTA TOKAIDO 2016
JAWS FESTA TOKAIDO 2016
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
TFUG#3 Retty流 「2200万ユーザさんを支える機械学習基盤」 の作り方
ZabbixによるAWS監視のコツ
ZabbixによるAWS監視のコツ
セクシー女優で学ぶ画像分類入門
セクシー女優で学ぶ画像分類入門
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Podcastを支える技術、エンジニアのためのWebメディア、そしてCPAN
Dots deep learning部_20161221
Dots deep learning部_20161221
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
AWS Black Belt Tech シリーズ 2016 - Amazon CloudFront
Mehr von Yusuke Wada
僕がつくった 70個のうちの48個のWebサービス達
僕がつくった 70個のうちの48個のWebサービス達
Yusuke Wada
東京脱出計画中
東京脱出計画中
Yusuke Wada
Extreme remote working
Extreme remote working
Yusuke Wada
創造のプロセスを回せ!v0.01
創造のプロセスを回せ!v0.01
Yusuke Wada
It's not only about "REMOTE"
It's not only about "REMOTE"
Yusuke Wada
事故からはじまるスケールチャンス
事故からはじまるスケールチャンス
Yusuke Wada
Google BigQueryを使ってみた!
Google BigQueryを使ってみた!
Yusuke Wada
Webサービスのコンテンツパターン 或いはデータの活⽤
Webサービスのコンテンツパターン 或いはデータの活⽤
Yusuke Wada
とある Perl Monger の働き方
とある Perl Monger の働き方
Yusuke Wada
5 minutes - YAPC::Asia Tokyo 2014
5 minutes - YAPC::Asia Tokyo 2014
Yusuke Wada
Podcastをカジュアルに 支える技術
Podcastをカジュアルに 支える技術
Yusuke Wada
The master plan ofscaling a web application
The master plan ofscaling a web application
Yusuke Wada
そのWebサービスは本当に「あたりまえ」だったのか?
そのWebサービスは本当に「あたりまえ」だったのか?
Yusuke Wada
Mojoliciousでつくる! Webアプリ入門
Mojoliciousでつくる! Webアプリ入門
Yusuke Wada
10 things to learn from Bokete
10 things to learn from Bokete
Yusuke Wada
Inside Bokete: Web Application with Mojolicious and others
Inside Bokete: Web Application with Mojolicious and others
Yusuke Wada
僕らの履歴書
僕らの履歴書
Yusuke Wada
僕らがWebサービスをつくる5つの理由
僕らがWebサービスをつくる5つの理由
Yusuke Wada
僕らがつくるための 「5W」について
僕らがつくるための 「5W」について
Yusuke Wada
「Webサービスのつくり方」 のつくり方
「Webサービスのつくり方」 のつくり方
Yusuke Wada
Mehr von Yusuke Wada
(20)
僕がつくった 70個のうちの48個のWebサービス達
僕がつくった 70個のうちの48個のWebサービス達
東京脱出計画中
東京脱出計画中
Extreme remote working
Extreme remote working
創造のプロセスを回せ!v0.01
創造のプロセスを回せ!v0.01
It's not only about "REMOTE"
It's not only about "REMOTE"
事故からはじまるスケールチャンス
事故からはじまるスケールチャンス
Google BigQueryを使ってみた!
Google BigQueryを使ってみた!
Webサービスのコンテンツパターン 或いはデータの活⽤
Webサービスのコンテンツパターン 或いはデータの活⽤
とある Perl Monger の働き方
とある Perl Monger の働き方
5 minutes - YAPC::Asia Tokyo 2014
5 minutes - YAPC::Asia Tokyo 2014
Podcastをカジュアルに 支える技術
Podcastをカジュアルに 支える技術
The master plan ofscaling a web application
The master plan ofscaling a web application
そのWebサービスは本当に「あたりまえ」だったのか?
そのWebサービスは本当に「あたりまえ」だったのか?
Mojoliciousでつくる! Webアプリ入門
Mojoliciousでつくる! Webアプリ入門
10 things to learn from Bokete
10 things to learn from Bokete
Inside Bokete: Web Application with Mojolicious and others
Inside Bokete: Web Application with Mojolicious and others
僕らの履歴書
僕らの履歴書
僕らがWebサービスをつくる5つの理由
僕らがWebサービスをつくる5つの理由
僕らがつくるための 「5W」について
僕らがつくるための 「5W」について
「Webサービスのつくり方」 のつくり方
「Webサービスのつくり方」 のつくり方
Oppai-Detect 3
1.
Oppai-Detect 3 yusukebe 2010/11/26 GXEB #01
@ NAVER JAPAN
2.
自己紹介 • Yusuke Wada(和田裕介) •
1981/12/23 • Kamakura, Japan. • Wadit Inc. • Perl Engineer • Founder of YourAVHost etc. h"p://youravhost.net/
3.
Oppai-Detect 画像のおっぱい部分を自動認識させる挑戦
4.
