絵を読む技術 Pythonによるイラスト解析 / The Art of Reading Illustrations

1Z$PO+1 ֆΛಡΉٕज़ 1ZUIPOʹΑΔΠϥετղੳ )JSPTBKJ !IJSPTBKJ ʗͻΖ͞͡ !IJSPTBKJ@F[

͸͡Ίʹ

ʮͻΖ͞͡ )JSPTBKJʯͱ͍͏໊લͰ׆ಈ͢Δਓɻࡏ୐ۈ຿ΛΩοΧέʹΠϥετϨʔλʔۀΛ࢝Ίͨɻ ϑϦʔΠϥετϨʔλʔ ͻΖ͞͡ʢ!IJSPTBKJ@F[ʣ ɾ1ZUIPOྺ̑೥͘Β͍ ɾΠϥετΛ؍Δͷ͕޷͖ ɾσδλϧֆࢣ̎೥໨
ɾΠϥετΛඳ͘ͷ͕޷͖ ͜ͷϓϨθϯΛ͢Δਓ ޏΘΕ8FCΤϯδχΞ )JSPTBKJʢ!IJSPTBKJʣ

ΠϥετΛ؍Δͷ΋ඳ͘ͷ΋޷͖Ͱɺ༔ʑࣗదʹΠϥετϥΠϑΛָ͠ΜͰ͍͕ͨʜ ͜ͷϓϨθϯΛ͢ΔܦҢʢىঝస݁ʣ ྑ͍ΠϥετΛඳ͍ͧ͘ʂ٩ Т و ͜ͷΠϥετ޷͖ʂ ͬ ‸= ͟ ͟͞͞
❤︎ ޏΘΕ8FCΤϯδχΞ )JSPTBKJʢ!IJSPTBKJʣ ϑϦʔΠϥετϨʔλʔ ͻΖ͞͡ʢ!IJSPTBKJ@F[ʣ

͋Δ೔ɺ༏ΕͨΠϥετʹࠐΊΒΕΔઓུ΍ཧ۶Λ஌Γ͍ͨɺͱ͍͏೰ΈΛ๊͑Δɻ ͜ͷϓϨθϯΛ͢ΔܦҢʢىঝస݁ʣ ΋ͬͱઓུతʹ ΠϥετΛඳ͖͍ͨͳʜ ͳΜͰऒ͔Εͨͷ͔ ཧ۶͕஌Γ͍ͨͳʜ ޏΘΕ8FCΤϯδχΞ )JSPTBKJʢ!IJSPTBKJʣ ϑϦʔΠϥετϨʔλʔ ͻΖ͞͡ʢ!IJSPTBKJ@F[ʣ

ͦΜͳ೰ΈղܾͷͨΊɺΠϥετͷٕ๏ॻΛಡΈړΓɺҰํͰΤϏσϯεΛ୳ͯ͠ཧ۶Λ௥͍ٻΊͨɻ ͜ͷϓϨθϯΛ͢ΔܦҢʢىঝస݁ʣ ʢΠϥετͷٕ๏ॻΛಡΉʣ ʢͰ͖ΔݶΓΤϏσϯεΛ୳͢ʣ ޏΘΕ8FCΤϯδχΞ )JSPTBKJʢ!IJSPTBKJʣ ϑϦʔΠϥετϨʔλʔ ͻΖ͞͡ʢ!IJSPTBKJ@F[ʣ

গͣͭ͠஌͕ࣝମܥԽ͖ͯͯ͠ɺ1ZUIPOͰ࣮૷͠΍͍͢͜ͱʹؾͮ͘ɻࠓճ͸ͦͷ஌ݟΛ঺հ͢Δɻ ͜ͷϓϨθϯΛ͢ΔܦҢʢىঝస݁ʣ গͣͭ͠ ந৅Խʗߏ଄ԽͰ͖͖ͯͨʜʂ ͜Εɺ 1ZUIPOͰ࣮૷Ͱ͖ΔͷͰ͸ʁ ޏΘΕ8FCΤϯδχΞ )JSPTBKJʢ!IJSPTBKJʣ ϑϦʔΠϥετϨʔλʔ ͻΖ͞͡ʢ!IJSPTBKJ@F[ʣ

͜ͷϓϨθϯ͸ՊֶʻܦݧଇΛॏࢹ ݫີͳՊֶతূ໌͸ͳ͍͕ɺΠϥετϨʔλʔ͕Ͳͷ෦෼Λେࣄʹ͍ͯ͠Δ͔ɺͦͷΤοηϯεΛ఻͑Δɻ લஔ͖⚠ 🙆ڊঊͨͪͷܦݧଇ 🙆ֆࢣͷυϝΠϯ஌ࣝ 🙆ڊਓͷݞͷ্ͷίʔυ 🙅ݫີͳݱ୅ՊֶతΞϓϩʔν 🙅ը૾ੜ੒ܥͷ.-ٕज़ 🙅ઐ໳ੑͷߴ͍ίʔυ આ໌͢Δ͜ͱ
৮Εͳ͍͜ͱ

ֆΛಡΉٕज़Λ਎ʹ͚ͭΔ ͱ͍͏͜ͱͰɺࠓճͷ໨త͸ٕ๏ॻΛϕʔεʹɺΠϥετΛ໨ͰಡΉʗ1ZUIPOͰಡΉٕज़Λ஌Δ͜ͱɻ ͜ͷϓϨθϯͷ໨త ஌ࣝͷϕʔε͸zΠϥετͷٕ๏ॻz

ֆΛಡΉٕज़Λ਎ʹ͚ͭΔ ஌ࣝͷϕʔε͸zΠϥετͷٕ๏ॻz ΠϥετΛಡΉͱ͸ɺ͢ͳΘͪzֆࢣͷૂ͍zΛಡΉ͜ͱɻࠓճ͸͜ͷzֆࢣͷૂ͍Λඥղ͘ɻ ͜ͷϓϨθϯͷ໨త ֆࢣͷૂ͍ ΠϥετϨʔλʔ

