レオン　≡ほのぼのブログ≡ https://ameblo.jp/wisser/ 毎日のささいな出来事を書いていきたいと思います★良かったら見てください♪♪♪ ja 完唱！歌いきりまショー！！激辛 達成の裏技 2015年6月1日から6月30日まで、
DAM★ともで実施されているプレゼント企画に、

ラブライブ！DAM ともカップ 歌いきり選手権 第2弾

がある


完唱！歌いきりまショー！！激辛という採点システムを使いながら、課題曲7曲を全て歌い切らなければならない( °д°)


ただ歌うだけならいいのだが、この
完唱！歌いきりまショー！！激辛
は、精密採点DXで、95点取るのよりも難しいという難易度だあせるあせる



歌が上手い人ならともかく、『私』みたいな下手な人にとって、7曲歌いきるのは相当大変、苦しい、もげるダウンダウンダウン



しかし、完唱！歌いきりまショー！！激辛には、完唱するための裏技があるDASH!DASH!
ひゃっほーい！クラッカー
その裏技について、ちょっと紹介ニコニコ



まず、完唱！歌いきりまショー！！激辛のシステムについて軽く説明しておく。



完唱！歌いきりまショー！！激辛では、
歌を歌いだすと、コンピューター内の10名の審査員の中から、3名がランダムで選ばれ、その3名の審査員がユーザーを審査していく。


歌ってからしばらく経つと、カウントダウンが始まる
最初のユーザーの持ち時間は20秒で、カウントダウンにしたがって、歌える時間がどんどん減っていくのだが、審査員に
もっと聴きたい！！
と評価されると、持ち時間が増えていく

審査員に評価され続け、
最後まで歌いきれたらクリアだグッド！



審査員は、それぞれ個性があり、
ビブラートが好きな審査員
こぶしが好きな審査員
ライブ調が好きな審査員
など色々であるDASH!


経験上、審査員に共通していえることは、
音程
声量
リズム
を重視していることだ


私は、何度か完唱！歌いきりまショー！！激辛を普通に歌ったことがあるが、
1番を歌いきれずに終わるのがかなり多い
というほど難しい汗汗

私自身が、歌が下手なのはおいておこうパー




前置きはこれくらいにして、
完唱！歌いきりまショー！！激辛
の突破の裏技について


まぁ、ゆうて、裏技ってほどでもないが
審査員の1人であるアイドル審査員を利用する


アイドル審査員は、評価がもっとも甘く、
完唱！歌いきりまショー！！激辛
を突破しやすいのだが、

稀に
激甘サービス中
というモードが発動する合格


このモードが発動された瞬間、3人の審査員の評価が異常に甘くなり、普通に歌えば、ほぼ100パーセント完唱することができる音譜


つまり、この激甘サービスをずっと待てばいいのだグッド！




しかし、
完唱！歌いきりまショー！！激辛
を最近何度も歌ってきた経験からすると、
激甘サービス中のモードが出てくるのは100曲歌って1回くらい
実に確率1パーセントということで、
ほとんど出ないしょぼんしょぼん



だが、アイドル審査員だけに絞れば話は別だ




激甘サービス中は、アイドル審査員固有のシステムであるので、
審査員3名の中にアイドルがいなかったら、すぐに演奏中止にしてしまえばよい
アイドル審査員が出てきたら、激甘サービス中のモードが出るか、歌いながら待てば良い


アイドル審査員のみに照準を絞れば30曲前後で激甘サービス中のモードは訪れる



おいおい、30曲も待ってたら日が暮れちゃうぜガーン汗
って思うじゃん？
そうじゃないんですビックリマーク


アイドルが出て、激甘サービス中が発動するかどうかは、歌ってる曲が始まってから1分もあれば分かります。
アイドルの服が黒からピンクに変わって、
激甘サービス中
とサインが出るかどうかです


