Submit Search
Upload
Oppai-Detect 3
•
16 likes
•
11,485 views
Yusuke Wada
Follow
Oppai-Detect 3 on GXEB#01 by yusukebe
Read less
Read more
Entertainment & Humor
Report
Share
Report
Share
1 of 25
Download now
Download to read offline
Recommended
Sansanがメッセージング (SQS) でスケーラビリティを手に入れた話
Sansanがメッセージング (SQS) でスケーラビリティを手に入れた話
Atsushi Kambara
ユースケースの善し悪し
ユースケースの善し悪し
akipii Oga
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
MongoDBの脆弱性診断 - smarttechgeeks
MongoDBの脆弱性診断 - smarttechgeeks
tobaru_yuta
DynamoDBの初心者に伝えたい初めて触るときの勘所
DynamoDBの初心者に伝えたい初めて触るときの勘所
Ryo Sasaki
PostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめ
Ohyama Masanori
各種データベースの特徴とパフォーマンス比較
各種データベースの特徴とパフォーマンス比較
株式会社オプト 仙台ラボラトリ
ゴシッププロトコルによる冗長化と負荷分散の検証
ゴシッププロトコルによる冗長化と負荷分散の検証
Sugawara Genki
Recommended
Sansanがメッセージング (SQS) でスケーラビリティを手に入れた話
Sansanがメッセージング (SQS) でスケーラビリティを手に入れた話
Atsushi Kambara
ユースケースの善し悪し
ユースケースの善し悪し
akipii Oga
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
MongoDBの脆弱性診断 - smarttechgeeks
MongoDBの脆弱性診断 - smarttechgeeks
tobaru_yuta
DynamoDBの初心者に伝えたい初めて触るときの勘所
DynamoDBの初心者に伝えたい初めて触るときの勘所
Ryo Sasaki
PostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめ
Ohyama Masanori
各種データベースの特徴とパフォーマンス比較
各種データベースの特徴とパフォーマンス比較
株式会社オプト 仙台ラボラトリ
ゴシッププロトコルによる冗長化と負荷分散の検証
ゴシッププロトコルによる冗長化と負荷分散の検証
Sugawara Genki
使ってみた!ioMemoryで実現する噂のAtomic write!
使ってみた!ioMemoryで実現する噂のAtomic write!
IIJ
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
seiichi arai
10分でわかるRandom forest
10分でわかるRandom forest
Yasunori Ozaki
Django REST Framework における API 実装プラクティス | PyCon JP 2018
Django REST Framework における API 実装プラクティス | PyCon JP 2018
Masashi Shibata
20200617 AWS Black Belt Online Seminar Amazon Athena
20200617 AWS Black Belt Online Seminar Amazon Athena
Amazon Web Services Japan
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
Wataru NOGUCHI
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Azure Key Vault
Azure Key Vault
junichi anno
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
Amazon Web Services Japan
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
SORACOM,INC
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
shinhiguchi
20190320 AWS Black Belt Online Seminar Amazon EBS
20190320 AWS Black Belt Online Seminar Amazon EBS
Amazon Web Services Japan
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
NTT DATA Technology & Innovation
Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西
Keigo Nishida
マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知
Yuto Mori
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Takahiko Ito
Kinesis Firehoseを使ってみた
Kinesis Firehoseを使ってみた
dcubeio
転置インデックスとTop k-query
転置インデックスとTop k-query
正志 坪坂
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
Hiroaki Kudo
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
More Related Content
What's hot
使ってみた!ioMemoryで実現する噂のAtomic write!
使ってみた!ioMemoryで実現する噂のAtomic write!
IIJ
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
seiichi arai
10分でわかるRandom forest
10分でわかるRandom forest
Yasunori Ozaki
Django REST Framework における API 実装プラクティス | PyCon JP 2018
Django REST Framework における API 実装プラクティス | PyCon JP 2018
Masashi Shibata
20200617 AWS Black Belt Online Seminar Amazon Athena
20200617 AWS Black Belt Online Seminar Amazon Athena
Amazon Web Services Japan
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
Wataru NOGUCHI
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Azure Key Vault
Azure Key Vault
junichi anno
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
Amazon Web Services Japan
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
SORACOM,INC
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
shinhiguchi
20190320 AWS Black Belt Online Seminar Amazon EBS
20190320 AWS Black Belt Online Seminar Amazon EBS
Amazon Web Services Japan
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
NTT DATA Technology & Innovation
Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西
Keigo Nishida
マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知
Yuto Mori
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Takahiko Ito
Kinesis Firehoseを使ってみた
Kinesis Firehoseを使ってみた
dcubeio
転置インデックスとTop k-query
転置インデックスとTop k-query
正志 坪坂
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
Hiroaki Kudo
What's hot
(20)
使ってみた!ioMemoryで実現する噂のAtomic write!
使ってみた!ioMemoryで実現する噂のAtomic write!
イマドキ!ユースケース別に見るAWS IoT への接続パターン
イマドキ!ユースケース別に見るAWS IoT への接続パターン
10分でわかるRandom forest
10分でわかるRandom forest
Django REST Framework における API 実装プラクティス | PyCon JP 2018
Django REST Framework における API 実装プラクティス | PyCon JP 2018
20200617 AWS Black Belt Online Seminar Amazon Athena
20200617 AWS Black Belt Online Seminar Amazon Athena
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
ネットワークシミュレータで手軽にネットワークのお勉強(GNS3編)
MLOpsはバズワード
MLOpsはバズワード
Azure Key Vault
Azure Key Vault
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
B3. 逆引きIoTクラウドデザインパターン: SORACOMサービスとクラウドサービスの組み合わせ/選択肢を紹介します | SORACOM Techno...
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
第45回elasticsearch勉強会 BERTモデルを利用した文書分類
20190320 AWS Black Belt Online Seminar Amazon EBS
20190320 AWS Black Belt Online Seminar Amazon EBS
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西
マハラノビス距離を用いた異常値検知
マハラノビス距離を用いた異常値検知
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Elasticsearch の検索精度のチューニング 〜テストを作って高速かつ安全に〜
Kinesis Firehoseを使ってみた
Kinesis Firehoseを使ってみた
転置インデックスとTop k-query
転置インデックスとTop k-query
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
“確率的最適化”を読む前に知っておくといいかもしれない関数解析のこと
Viewers also liked
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
Viewers also liked
(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
More from 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
More from 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.
Download now