目的 • おっぱいが好きだ • おっぱい画像をたくさん集めたい •
収集の精度を高めたい • おっぱい部分を自動で検出したい
5.
応用例 • 放送禁止画像の検出 – 画像投稿サイト • スパム対策 •
子供向けサイトフィルタリング • おっぱい画像の収集
6.
手法 • OpenCVを使用 – Intelが開発・公開したオープンソースの画像処理 向けのライブラリ – パターン認識として物体検出(Object- Detection)の機能を備えている • 学習(Training) •
認識・検出(Detection)
7.
OpenCVによる顔検出の例 • Using “haarcascade_frontalface_alt2.xml” use Image::ObjectDetect; use Imager; my $file = $ARGV[0] or die 'Filename is needed!'; my $img = Imager‐>new; $img‐>read( file => $file ) or die $img‐>errstr; my $cascade = './haarcascade_frontalface_alt2.xml'; my $detector = Image::ObjectDetect‐>new($cascade); my @faces = $detector‐>detect($file); for my $face (@faces) { $img = $img‐>box( xmin => $face‐>{x}, xmax => $face‐>{x} + $face‐>{width}, ymin => $face‐>{y}, ymax => $face‐>{y} + $face‐>{height}, color => 'red', filled => 0, ) or die $img‐>errstr; } $img‐>write( file => 'out.jpg' ) or die $img‐>errstr;
8.
Result
9.
今回のチャレンジ 1. 画像を集める 2. 学習ツール作成 3. ひたすらおっぱいを囲む おっぱい画像を集めて おっぱいの場所を指定して 学習ソフトに学習させて 検出のためのデータを作る
10.
Term of Images •
Positive Image – 対象物が写っている画像 – 精度を求めるには7000-8000枚 • Negative Image – 対象物が写っていない画像 – 3000枚
11.
1. 画像を集める • 「いかにして大量のおっぱい画像を集めるか」 •
Web API の制限 – Google Ajax Search • 最大件数64枚 – Yahoo 画像検索 API • 最大件数1,000枚 • 10,000枚以上は集めたい – AV女優名のリストを使って解決 • 「AV女優A おっぱい」 • 「AV女優B おっぱい」 • …
12.
use Acme::Porn::JP; • http://github.com/yusukebe/Acme-Porn-JP use Acme::Porn::JP; …; my $porn = Acme::Porn::JP‐>new; my $actress_list = $porn‐>actress(); for my $actress ( @$actress_list ){ search("$query $actress”); } …; $ perl ‐MAcme::Porn::JP ‐e '$p = Ace::Porn::JP‐>new; print scalar @{$p‐>actress};’ 4502
13.
29,065枚
14.
Haartrainingツールによる学習 1. positive.dat/negative.dat の作成 2. $ opencv_createsamples ‐info positive.dat ‐ vec a.vec 3.
$ opencv_haartraining ‐data haarcascade ‐ vec a.vec ‐bg negative.dat ‐nstages 20 positive.dat [filename] [# of objects] [[x y width height] [... 2nd object] ...] images/01.jpg 1 140 100 45 45 nega2ve.dat images/neg‐01.jpg images/neg‐02.jpg
15.
学習ツール作成 • positive.datとnegative.datを作る • 収集した画像に対象物があったら囲む –
その部分の座標と画像名をpositive.datに書き込む – もし対象物が無かったらnegative.datへ • 閲覧・囲み作業をWebブラウザで行う • HTTP/Webアプリ – use Plack; • Javascriptフロントエンド – strokeRect/HTML5
16.
Haartraining-App • http://github.com/yusukebe/Haartraining-App yusuke@macmini:~/work/oppai‐detect/temp/Haartraining‐App$ tree ./ ./ |‐‐ data | |‐‐ images | | `‐‐ 000001.jpg | |‐‐ negative.dat | `‐‐ positive.dat |‐‐ haartraining.psgi `‐‐ html |‐‐ haartraining.js `‐‐ index.html 3 directories, 6 files $ plackup haartraining.psgi HTTP::Server::PSGI: Accepting connections at http://0:5000/
17.
ひたすらおっぱいを囲む
18.
Haartraining-App デモ
19.
opencv_haartrainingによる学習 • Positive Image
2,000枚 • Negative Image 2,000枚 • nstage 10 stages Mac mini / OSX 10.5 2.26 GHz Intel Core 2 Duo OpenCV 2.1.0 ソースからコンパイル
20.
Oppai-Detect デモ
21.
22.
実験結果 • 正面で画像サイズが的確なら認識される • 誤認識はある – へそ – 膨らんでいる部位
23.
考察 • おっぱい画像の学習 – おっぱいにもたくさんある • 正面乳/横乳/下乳/上乳/微乳/巨乳… – どこまでがおっぱいか? •
学習に対するコスト – ソーシャルな力を利用したい
24.
今後 • 多様なおっぱいに対するポリシー策定 • 学習アプリの運用化 •
「みんなで作るOppai-Detect」?
25.
Oppai-Detect End.
Jetzt herunterladen