だいたい、20秒のカウントダウンが始まる前に、激甘サービス中のモードになるときはなるので、1分くらい待てば激甘サービス中かどうか分かります



なので、1分経って変化がなければ演奏中止してしまえばいいのですグッド！グッド！


そうして、またアイドルが出てくるのを待って、激甘サービス中になるか確認、ならなかったら消す


これを繰り返していけば、平均1時間くらいで激甘サービスが訪れます！！
もちろん、絶対ではないですが……


でてしまえばクリアは確実
根気よく待てばオッケーなのだアップアップ



私はこの戦法を使うことによって、

ラブライブ！DAM ともカップ 歌いきり選手権 第2弾

の指定7曲全てを完唱することに成功した音譜音譜


まとめると、

1.  審査員はアイドル審査員に絞れ！それ以外の審査員が出たら演奏中止！

2.  アイドル審査員が激甘サービスを発動するのはカウントダウンが始まる前後！激甘サービスが発動しないなら演奏中止！

3.  1と2を繰り返し、平均40分くらいの周期で現れた激甘サービスのとき、全力で歌い、完唱！





まぁまぁ時間はかかる裏技だが、全然クリアできない人にはオススメだグッド！グッド！



]]> https://ameblo.jp/wisser/entry-12040694384.html Sun, 28 Jun 2015 14:06:45 +0900 広瀬すずかわいそう でも立派ですごい とんねるずのみなさんのおかげでした
で
食わず嫌いに佐々木蔵之介さんと出演した広瀬すずさん


めっちゃ無邪気で自由で元気で、

初めて広瀬すずを生で見て、
あ、テレビで動いてるのを見て、



あー、こんなに可愛い子がいるんだ
なんて純粋でいい子なんだろう



って思ってたんだけど、


昨日今日、とんねるずのみなさんのおかげでした
の発言で批判を受けているという記事を見た


裏方のスタッフの仕事を軽視するか発言だと、
とらえられてしまったようなのだが、


本人は、
どうして大人になって、音声さんになろうと思ったんだろう？
一生、他の人の声の録音で人生を終えていいんでしょうか？

みたいな発言をしたようですが



17歳ならではの純粋な疑問なんじゃないかなあ
と思います




それで、スタッフを軽視してると批判されちゃうのはかわいそうだと思いました




広瀬すずさんは、今日謝罪をしたようですが、

本当にいい子ですね



そんなに悪いことをしたわけでもないのに、しっかり周りのことを考えて軽率な発言だったと謝罪をする



なんて立派なんだろうと思いました



批判されてかわいそうな広瀬すずさんですが、
それでも真摯に受け止める強い広瀬すずさんに心魅かれました
]]> https://ameblo.jp/wisser/entry-12041102689.html Sat, 20 Jun 2015 16:07:00 +0900 ラブライブ！DAM ともカップ 歌いきり選手権 第2弾
ラブライブ！DAM ともカップ 歌いきり選手権 第2弾

が開催されてる


ラブライブの歌を歌ったら、抽選でラブライブのトロフィーがもらえるという企画だ



だが、
ただ歌えばいいというものではない…




DAMのコンテンツにある
完唱歌いきりまショー！激辛！
で、指定曲7曲全てを歌いきらなければ応募ができないというものだ




この
完唱歌いきりまショー！激辛！
で歌いきるのはかなり難しく、精密採点DXで95点くらい取れる人でないと、なかなかクリアするのは難しいらしい



それを7曲も制覇しなくてはならないのだから、
かなりハードなプレゼント企画である




果たして、7曲全てを完唱しきる人はどれくらいいるのだろうか……
]]> https://ameblo.jp/wisser/entry-12040296307.html Thu, 18 Jun 2015 12:49:40 +0900 テスト https://ameblo.jp/wisser/entry-12040293823.html Thu, 18 Jun 2015 12:46:17 +0900 DAM☆とも DAMとも動画もたくさん撮ってるよ


再生数が全く増えないけど、ここにURL書いたら増えるかしら？




でも結局dam会員じゃないと再生できないんだよね…
]]> https://ameblo.jp/wisser/entry-12038548697.html Sat, 13 Jun 2015 22:52:50 +0900 A survey of traffic sign recognition

とりあえず，今まで研究してきた中で論文調査を怠りまくってたので，研究を思い出すためにも論文調査をしました．

2010年に発表された交通道路標識認識のサーベイ論文です．
ちょっと古いかもだけど，だいたいの世の中の流れがすべて書いてあるだろう．
その内容を簡単に以下にまとめようと思う．


【論文情報】
Meng-Yin Fu, Yuan-Shui Huang, “A survey of traffic sign recognition”, in Proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition, Qingdao, 11-14 July 2010.

