Suche senden
Hochladen
ABC 2016Spring 講演資料
•
2 gefällt mir
•
596 views
Kensuke Onishi
Folgen
Android Bazzer and Conference で講演した資料です。
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 27
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断
HCPC: 北海道大学競技プログラミングサークル
K-means hashing (CVPR'13) とハッシング周り
K-means hashing (CVPR'13) とハッシング周り
Yusuke Uchida
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
Preferred Networks
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 045 解説
AtCoder Inc.
AtCoder Regular Contest 049 解説
AtCoder Regular Contest 049 解説
AtCoder Inc.
purely functional data structures 5.3 日本語での説明
purely functional data structures 5.3 日本語での説明
Tetsuro Nagae
diff template library
diff template library
Daisuke Nikura
Prml7.5.1
Prml7.5.1
Daiki Tsukahara
Empfohlen
ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断
HCPC: 北海道大学競技プログラミングサークル
K-means hashing (CVPR'13) とハッシング周り
K-means hashing (CVPR'13) とハッシング周り
Yusuke Uchida
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
PFI Seminar 2012/03/15 カーネルとハッシュの機械学習
Preferred Networks
AtCoder Regular Contest 045 解説
AtCoder Regular Contest 045 解説
AtCoder Inc.
AtCoder Regular Contest 049 解説
AtCoder Regular Contest 049 解説
AtCoder Inc.
purely functional data structures 5.3 日本語での説明
purely functional data structures 5.3 日本語での説明
Tetsuro Nagae
diff template library
diff template library
Daisuke Nikura
Prml7.5.1
Prml7.5.1
Daiki Tsukahara
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
Yusuke Uchida
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
WEBFARMER. ltd.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
AtCoder Inc.
DP特集
DP特集
Dai Hamada
ICASSP読み会2020
ICASSP読み会2020
Yuki Saito
Saito18sp03
Saito18sp03
Yuki Saito
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
Naoya Chiba
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Deep Learning JP
Provable Security4
Provable Security4
Satoshi Hada
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
Kodaira Tomonori
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
Takao Yamanaka
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
Shunsuke Ono
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
Akira Nakagawa
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Deep Learning JP
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Yoshitaka Ushiku
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
Deep Learning JP
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
MITSUNARI Shigeo
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
Hideki Okada
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
Takehisa Ikeda
Weitere ähnliche Inhalte
Was ist angesagt?
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
Yusuke Uchida
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
WEBFARMER. ltd.
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
AtCoder Inc.
DP特集
DP特集
Dai Hamada
ICASSP読み会2020
ICASSP読み会2020
Yuki Saito
Saito18sp03
Saito18sp03
Yuki Saito
Was ist angesagt?
(6)
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
Disco Presents ディスカバリーチャンネルプログラミングコンテスト2016 本選 解説
DP特集
DP特集
ICASSP読み会2020
ICASSP読み会2020
Saito18sp03
Saito18sp03
Ähnlich wie ABC 2016Spring 講演資料
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
Naoya Chiba
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Deep Learning JP
Provable Security4
Provable Security4
Satoshi Hada
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
Kodaira Tomonori
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
Takao Yamanaka
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
Shunsuke Ono
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
Akira Nakagawa
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Deep Learning JP
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Yoshitaka Ushiku
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
Deep Learning JP
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
20170806 Discriminative Optimization
20170806 Discriminative Optimization
Takuya Minagawa
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
MITSUNARI Shigeo
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
cfiken
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
Hideki Okada
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
Takehisa Ikeda
Ähnlich wie ABC 2016Spring 講演資料
(16)
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
[DL輪読会]VoxelPose: Towards Multi-Camera 3D Human Pose Estimation in Wild Envir...
Provable Security4
Provable Security4
Abstractive Text Summarization @Retrieva seminar
Abstractive Text Summarization @Retrieva seminar
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
高速な物体候補領域提案手法 (Fast Object Proposal Methods)
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
夏のトップカンファレンス論文読み会 / Realtime Multi-Person 2D Pose Estimation using Part Affin...