ɾ৘ใ఻ୡͷ࣌୹ ɾݴ༿ʹͰ͖ͳ͍จ຺ͷՄࢹԽ l˓ºͰΘ͔Δ෩ܠ࡞ըਆٕ࡞ըγϦʔζ͚͞ϋϥεc,"%0,"8"ʢʣlΑΓҰ෦ཁ໿ © ͻΖ͞͡ ֆࢣͷૂ͍Λ஌ΔͨΊɺ·ͣΠϥετͷ໨తΛ֬ೝ͢ΔɻΠϥετͷ໨త͸ҰݴͰݴ͏ͱʮઆ໌ͷ࣌୹ʯɻ ֆࢣͷૂ͍ͱ͸ɿΠϥετͷ໨త ͤ ͭ Ί
͍ ΠϥετϨʔλʔ

1PSUSBJUPGB.BO+BO.BVSJUT2VJOLIBSE ʛϝτϩϙϦλϯඒज़ؗʢ1VCMJDEPNBJOʣ ֆը Πϥετ © ͻΖ͞͡ νϟʔτ © )JSPTBKJ ଟ
จ຺ɾ৘ใྔ গ จ຺Λগ͠ߜͬͯɺԿ͔Λઆ໌͢Δ໾ׂΛ࣋ͭΠϥετɻzͲ͜z͔Λڧௐ͠ɺzͳʹz͔Λ఻͍͑ͨ͸ͣɻ ֆࢣͷૂ͍ͱ͸ɿΠϥετͷҐஔ෇͚ ΠϥετϨʔλʔ

ֆࢣ͕zͳʹzΛ఻͍͑ͨͷ͔ ɾΠϥετͰڧௐ͞ΕΔཁૉΛ୳Δ ɾ1ZUIPOͰয఺Λݕग़͢Δ ɾΠϥετͷߏ੒ཁૉ͝ͱͷػೳΛ୳Δ ɾ1ZUIPOͰߏ੒ཁૉ͝ͱͷಛ௃Λ෼ੳ͢Δ ֆࢣ͕zͲ͜zΛ఻͍͑ͨͷ͔ ΠϥετϨʔλʔ ࠓճͷϓϨθϯͷྲྀΕ͕ͪ͜Βɻֆࢣͷૂ͍Λඥղ͖ͳ͕Βɺ֤ষͰղઆʹԊͬͨ1ZUIPOΛ঺հ͢Δɻ આ໌͢ΔྲྀΕ ͸͡Ίʹ
ֆΛಡΉ͜ͱ͸ɺֆࢣͷૂ͍ΛಡΈͱΔ͜ͱ ΠϥετϨʔλʔ Ξϖϯυ ࡁ

ֆࢣ͕zͲ͜zΛ఻͍͑ͨͷ͔ ̍ ΠϥετϨʔλʔ

σοαϯྗʗண࠼ྗ ݸੑʗηϯε ߏਤબͼ Ұൠʹɺֆࢣ͸఻͍͑ͨzͲ͜z͔Λڧௐ͢Δɻͦͷڧௐʹ࠷΋ॏཁͳٕೳ͸ɺ࣍ͷ̏ͭͷ಺ͲΕʁ ڧௐʹҰ൪ॏཁͳٕೳ͸ͲΕʁ ΠϥετʹٻΊΒΕΔٕೳ

σοαϯྗʗண࠼ྗ ݸੑʗηϯε ߏਤબͼ σοαϯʗண৭ྗ͸ɺਖ਼֬ͳਓମ΍ΦϒδΣΫτΛ໛ͨ͢Ίͷೳྗɻֆࢣͷجૅೳྗ͕ͩɺڧௐʹ͸ແؔ܎ɻ ڧௐʹҰ൪ॏཁͳٕೳ͸ͲΕʁ ΠϥετʹٻΊΒΕΔٕೳ Ϟϊͷܗ΍৭ɺҐஔؔ܎Λਖ਼֬ʹ࠶ݱ͢Δྗ

σοαϯྗʗண࠼ྗ ݸੑʗηϯε ߏਤબͼ ݸੑʗηϯε͸ɺֆࢣʹͱͬͯͷࡶຯΛল͖ɺັྗΛތு͢ΔೳྗɻֆฑʹӨڹ͠ɺେ͖͘มߋͰ͖ͳ͍ɻ ڧௐʹҰ൪ॏཁͳٕೳ͸ͲΕʁ ΠϥετʹٻΊΒΕΔٕೳ ૷০΍σϑΥϧϝͰɺࡶຯΛল͍ͯັྗΛҾ͖ग़͢ྗ

σοαϯྗʗண࠼ྗ ݸੑʗηϯε ߏਤબͼ ߏਤબͼ͸ɺ఻͍͑ͨετʔϦʔ΍ײ৘͕௚ײతʹ఻ΘΔֆΛ࡞ΔͨΊʹඞཁɻڧௐͷ5JQT͕୔ࢁ͋Δɻ ڧௐʹҰ൪ॏཁͳٕೳ͸ͲΕʁ ΠϥετʹٻΊΒΕΔٕೳ ͦͷֆͰ఻͍͑ͨετʔϦʔ΍ײ৘Λ఻͑ΔͨΊͷઃܭͷྗ

఻͍͑ͨετʔϦʔ΍ײ৘Λ఻͑Δը໘ઃܭ ը໘ͷܗ ˒ ओʹΩϟϯόεͷॎԣൺ ΛܾΊΔ ਓ΍෺ͷ഑ஔ ਓ΍෺ͷେ͖͞ʗ઎༗౓ Λߟ͑ͯ഑ஔ͢Δɻ ޫͱΧϝϥͷ഑ஔ ΧϝϥͷҐஔ΍޲͖ɺ
ϨϯζͷछྨΛܾΊΔɻ ߏਤ͸ɺߏਤ࡞ΓʹඞཁͳϓϩηεΛΈΔʹʮը໘ઃܭʯͱݴ͍׵͑ΒΕΔɻ ߏਤͱ͸

఻͍͑ͨετʔϦʔ΍ײ৘Λ఻͑Δը໘ઃܭ ը໘ͷܗ ˒ ओʹΩϟϯόεͷॎԣൺ ΛܾΊΔ ਓ΍෺ͷ഑ஔ ਓ΍෺ͷେ͖͞ʗ઎༗౓ Λߟ͑ͯ഑ஔ͢Δɻ ޫͱΧϝϥͷ഑ஔ ΧϝϥͷҐஔ΍޲͖ɺ
ϨϯζͷछྨΛܾΊΔɻ ߏਤ͸ ߏਤͱ͸ 6OJUZ5FDIOPMPHJFT+BQBO6$- ը໘ઃܭʹඞཁͳϓϩηε͸ 6OJUZͱಉ͡ ʢϏϡʔઃఆɺΧϝϥɾޫݯɾΦϒδΣΫτͷ഑ஔʜʣ