【内容】
1.研究背景
　ADAS(Advanced Driver Assistance Systems)が発展している．環境情報をドライバに与えて注意喚起することで安心・安全を守る．そのシステムの1つが交通道路標識認識である．
　交通事故によって無くなる人々は年々増加傾向にある．自動車運転における重要な情報は標識や信号など視覚的に提供されることが多い．視覚的情報を画像処理で捉え，ドライバに提供することはとても有効である．

2.標識の種類
　標識は図形と文字で情報を与える．標識が表す意味は，警告・禁止・義務・情報の4種類である．基本的には，特別な色と形をしているので，それらを認識すればよい．
　・色（黄，赤，青，白，黒）
　・形（三角，四角，円，八角）
　また，以下に標識認識の障害要因を述べる．
　・天候や時間帯による光の状況
　・オクルージョン
　・角度がつくことによる見え方の変化
　・太陽光による標識自体の色の劣化
　・車の動きによる歪みや振動

3.標識認識の基本処理と最近の研究
　1987年にTSR(Traffic sign recognition)システムの研究が始まった．現在の一般的な処理の流れは，Fig.1に示すように①標識候補の発見，②候補のトラッキング，③候補の分類である．



Figure. 1 Procedure of traffic sign recognition


3.1.標識候補の発見(Detection)
　画像のうち，標識の候補となる部分をまず抽出する．最初のフレームに関しては画像全体から候補部分を抽出することになるが，2フレーム目からは前フレームの情報を利用することにより，検索部分を削減する．カメラの角度や車の動きから標識の移動を予測することができる．候補領域の検知は色や形の情報を用いることが基本である．色はもともとRGBを利用していたが，光の変化に敏感で対応できにくいので，人の視覚に合っていて照明変化に対応しやすいHSVが最もよく使われる．閾値・領域拡張法・色画素分類などによって候補領域を抽出する．
　一方，天気による照明変化や太陽光による標識の色劣化を考え，色情報を使わず形情報を使うときは，ハフ変換，微分変換，距離変換，遺伝的アルゴリズム，高速動径対称法などが使われる．

3.2.候補のトラッキング(Tracking)
　1枚の画像のみでの探索では，オクルージョンや正確さに問題があるので，複数枚利用することで標識の数・サイズ・位置を考えて標識候補の発見速度と正確さを高める．ここでは，カルマンフィルタなどが用いられる．

3.3.候補の分類(Classification)
　標識の特徴点などの内部情報から分類を行う．テンプレートマッチング，ニューラルネットワーク，サポートベクターマシンなどの分類手法が主にあげられる．

3.4.最近の研究
　20年前から行われている研究は，最近では色々な手法が挙げられているので，いくつかを述べる．
・生成型学習：実際の歪んだ入力データを用いて，それらを微小変動させることで様々なパターンを学習する方法(Ishida et al)．
・3D空間の構築による計算範囲の限定をし，標識候補の発見の計算時間を縮小(Nunn et al)．
・遺伝的アルゴリズムを用いる．回転，オクルージョン，歪み，変形のエネルギー関数を最小化し，抽出率，認識率を高める．計算コストがかかる(Escalera et al)．
・標識内部の形（ピクトグラム）を利用した認識アルゴリズムを提案．CCS(Curvature Space Scale)を使ったマッチングを行う．画像の歪みに対応しにくい(Paulo and Correia)．
・色と形の情報を組み合わせて認識を行う．ファジィ推論に基づいて色のセグメントや形の分類を行う．オクルージョンには対応しにくい(Fleyeh)．
・Viola-Jones法を用いてHarrウェーブレット特徴を利用する．単純な円形標識にしか使えない(Bahlmann et al)．
・高速動径対称法で標識候補を発見する．証明変化やオクルージョンにロバストに働く．あまり歪みに対応できない(Barnes et al)．
・正確な色制御による角形の発見アルゴリズムを提案．標識の輪郭の角形の信頼度を定義する(Andrzej et al)．
・SVMを使う．HSVによる閾値設定や境界付近までの距離を用いる(Maldonado-Bascon)．