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
PCSJ/IMPS2021 講演資料:深層画像圧縮からAIの生成モデルへ (VAEの定量的な理論解明)
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
[DL輪読会]3D Hair Synthesis Using Volumetric Variational Autoencoders
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
Vision-and-Language Navigation: Interpreting visually-grounded navigation ins...
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
充足可能性問題のいろいろ
充足可能性問題のいろいろ
20170806 Discriminative Optimization
20170806 Discriminative Optimization
『データ解析におけるプライバシー保護』勉強会 秘密計算
『データ解析におけるプライバシー保護』勉強会 秘密計算
Deep nlp 4.2-4.3_0309
Deep nlp 4.2-4.3_0309
ICCV 2019 論文紹介 (26 papers)
ICCV 2019 論文紹介 (26 papers)
赤外線センサーを使ったインタラクティブコンテンツ
赤外線センサーを使ったインタラクティブコンテンツ
Mehr von Kensuke Onishi
Androidで学ぶ
Androidで学ぶ
Kensuke Onishi
20161119ABC_LT
20161119ABC_LT
Kensuke Onishi
展開図
展開図
Kensuke Onishi
正多面体と展開図
正多面体と展開図
Kensuke Onishi
2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図
Kensuke Onishi
ABC2015 Summer LT
ABC2015 Summer LT
Kensuke Onishi
Comp geom20131107open
Comp geom20131107open
Kensuke Onishi
Mehr von Kensuke Onishi
(7)
Androidで学ぶ
Androidで学ぶ
20161119ABC_LT
20161119ABC_LT
展開図
展開図
正多面体と展開図
正多面体と展開図
2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図
ABC2015 Summer LT
ABC2015 Summer LT
Comp geom20131107open
Comp geom20131107open
ABC 2016Spring 講演資料
1.
ビーコンはこう置いて みては? 東海大学理学部 大西 建輔 (石川 登美雄君との共同研究)
2.
自己紹介 • 大西建輔 (KensukeOnishi@gmail.com
) • 東海大学准教授(情報系でもあり、数学系) • 普段はプログラミングや数学教えてます • Androidとの付き合いは, GDD2009でGDDPhoneを 貰ってから • ABC参加は, 2011 Winterから, 2013 AutumnからABC実行委員も
3.
ビーコンとは? • BLE(Bluetooth Low
Energy)はBluetooth の規格 • BLE規格のビーコン(Beacon)と呼ばれる発信器あり • 低電圧(Low Energy) ⇒ ボタン電池1つで1年程度 • ビーコンのIDを発信(IDの変更も可能) ⇒ 電波強度とIDを受信可能 • iOS, Android(4.3以降)でサポート ⇒ ビーコンを探知できるアプリを作成可能
4.
研究動機 BLE設置の現場では • ビーコンを設置, 計測の繰り返し ⇒
時間と手間が必要, 高コストの原因 • ビーコンの位置を決める手法を提案 ⇒ あらかじめ幾つかのパターンを作成 ⇒ 現地での調整 [本研究] 領域R , 正整数k が与えられる ⇒ R内で k個のビーコンの位置を決定 ビーコン 3K 設置10K以上 ビーコンの 数の削減も
5.
k-means method (Lloyd
1982) 点集合P を k個のクラスタに分割する方法 ⇒ k 個の母点を決め, P をそれぞれの母点に近い点集合 Pi に分割 入力: 点集合P ; 出力 : クラスタ Pi (i = 1,2, …, k) ; 1. 母点 SP ={sp1, …, spk} を適当に決定; 2. Pi = {spi に近い点の集合} を計算; 3. spi = p / | Pi | ただし, p Pi ; # 重心を計算 4. が前の値より小さい⇒Step 2 に戻る; 5. Pi (i = 1,2, …, k)を返す; 𝜑 𝑃 = 𝑖=1 𝑘 𝑝∈𝑃 𝑖 𝑑(𝑝, 𝑝𝑖)2
6.
k-means method 実行例(n=5000)
7.
k-means method 実行例 (n=5000,
k=10)
8.
k-means method 実行例 (n=5000,
k=10)
9.