Πϥετ ߏਤ S Ұ఺ಁࢹʗ์ࣹߏਤ ͓͋Γߏਤ ΞϧϑΝϕοτߏਤ ̏෼ׂߏਤ ೔ͷؙߏਤ ର֯ઢߏਤ ໿
xxx,xxx݅ʢx,xxඵʣ ߏਤʹ͸Ԧಓύλʔϯ͕୔ࢁ͋Δʢͨͩ͠ະ੔ཧʣ ߏਤʹ͸ɺΠϥετʹඞཁͳ৭ΜͳΤοηϯε͕ڽॖͨ͠Ԧಓύλʔϯ͕ͨ͘͞Μ͋Δɻʢͨͩ͠ະ੔ཧʣ

Πϥετ ߏਤ S Ұ఺ಁࢹʗ์ࣹߏਤ ͓͋Γߏਤ ΞϧϑΝϕοτߏਤ ̏෼ׂߏਤ ೔ͷؙߏਤ ର֯ઢߏਤ ໿
xxx,xxx݅ʢx,xxඵʣ ʲ੔ཧͯ͠ΈͨʳߏਤͷԦಓύλʔϯ ͦΕͧΕͷύλʔϯ͕ੜ·ΕͨܦҢΛௐ΂Δͱɺzয఺zͱzΧϝϥzͷ̎ͭͷ໨తͰ։ൃ͞Ε͍ͯͨɻ ᶃয఺ʢࢹઢʣΛίϯτϩʔϧ͢Δ ᶄΧϝϥΛίϯτϩʔϧ͢Δ ໨తผʹ෼ྨ͢Δͱɺ (

͜ͷ໨తͷߏਤΛ ಛʹൃలͤͨ͞ͷ͸੢༸ඒज़ɻ ΨϥςΞͷউརϥϑΝΤϩɾαϯςΟʢ໛ࣸʣʛϝτϩϙϦλϯඒज़ؗʢ1VCMJDEPNBJOʣ ɾґཔ͸फڭըͳͲɺओ໾ΛҾཱ͖ͨͤΔ୊ࡐ͕ଟ͔ͬͨ ɾࠓʹൺ΂ͯըࡐ͕ߴ͘ɺֆࢣ΋ґཔओ΋গͳ͔ͬͨ lֆΛݟΔٕज़໊ըͷߏ଄ΛಡΈղ͘ळాຑૣࢠcே೔ग़൛ࣾʢʣlଞΑΓ ʢ͓ͦΒ͘தੈҎ߱ʣ য఺ʢϑΥʔΧϧϙΠϯτʣ΁ͷࢹઢ༠ಋؚ͕·Εͨɺओ໾͕Ҿཱ͖ͭֆը͕ɺ੢༸ඒज़ʹ਺ଟ͘࢒Δɻ ߏਤͷྺ࢙ᶃɿয఺ʢ௒ͬ͘͟Γ൛ʣ ᶃয఺ʢࢹઢʣΛίϯτϩʔϧ͢Δ

ֆͷͲ͜ʹࢹઢ͕མͱ͞Εͯ΋ ओ໾͕Ҿཱ͖ͭΑ͏ʹ ΨϥςΞͷউརϥϑΝΤϩɾαϯςΟʢ໛ࣸʣʛϝτϩϙϦλϯඒज़ؗʢ1VCMJDEPNBJOʣ ɾֆͷ֎ʹࢹઢΛಀ͞ͳ͍Α͏ʹ͢Δ ɾয఺ʹࢹઢΛूΊΔ lֆΛݟΔٕज़໊ըͷߏ଄ΛಡΈղ͘ळాຑૣࢠcே೔ग़൛ࣾʢʣlଞΑΓ ྫʹࡌͤͨzΨϥςΞͷউརzͷΑ͏ʹɺओ໾Λয఺ͱ͢ΔͨΊͷ͞·͟·ͳ޻෉͕͞Ε͍ͯͨɻ ᶃয఺ʢࢹઢʣΛίϯτϩʔϧ͢Δ ߏਤͷྺ࢙ᶃɿয఺ʢ௒ͬ͘͟Γ൛ʣ

ϥϑΝˑΤϩ!ݸల΍ ৽࡞ඳ͍ͨΑɻ UXJUUFSDPNSB ff BFMMP@TBOUJ 202X/XX/XX Πϥετաଟͷ͍·ɺয఺͕ແ͍ͱҰॠͰεΫϩʔϧ͞ΕΔɻউෛ͸Ұॠɻ෼͔Γ΍͍͢য఺͕ඞཁɻ ˠয఺ͷίϯτϩʔϧ͸ɺΠϥετք۾Ͱ௒ॏཁ ҰॠͰεΫϩʔϧ͞Εͯ͠·͏ʜ ˠΑΓ෼͔Γ΍͍͢ࢹઢ༠ಋ͕ඞཁ
ྫ͑͹5XJUUFSͰ͸ɺ ̍ͭͷ౤ߘ͕໨ʹཹ·Δ࣌ؒ͸ ΄ΜͷΘ͔ͣɻ ߏਤͷྺ࢙ᶃɿয఺ʢ௒ͬ͘͟Γ൛ʣ

l'JMNNBLFST&ZFάελϘɾϝϧΧʔυcϘʔϯσδλϧʢʣlଞΑΓ өը͸ɺࣸਅΑΓଟ͘ͷ৘ใΛ఻͑ΒΕ͕ͨɺͦΕͰ΋·ͩઆ໌͖͠Εͳ͍ࡉ͔ͳจ຺͕͋ͬͨɻ ߏਤͷྺ࢙ᶄɿΧϝϥʢ௒ͬ͘͟Γ൛ʣ ᶄΧϝϥΛίϯτϩʔϧ͢Δ 5IF5IJSE.BOʢʣCZ$BSPM3FFEʢ1VCMJDEPNBJOʣ μονΞϯάϧͷ୅දྫͱͯ͠ ͜ͷ໨తͷߏਤΛ ಛʹൃలͤͨ͞ͷ͸өըۀքɻ ɾ̍ͭͷγʔϯͰ࢖͑ΔίϚ਺͸ݶΒΕ͍ͯΔ
ɾਓͷ৺৘΍৔ͷۭؾͳͲɺࡉ͔ͳจ຺͸୆ࢺͰදݱͮ͠Β͍