4.結論と新たな解決方法
　標識認識において，精度がとても重要であるが，光の変化や予測できない道路状況や標識の歪みからロバストに判別はできない．現時点での有効な方法は以下の2つのアプローチである．
　1つ目は，パターン認識である．その中でも高速動径対称法とHarrウェーブレット特徴はTSRシステムに非常に効果的に働く．
　2つ目は，単純に標識を視覚的に認識しようとするのではなく，交通全体を利用したセンサーネットワーク（GPS, RFID）などを使用し，精度を高めていく方法である．



ぼちぼちと研究内容が分かりました．トラッキングはやっぱり使われています．でも，1枚の画像からの研究が最近進んでいないのであれば，逆にそこでやり続ければ新しい手法が提案できるかもしれないです．
この論文ではかなりアバウトな内容しか書かれていなかったので，ここから派生した論文で2012年の論文があるので，今後はそれを読んで実際のdetectionとclassificationの詳しい内容を学んでいこうと思います．

]]> https://ameblo.jp/wisser/entry-11821783243.html Sun, 13 Apr 2014 21:03:43 +0900 I × U オリコン週間チャート第9位！



Silent Siren の4枚目の新曲シングルI × U （アイミスユー）は、

12120枚

を売り上げて、初登場

9位

となりまった！


おおーー最高順位更新！
前回のビーサンは10位だった




着実に伸ばしてきてますサイサイ！



この調子でテレビももっと出て欲しいなー！ ]]> https://ameblo.jp/wisser/entry-11672802201.html Wed, 06 Nov 2013 11:48:05 +0900 Silent Siren

この間，焼肉を食べに行ったら，店内ラジオでSilent Sirenの曲が流れていた．



調べてみると，サイサイという略称で知られた読者モデル4人からなるガールズバンドだと分かった．

2分でファンになってしまった．



とりあえずシングル曲とカップリング曲をたくさん聴いてみて自分ランキングをつくってみた．
っていうか全部いい曲なんだけど、苦悩してランキングつけたらこんな感じって感じ




第7位　フィルター　　　（2nd Single カップリング）
レコーディング風景が描写されているミュージックビデオぐっど。


第6位　stella☆　　　　（2nd Single）
"辞めてしまいたくても　諦め切れなくてもまた手を伸ばすよ"
"そしたらいつか辿り着くかな"
"あの場所へ"
いい感じー


第5位　Crazy Lady　　　（1st Single カップリング）
サビの盛り上がりが最高に良いーーー
　"ハッピィでクレイズィなレディ！"


第4位　Starmine　　　　（3rd Single カップリング）
サビはなんか聞いたことあるような曲調。
すぅ以外もたくさん歌っているから良い
"照らし続けて！すたーまいん！"


第3位　I x U　　　　　（4th Single）
Silent Sirenを知るきっかけになった最新シングル（2013年10月30日発売）
今までの元気な曲とはうってかわってバラード？みたいな感じになってる
"あいみすゆー　あなたの声も　あなたの癖も　あなたが見せてくれる笑顔"
"私だけのものだと思っていたけど今ではもう・・・"
失恋ソング？女の子目線やなー


第2位　Sweet Pop!　　　（1st Single）
とりあえず、すぅが可愛すぎる
"赤すぎほっぺのサンシャイン"　のところのほっぺ触ってるすぅヤヴァイ
"すうぃーぽっすうぃーぽっすうぃーぽっぷ！"