目的関数値: 40462.361962646 k-means method
実行例 (n=5000, k=10)
10.
k-means methodの特徴 • かなり高速に計算可能 (繰り返し回数は少ない) •
結果は, 初期値に依存 ⇒ 幾つかの初期値を試し, 最もよい物を選択 • 初期値を上手に選ぶ • k-means++ method
11.
k-means++ method (Arthur et.al
SoDA 2007) • k平均法で, 初期点の取り方を工夫 • 最初の1点はランダムに • d(spi , p)2 / d(spi , p)2 の確率で, 次の点を選択 spi : p に最も近い初期点 • 必要な k点ができれば, k-means methodを適用 k-means++ methodでは, O(log k) 競合比を達成 ⇒ 必ず最適な値の O(log k)倍で抑えられる (理論的な保証) 母点から遠い点 が選ばれる確率 が高い
12.
k-means++ method 実行例 (n=5000,
k=10)
13.
k-means++ method 実行例 (n=5000,
k=10)
14.
k-means++ method 実行例 (n=5000,
k=10) 目的関数値:40209.7234844853
15.
今回は, ビーコンの配置 • 入力は点集合ではなく,
領域 R ⇒ 領域内の点をランダムに生成 (人が入れない場所には, 点を生成しない) • 生成された点集合に対し, k-means (ランダム初期点) または. k-means++ method を適用 ⇒ クラスタが出力 ⇒ 各クラスタの重心を計算し, ビーコン位置に
16.
点集合の生成 (n =
7000)
17.
k-means method の適用
18.
k-means method の適用
19.
計算機実験 • k-means method(ランダムに初期点を選択)と k-means++
methodを実装 • n =1000, 2000, …, 10000に対し, それぞれ10種類の点集合を生成 • 全ての点集合に対し, k-means と k-means++ methodを適用 [取得データ] • 計算時間 • 収束までの繰り返し回数, • 目的関数値, • 正規化目的関数値(点数での正規化)
20.
計算時間 (ランダム, k-means++, 平均) 0 100 200 300 400 500 600 0
2000 4000 6000 8000 10000 Computation time (SP) Random k-means++ (ms) (# points)
21.
計算時間(k-means method, 平均) 0 500 1000 1500 2000 2500 3000 3500 4000 0
2000 4000 6000 8000 10000 Computaion time (k-means) Random k-means++ (ms) (#points)
22.
繰り返し回数(平均) 0 5 10 15 20 25 30 0 2000 4000
6000 8000 10000 Number of Repeat (average) Random k-means++ (# points) (# times)
23.
目的関数値(平均と最小) 49500 50000 50500 51000 51500 52000 52500 53000 53500 54000 0 2000 4000
6000 8000 10000 Value of Objective function (min and averages) Random k-means++ min (# points)
24.
実領域への適用(以前の配置)
25.
実領域への適用(新しい配置)
26.
実環境での精度の違い 0.000 0.100 0.200 0.300 0.400 0.500 0.600 0.700 0.800 0.900 1.000 1次 2次 3次 7F(after)
7F(before)
27.
まとめ 領域 Rでの k個のビーコン配置の手法の提案 •
Rでの点のランダム生成 • k-means method or k-means++ methodを適用 • 出力クラスタから重心を計算し、ビーコン位置に • 計算時間は早い 10000点, k=5で4秒程度 • 性能向上はそこそこ 今後の予定 • ビーコンの個数 kの決定 .…. なんとかなりそう • 距離計算の厳密化 • 実際のビーコン配置の現場へ
Jetzt herunterladen