l'JMNNBLFST&ZFάελϘɾϝϧΧʔυcϘʔϯσδλϧʢʣlଞΑΓ ͦΜͳઆ໌ෆೳͳจ຺Λදݱ͢ΔͨΊɺΧϝϥΞϯάϧ΍ϨϯζΛ࢖ͬͨಠࣗͷදݱ͕։ൃ͞Εͨɻ ᶄΧϝϥΛίϯτϩʔϧ͢Δ 5IF5IJSE.BOʢʣCZ$BSPM3FFEʢ1VCMJDEPNBJOʣ μονΞϯάϧͷ୅දྫͱͯ͠ য఺Λίϯτϩʔϧ͢Δͱಉ࣌ʹ ɾϨϯζΛ௨ͯ͠ݟ͑Δը໘΍෺ཧݱ৅͕ར༻͞Εͨ ɾΞϯάϧΛ࢖ͬͨөըಠࣗͷදݱ͕։ൃ͞Εͨ ʢڕ؟ɾ޿֯ɺࣗࡱΓɺηϐΞɺϨϯζϑϨΞͳͲʣ
ߏਤͷྺ࢙ᶄɿΧϝϥʢ௒ͬ͘͟Γ൛ʣ

ͦͯ͠ɺzΧϝϥzͷ਺͕૿͑ΔݶΓɺͦͷzΧϝϥzΛίϯτϩʔϧ͢Δߏਤͷൃల͸ࢭ·Βͳ͍ɻ ˠlΧϝϥz͸ൃల͠ଓ͚͍ͯΔ ٕज़ͷਐาͱͱ΋ʹ։ൃ͞ΕΔzΧϝϥzͷ਺͚ͩɺߏਤͷ෯͸޿͕Δɻ ߏਤͷྺ࢙ᶄɿΧϝϥʢ௒ͬ͘͟Γ൛ʣ

ᶃয఺ʢࢹઢʣΛίϯτϩʔϧ͢Δ ᶄΧϝϥΛίϯτϩʔϧ͢Δ ˠΠϝʔδ͕༰қͳͷͰɺղઆ͸লུ ˠֆࢣ͕఻͍͑ͨzͲ͜z͔Λڧௐ͢Δ໨తͳͷͰɺਂງΓ͢Δ ଓ͍ͯɺԦಓߏਤͷ໨తͷҰͭɺয఺ͷίϯτϩʔϧΛਂງͬͯʮֆࢣ͕zͲ͜zΛ఻͍͔͑ͨʯΛ୳Δɻ ʲ੔ཧͯ͠ΈͨʳߏਤͷԦಓύλʔϯʢ࠶ܝʣ

த৺ࢹ ༗ޮࢹ໺ पลࢹ໺ Πϥετ º য఺ lղ૾౓zͷ௿͍पลࢹ໺Ͱ΋ɺ ஫ҙ͕޲͖΍͍͢ͷ͕য఺ɻ য఺͸ɺຊೳతʹ஫ҙΛ޲͚ͯ͠·͏෦෼ɻͦͷຊೳΛར༻͠ɺΠϥετͷݟͯ΄͍͠෦෼͕ڧௐ͞ΕΔɻ য఺ͱ͸
য఺ͷίϯτϩʔϧਂງ

ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̑ͭʢҎ্͋Δ͔΋ʣ lࢹ֮৘ใॲཧͷجૅաఔԣ୔Ұ඙cੜ࢈ݚڀʢʣlଞΛू໿ য఺ͱͳΓ͏Δཁૉ͸ɺ͍ΖΜͳจݙΛू໿͢Δͱɺ͜ͷ̑ͭʢҎ্͋Δ͔΋ʣʹ੔ཧͰ͖Δɻ Կ͕য఺ͱͳΔ͔ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ
ਂງ

lإ ͓Αͼ ώτͷݕग़աఔͷݚڀԕ౻ޫஉcجૅ৺ཧֶݚڀʢʣlଞΑΓ إ ମͷ෦Ґ ͕༏ઌతʹݕग़͞ΕΔ ʢ͓ͦΒ͘ಈ෺΋ಉ༷ʣ ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ
ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̍ͭ໨͸ɺإ΍਎ମɻ໨ͷલͷڴҖΛૉૣ͘࡯஌͢ΔͨΊɺਓྨ͕ޙఱతʹ֫ಘͨ͠शੑͩͱݴΘΕΔɻ Կ͕য఺ͱͳΔ͔ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ਂງ

إ ମͷ෦Ґ ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ಛʹɺҙࢥૄ௨ʹॏཁͳද৘Λ࢘Δ෦Ґ͸༠໨ੑ͕ߴ͍ɻจԽݍʹΑΔҧ͍΋͋Δɻݟൺ΂Δͱ໘ന͍͔΋ɻ Կ͕য఺ͱͳΔ͔
ಛʹද৘Λߏ੒͢Δ l໨zͱzޱzͷ஫໨౓͸ߴ͍ ʢLFZXPSETࢹ֮ܦ࿏ɺإೝ஌ɺࢹ֮త஫ҙɺϙοϓΞ΢τʣ lإ ͓Αͼ ώτͷݕग़աఔͷݚڀԕ౻ޫஉcجૅ৺ཧֶݚڀʢʣlଞΑΓ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ਂງ

ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̎ͭ໨͸ɺݟ׳ΕͨϞϊɻ೴ͷࣝผॲཧ͕ૣ͍͔Β஫໨͠΍͍͢ɺͱݴ͏ใࠂ͕͋Δɻʢཁɾ֬ೝʣ Կ͕য఺ͱͳΔ͔ ςΩετ ฼ࠃޠ
Α͘ݟΔϞϊ ͸ࣝผ͕ૣ͍ͨΊɺ ஫ҙ͕޲͖΍͍͢ʢଟ෼ʣ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ਂງ