第1位　ビーサン　　　　（3rd Single）
めっちゃ元気になる夏曲。
"オッオッオオッオッオー"の掛け声よいー
スッキリに出てる動画見て、すぅの歌のうまさにビックリした
っていうか、すぅの声が良すぎた　透き通っててきれい
PVめっちゃかわよ　Tシャツとフリフリスカートだけでなんでこんな可愛くなるの






4thシングルのカップリング曲はまだ聞いてないし、アルバムもまだ聞いてない

ライブ行ってみたいなーー





どっかのプールにいた変なアイドルはもういいや



]]> https://ameblo.jp/wisser/entry-11656394875.html Mon, 28 Oct 2013 17:37:52 +0900 円形標識抽出（パラメータの変更）

道路画像から円形標識を抽出する研究を行っている．




抽出のアルゴリズムは独自のものを使っている．





先行研究である

「情景画像の特徴を考慮した円形道路標識の抽出アルゴリズム」

という論文を見つけた．
2010年の論文である．そこに書かれているパラメータを用いて，円形の抽出を行ったところ，
抽出率が70%から90%に向上した．



おもにHSVのパラメータを変更したのだが，
もともと円形赤標識に対してかなり赤色の部分のみを抽出していたところを，マゼンタを含んだ赤領域全体に対してパラメータを変更し，彩度や明度に関するパラメータも変更したところ，今回のような向上につながった．



また，面積の小さい楕円に関しては，今まで処理をしていなかったが，意外と小さいものも取れていることが分かり，うまく向上できた．



今後は，残りの10%がどのような場合に検出できていないのかを調べ，対策を考えていきたいと思う．




]]> https://ameblo.jp/wisser/entry-11654914398.html Sun, 27 Oct 2013 18:30:26 +0900 HMの動きベクトル描画（BQTerrace_1920x1080_60fps）

HMで動きベクトルや参照ピクチャが正しく検出できたところで，それらを用いて画像上に動きベクトルなどを描画してみた






まず，HMの設定はRANDOM_ACCESSとする．
フレームの符号化順は
0, 8, 4, 2, 1, 3, 6, 5, 7, 16, 12, …
のように，階層型Bフレームを考慮した符号化順となっている．




以下に示す色についての説明を記す．
①実験図はPU(Prediction Unit)ごとに白色で分けられている．
②各PUについて，双方向予測の場合は赤色，単方向予測の場合は青色に塗る．双方向・単方向のInter予測でない場合は黒色に塗る．
③単方向予測ならば，青色で動きベクトルの矢印を記す．
④双方向予測ならば，赤色でL0（参照ピクチャリストL0）の動きベクトル，青色でL1（参照ピクチャリストL1）の動きベクトルの矢印を記す．


今回は，BQTerrace（1920x1080画素, 60fps）を用いる．
画像の特徴としては，背景が右上から左下へ動いている．


んで，その結果画像
まずは，8フレーム目
参照ピクチャはL0: 0フレーム, L1: 0フレーム


$レオン　≡ほのぼのブログ≡-PuMvRefBQTerrace_1920x1080_60_08



画像サイズが大きいからか，動きベクトルの値も大きくなっている．
BQSquareと異なり，ほとんどがInter符号化で双方向予測である．



次は、4フレーム目
参照ピクチャはL0: 0フレームと8フレーム, L1: 8フレームと0フレーム


$レオン　≡ほのぼのブログ≡-PuMvRefBQTerrace_1920x1080_60_04



特にいうことないかな



最後に2フレーム目
参照ピクチャはL0: 0フレームと4フレーム, L1: 4フレームと8フレーム


$レオン　≡ほのぼのブログ≡-PuMvRefBQTerrace_1920x1080_60_02



特にいうことないかな
(ヾﾉ･∀･`)ﾅｲﾅｲ







]]> https://ameblo.jp/wisser/entry-11646162689.html Mon, 21 Oct 2013 16:46:44 +0900