য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̏ͭ໨͸ɺ৘ಈతͳϞϊɻੜଘຊೳΛܹࢗ͢ΔΑ͏ͳϞϊʹɺࢹઢ͕ୣΘΕͯ΍͍͢ͱͷ͜ͱɻ Կ͕য఺ͱͳΔ͔ ἷ౧ମ΍ใुܥΛܹࢗ͢Δͱɺ
஫ҙ͕޲͖΍͍͢ ੑత ڪා ൧ςϩ l஫ҙͷॠ͖ʹؔ͢Δجૅతݚڀࠤ౻ج࣏ ݪޱܙc෱Ԭେֶਓจ࿦૓ʢʣlΑΓ ਂງ

য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̐ͭ໨͸ɺଞͱҧ͏ྖҬɻݹ͔͘ΒͷݚڀͰޮՌ͕ূ໌͞Ε͍ͯͯɺΠϥετͰ࠷΋Ԡ༻͠΍͍͢য఺ɻ Կ͕য఺ͱͳΔ͔ ৭ʢ໌౓ʗ࠼౓ʣ͕ҧ͏
৘ใྔ͕ҧ͏ େ͖͕͞ҧ͏ ଞɺํ޲ɾ௕͞ɾܗͳͲ l˓ºͰΘ͔Δ෩ܠ࡞ըਆٕ࡞ըγϦʔζ͚͞ϋϥεc,"%0,"8"ʢʣlΛࢀߟʹਤΛ࡞੒ ਂງ

ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ ̑ͭ໨͸ɺઢ͕ࣔ͢ྖҬɻ͜ͷࢹઢΛ༠ಋ͢Δઢͷ͜ͱΛɺඒज़༻ޠͰϦʔσΟϯάϥΠϯͱ͍͏ɻ Կ͕য఺ͱͳΔ͔ ΨϥςΞͷউརʢ࠶ܝʣ ϦʔσΟϯάϥΠϯʹΑͬͯ
ࢹઢ༠ಋ͞ΕΔ lֆΛݟΔٕज़໊ըͷߏ଄ΛಡΈղ͘ळాຑૣࢠcே೔ग़൛ࣾlΑΓ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ਂງ

ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ طʹߴ͍ਫ਼౓Ͱয఺ΛਪఆͰ͖Δ͕ɺ஫ࢹ͞Ε΍͢͞ͷݪҼʹ͍ͭͯ͸ɺ·ͩ෼͔͍ͬͯͳ͍͜ͱ͕ଟ͍ɻ য఺Λਪఆ͢Δݚڀ͸ɺ೥Ҏ্ଓ͘ʢΩʔϫʔυɿݦஶੑϚοϓʣ য఺ͷίϯτϩʔϧɹɿয఺ͱͳΓಘΔཁૉ ਂງ ෩ंΛ
ݕग़ͨ͠ྫ ը૾ͷಛ௃ྔΛجʹ ݕग़ͨ͠ྫ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ͦ͜Ͱɺয఺͕Πϥετͷ্ͰͲΜͳํ਑Ͱ૊ΈཱͯΒΕ͍͔ͯ͘ɺԦಓύλʔϯΛू໿ͯ͠੔ཧͯ͠Έͨɻ য఺ΛૢΔํ਑͸̏ͭ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ̍ͭ໨͸ɺয఺ΛڧԽ͢Δํ਑ɻয఺ͷॏͶ͕͚ͰɺΑΓڧྗͳয఺Λ࡞ͬͯ༠໨ੑΛߴΊΔɻ য఺ΛૢΔํ਑͸̏ͭ য఺ͱͳΔཁૉΛ
ॏͶͨΓ૊Έ߹ΘͤͨΓͯ͠ɺ ڧྗͳয఺Λ࡞Δɻ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ྫ͑͹ɺτϯωϧߏਤɻ͜Ε͸ɺ̏ͭͷয఺ͱͳΔཁૉΛ૊Έ߹ΘͤͨԦಓύλʔϯͷҰͭɻ য఺ΛૢΔํ਑͸̏ͭ ྫ͑͹...
ɾإ΍਎ମ ɾݟ׳ΕͨϞϊ ɾ৘ಈ͕ܹࢗ͞ΕΔϞϊ ɾଞͱҧ͏ྖҬ ɾઢͰࣔ͞ΕͨྖҬ τϯωϧߏਤ ਓ෺ʹ஫໨ΛूΊΔɻ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ̎ͭ໨͸ɺয఺ಉ࢜Λܨ͙ํ਑ɻྫ͑͹δάβάߏਤͷΑ͏ʹɺը໘શମΛݟͤΔ໨తͰ࢖ΘΕΔɻ য఺ΛૢΔํ਑͸̏ͭ য఺ಉ࢜Λ
ઢͰܨ͙ɻ ·ͨ͸ۙ͘ʹ ഑ஔ͢Δɻ ྫ͑͹... ը໘શମʹࢹઢ͕ྲྀΕΔɻ δάβάߏਤ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ଞʹ΋ɺઢΛܨ͍ͰਤܗΛ࡞Δ͜ͱͰɺͦͷਤܗͷҹ৅ΛΠϥετʹ༩͑Δ͜ͱ͕Ͱ͖Δɻ য఺ΛૢΔํ਑͸̏ͭ য఺ಉ࢜Λ
ઢͰܨ͙ɻ ·ͨ͸ۙ͘ʹ ഑ஔ͢Δɻ ྫ͑͹... ෺ཧతʹ҆ఆͯ͠ݟ͑Δɻ ̏֯ܗߏਤ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ̏֯ܗͳΒ҆ఆɺٯ̏֯ܗͳΒෆ҆ఆɺͱ͍͏ҹ৅ΛΠϥετશମʹ༩͑Δ͜ͱ͕Ͱ͖Δɻ য఺ΛૢΔํ਑͸̏ͭ য఺ಉ࢜Λ
ઢͰܨ͙ɻ ·ͨ͸ۙ͘ʹ ഑ஔ͢Δɻ ྫ͑͹... ෺ཧతʹෆ҆ఆʹݟ͑Δɻ ٯ̏֯ܗߏਤ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ̏ͭ໨͕ɺয఺Λ҆ఆͤ͞Δํ਑ɻ౳෼ׂ΍ԫۚൺͳͲͰ༗໊ͳύλʔϯ͸͜͜ʹؚ·ΕΔɻ য఺ΛૢΔํ਑͸̏ͭ ౳෼ׂͳͲΛ༻͍ͯ
όϥϯε͕औΕͨҐஔʹ য఺Λ഑ஔ͢Δɻ য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ نଇਖ਼͍͠ͱඒ͍͕͠ɺࣗવքʹͳ͍഑ஔ͸ෆࣗવ͕͞ࡍཱͭɻͦͷόϥϯεΛڊঊͨͪ͸௥ٻͨ͠ɻ য఺ΛૢΔํ਑͸̏ͭ ఻౷తʹয఺͕҆ఆ͢Δɻ
̏෼ׂߏਤ ɾ/෼ׂʢ/㱢ʣ ɾର֯ઢ ɾԫۚʗനۜൺ ɾϨΠϧϚϯൺ ɾϥόοτϝϯτ ɾ௚ަύλʔϯ ʜ ྫ͑͹... য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

˙˙˙ ˙˙˙ ˙˙˙ "য఺ΛڧԽ͢Δ $য఺Λ҆ఆͤ͞Δ #য఺Λܨ͙ ͜ΕΒͷํ਑͸ɺֻ͚߹Θͤͯ࢖ΘΕΔ͜ͱ΋ɻߏਤ্͕ख͍Πϥετʹ͸ɺ͜ΕΒͷ޻෉͕ӅΕ͍ͯΔɻ য఺ΛૢΔํ਑͸̏ͭ º º
য఺ͷίϯτϩʔϧɹɿয఺ΛૢΔํ਑ ਂງ

৘ใ఻ୡͷ࣌୹ ֆࢣʹٻΊΒΕΔٕೳ ܗ΍৭͕ਖ਼֬ ݸੑ͕৺஍Α͍ ߏਤ্͕ख͍ য఺Λίϯτϩʔϧ ΧϝϥΛίϯτϩʔϧ য఺ͱͳΓಘΔཁૉ إ΍਎ମ ݟ׳ΕͨϞϊ
৘ಈతͳϞϊ য఺Λ੍ޚ͢Δํ਑ য఺ΛڧԽ য఺Λ݁Ϳ য఺Λ҆ఆԽ ଞͱҧ͏ྖҬ ઢ͕ࢦࣔ͢͠ྖҬ Πϥετͷ໨త Ԧಓߏਤͷ̎େ໨త BOENPSF લ൒·ͱΊɻয఺ͷཁૉʹ෼ղͯ͠෼ੳ͢Δ͜ͱͰɺֆࢣ͕zͲ͜zΛ఻͍͔͕͑ͨΘ͔ΔΑ͏ʹͳͬͨɻ ֆࢣ͕”Ͳ͜”Λ఻͍͑ͨͷ͔ɿ·ͱΊ ΠϥετϨʔλʔ

%&.063-   IUUQTDPMBCSFTFBSDIHPPHMFDPNESJWFSSL@$971FLS-.1Q(L66U@P)VG11[ લ൒ͷ಺༰ͷҰ෦Λɺ͍͔ͭ͘1ZUIPOͰ࣮૷ͨ͠ɻίʔυ͸(PPHMF$PMBCʹܝࡌɻ PythonͰয఺Λݕग़͢Δ Ͳ͜Λ఻͑Δ͔ য఺ ํ਑ إ΍਎ମ ݟ׳ΕͨϞϊ
৘ಈతͳϞϊ ଞͱҧ͏ྖҬ ઢ͕ࢦࣔ͢͠ྖҬ য఺ΛڧԽ য఺Λ݁Ϳ য఺Λ҆ఆԽ

0QFO$7ͷඪ४ϝιουʹ͋ΔݦஶੑϚοϓʢ4BMJFODZ.BQʣΛར༻ɻݹయཧ࿦ͷϝιου͕ͩ൚༻తɻ PythonͰয఺Λݕग़͢ΔᶃɿҰ෦ղઆ য఺ʮଞͱҧ͏ྖҬʯͷݕग़ʢ0QFO$7ͷ4BMJFODZ.BQΛར༻ʣ # import library import cv2 # load
the input image image = cv2.imread(img_name) # initialize OpenCV's static saliency spectral residual detector saliency = cv2.saliency.StaticSaliencySpectralResidual_create() # compute the saliency map _, saliencyMap = saliency.computeSaliency(image) # convert to the heatmap heatmap = cv2.applyColorMap(saliencyMap, cv2.COLORMAP_JET) # combine the heartmap with input image combined = cv2.addWeighted(image, 0.5, heatmap, 0.7, 0) DWTBMJFODZ4UBUJD4BMJFODZ'JOF(SBJOFE$MBTT3FGFSFODFc0QFO$7

Ϋϥε෼ྨث͕ͲͷྖҬΛ΋ͱʹը૾Λ෼ྨ͢Δ͔ΛՄࢹԽ͢Δ$MBTT"DUJWBUJPO.BQʹͯ࠶ݱɻ PythonͰয఺Λݕग़͢ΔᶄɿҰ෦ղઆ য఺ʮݟ׳ΕͨϞϊʯͷݕग़ʢUGLFSBTWJTʹͯ(SBE$". Λར༻ʣ # import libraries (ུ) # prepare
model & input data model = Model(weights='imagenet', include_top=True) image = load_img(img_name, target_size=(224, 224)) X = preprocess_input(np.array(image)) # set loss & modifier to replace a softmax function def loss(output): return (output[0][cls_index]) def model_modifier(m): m.layers[-1].activation = tf.keras.activations.linear return m # generate heatmap with GradCAM++ gradcam = GradcamPlusPlus(model, model_modifier=model_modifier, clone=False) cam = gradcam(loss, img, penultimate_layer=-1) cam = normalize(cam) heatmap = np.uint8(cm.jet(cam[0])[..., :3] * 255) LFJTFOUGLFSBTWJTc(JUIVC

ଓ͍ͯɺֆࢣ͕zͳʹzΛ఻͑Α͏ͱ͍ͯ͠Δ͔ΛɺΠϥετͷߏ੒ཁૉ͝ͱʹ෼͚ͯղઆ͢Δɻ Nextɿֆࢣ͕”ͳʹ”Λ఻͍͑ͨͷ͔ ֆࢣ͕lͲ͜zΛ఻͍͔͑ͨ ֆࢣ͕lͳʹzΛ఻͍͔͑ͨ ໌౓ ҉෦ͷྖҬͰ ΠϯύΫτΛڧΊΔ ϋΠΩʔ ϋΠόϦΞϯε إ
໌౓͕ࠩ͋Δ ਤܗͰғΉ ৘ใྔʹ͕ࠩ͋Δ നۜൺʢԣํ޲ʣ য఺͕ྡ઀ ϥΠϯ ҆ఆͨ͠ ओ໾ ϑϨʔϜͱฒߦ தԝͷԁ ৭ ஆ͔Ͱ ௐ࿨ͷऔΕͨ ७നͳҹ৅ ஆ৭ ྨࣅ৭ ໌ਗ਼৭ ͜͜·Ͱͷઆ໌ ͔͜͜Βͷઆ໌ ʜ ΧϥʔΩʔ ΧϥʔΩʔ ෼ ղ

̎ ֆࢣ͕zͳʹzΛ఻͍͑ͨͷ͔ ΠϥετϨʔλʔ

l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ Πϥετͷߏ੒ཁૉͱͯ͠ɺߨٛ΍ٕ๏ॻͰΑ͘ղઆ͞ΕΔͷ͸͜ΕΒ̒ͭͷཁૉ͕ͩʜ ͲΜͳߏ੒ཁૉ͕͋Δ͔ ɾϥΠϯ ɾγΣΠϓ ɾ໌౓ ɾ৭ ɾޫ ɾΧϝϥ Πϥετͷߏ੒ཁૉ

ɾϥΠϯ ɾγΣΠϓ ɾ໌౓ ɾ৭ ɾޫ ɾΧϝϥ ɾϥΠϯʢΧϝϥΛؚΉʣ ɾγΣΠϓ ɾ৭ ɾ໌౓ʢޫΛؚΉʣ
ࠓճ͸આ໌Λγϯϓϧʹ͢ΔͨΊɺ̐ͭʹ·ͱΊͯઆ໌͢Δɻ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ Πϥετͷߏ੒ཁૉ ͲΜͳߏ੒ཁૉ͕͋Δ͔

l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ ϦχΞεΩʔϜ ̍ͭ໨͸ϥΠϯɻ࠷΋جຊతͳσβΠϯཁૉͰ͋Γͳ͕Βɺ࠷΋ॳ৺ऀ͕࢖͍͜ͳ͢͜ͱ͕೉͍͠ཁૉɻ Πϥετͷߏ੒ཁૉᶃɿϥΠϯ ϥΠϯͱ͸ ߏਤͷࠎ૊ΈͱͳΔઢͰɺߏਤઢͱݺ͹ΕΔɻ தͰ΋ɺࢹઢ΍ਐߦํ޲ͷΑ͏ͳԾ૝ͷઢͷ͜ͱ͸ɺ૝ఆઢͱݺͿɻ JNBHJOBSZMJOF DPNQPTJUJPOBMMJOF

l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ ϥΠϯΛݟ͚ͭΔͷ͸؆୯ɻϥΠϯ͸ओʹɺয఺ͱϦʔσΟϯάϥΠϯͰߏ੒͞Ε͍ͯΔɻ ߏਤͷࠎ૊ΈͱͳΔઢͰɺߏਤઢͱݺ͹ΕΔɻ தͰ΋ɺࢹઢ΍ਐߦํ޲ͷΑ͏ͳԾ૝ͷઢͷ͜ͱ͸ɺ૝ఆઢͱݺͿɻ JNBHJOBSZMJOF DPNQPTJUJPOBMMJOF ϦχΞεΩʔϜ য఺ͱͳΔͷ͸ য఺੍ޚͷํ਑ إ΍਎ମ
ଞͱҧ͏ྖҬ ઢ͕ࣔ͢ྖҬ ݟ׳ΕͨϞϊ ৘ಈతͳϞϊ য఺Λ҆ఆԽ য఺Λ݁Ϳ য఺ΛڧԽ ʴϦʔσΟϯάϥΠϯ Πϥετͷߏ੒ཁૉᶃ ϥΠϯͱ͸ Πϥετͷߏ੒ཁૉᶃɿϥΠϯ

Πϥετͷߏ੒ཁૉᶃɿϥΠϯ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ ϥΠϯΛݟ͚ͭΔͷ͸؆୯ɻϥΠϯ͸ओʹɺয఺ͱϦʔσΟϯάϥΠϯͰߏ੒͞Ε͍ͯΔɻ ߏਤͷࠎ૊ΈͱͳΔઢͰɺߏਤઢͱݺ͹ΕΔɻ தͰ΋ɺࢹઢ΍ਐߦํ޲ͷΑ͏ͳԾ૝ͷઢͷ͜ͱ͸ɺ૝ఆઢͱݺͿɻ JNBHJOBSZMJOF DPNQPTJUJPOBMMJOF ϦχΞεΩʔϜ য఺ͱͳΔͷ͸ য఺੍ޚͷํ਑
إ΍਎ମ ଞͱҧ͏ྖҬ ઢ͕ࣔ͢ྖҬ ݟ׳ΕͨϞϊ ৘ಈతͳϞϊ য఺Λ҆ఆԽ য఺Λ݁Ϳ য఺ΛڧԽ ʴϦʔσΟϯάϥΠϯ ϥΠϯͱ͸ ϥΠϯͷܗ΍૊Έ߹ΘͤͰɺҹ৅͕มΘΔɻ l-BOETDBQF"SDIJUFDUVSF+PIO0SNTCFF4JNPOETc.D(SBX)JMM1SPGFTTJPOBM1VCʢʣlΑΓ

Πϥετͷߏ੒ཁૉᶃɿϥΠϯ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ ϥΠϯΛݟ͚ͭΔͷ͸؆୯ɻϥΠϯ͸ओʹɺয఺ͱϦʔσΟϯάϥΠϯͰߏ੒͞Ε͍ͯΔɻ ߏਤͷࠎ૊ΈͱͳΔઢͰɺߏਤઢͱݺ͹ΕΔɻ தͰ΋ɺࢹઢ΍ਐߦํ޲ͷΑ͏ͳԾ૝ͷઢͷ͜ͱ͸ɺ૝ఆઢͱݺͿɻ JNBHJOBSZMJOF DPNQPTJUJPOBMMJOF ϦχΞεΩʔϜ য఺ͱͳΔͷ͸ য఺੍ޚͷํ਑
إ΍਎ମ ଞͱҧ͏ྖҬ ઢ͕ࣔ͢ྖҬ ݟ׳ΕͨϞϊ ৘ಈతͳϞϊ য఺Λ҆ఆԽ য఺Λ݁Ϳ য఺ΛڧԽ ʴϦʔσΟϯάϥΠϯ ϥΠϯͱ͸ ϥΠϯͷܗ΍૊Έ߹ΘͤͰɺҹ৅͕มΘΔɻ l-BOETDBQF"SDIJUFDUVSF+PIO0SNTCFF4JNPOETc.D(SBX)JMM1SPGFTTJPOBM1VCʢʣlΑΓ ֆͷ֎࿮΋ର৅

ͲͷઢΛେ͖͘ݟͤɺͲͷํ޲ʹ޲͚Δ͔ɺ ΧϝϥͰը໘શମͷઢͷόϥϯε͸੍ޚɻ " # " # ϥΠϯશମͷόϥϯε͸ɺΧϝϥͰ੍ޚͰ͖ΔɻϥΠϯҰͭҰ͚ͭͩͰͳ͘ɺશମͷ܏޲ΛݟΔͷ΋େࣄɻ ϥΠϯˠશମͷόϥϯε͸ΧϝϥͰ੍ޚ Πϥετͷߏ੒ཁૉᶃɿϥΠϯ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ

̎ͭ໨͸γΣΠϓɻΠϥετશମͷ৭΍໌౓ͷ෼෍Λͬ͘͟Γ೺Ѳ͢ΔͨΊʹ࢖ΘΕΔɻ Πϥετͷߏ੒ཁૉᶄɿγΣΠϓ γΣΠϓͱ͸ ̎ʙ̑ͭͷಉܥͷ৭΍໌౓Ͱ·ͱΊͨྖҬɻʢ㲈ΧϥʔΩʔʣ ςΫενϟ͕γϯϓϧͰ͋Δ΄ͲಡΈऔΓ΍͍͢ɻ ৭Ͱ·ͱΊΔ ໌౓Ͱ·ͱΊΔ ฏ׈Խ /஋Խ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ

γΣΠϓͱ͸ ̎ʙ̑ͭͷಉܥͷ৭΍໌౓Ͱ·ͱΊͨྖҬɻʢ㲈ΧϥʔΩʔʣ ςΫενϟ͕γϯϓϧͰ͋Δ΄ͲಡΈऔΓ΍͍͢ɻ Πϥετͷߏ੒ཁૉᶄɿγΣΠϓ ̎ͭ໨͸γΣΠϓɻΠϥετશମͷ৭΍໌౓ͷ෼෍Λͬ͘͟Γ೺Ѳ͢ΔͨΊʹ࢖ΘΕΔɻ ৭Ͱ·ͱΊΔ ໌౓Ͱ·ͱΊΔ ฏ׈Խ /஋Խ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ
ਖ਼͘͠ઃܭ͠ͳ͍ͱɺҙਤͤͣΦϒδΣΫτ͕γΣΠϓʹҿ·Ε·͢ɻ ਓ෺ʴҜࢠͷ γΣΠϓ

Πϥετͷߏ੒ཁૉᶄɿγΣΠϓ γΣΠϓͱ͸ ̎ʙ̑ͭͷಉܥͷ৭΍໌౓Ͱ·ͱΊͨྖҬɻʢ㲈ΧϥʔΩʔʣ ςΫενϟ͕γϯϓϧͰ͋Δ΄ͲಡΈऔΓ΍͍͢ɻ ̎ͭ໨͸γΣΠϓɻΠϥετશମͷ৭΍໌౓ͷ෼෍Λͬ͘͟Γ೺Ѳ͢ΔͨΊʹ࢖ΘΕΔɻ ৭Ͱ·ͱΊΔ ໌౓Ͱ·ͱΊΔ ฏ׈Խ /஋Խ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ
ਖ਼͘͠ઃܭ͠ͳ͍ͱɺҙਤͤͣΦϒδΣΫτ͕γΣΠϓʹҿ·Ε·͢ɻ ҜࢠͷγΣΠϓ ਓ෺ͷ γΣΠϓ

̏ͭ໨͸৭ɻײ৘໘ʹڧ͘࡞༻͢Δɻิ৭΍ྨࣅ৭ͳͲɺఆੴ͸͍͔ͭ͋͘Δ͕ʜ Πϥετͷߏ੒ཁૉᶅɿ৭ ৭ͱ͸ ΠϥετΛߏ੒͢Δ৭ɻ ޫͷӨڹΛड͚΍͘͢ɺײ৘໘ʹڧ͘࡞༻͢Δɻ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ ิ৭ ྨࣅ৭ τϥΠΞυ

݂ ৴߸ػ ΫϦεϚε ා͍ ָ͍͠ ۓு ৭͸ɺݸਓͷܦݧ΍࿈૝ͷӨڹ͕ڧ͘ಇͨ͘Ίɺίϯτϩʔϧ͕ͮ͠Β͘ɺҰఆͷϧʔϧԽ͕Ͱ͖ͳ͍ɻ ิ৭΍ྨࣅ৭ͳͲͷఆੴ͕͋ΔҰํɺ ܦݧ΍࿈૝ͷӨڹ͕ڧ͘ɺҰఆͷϧʔϧͰఆٛͰ͖ͳ͍ɻ ৭ͷ஫ҙ఺
Πϥετͷߏ੒ཁૉᶅɿ৭ l7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤϋϯεɾ1ɾόοϋʔcϘʔϯσδλϧʢʣlଞΑΓ

ɾֆࢣ͸৭ͷ഑ྻΛ࡞ͬͯɺ৻ॏʹ৭ͷ૊Έ߹ΘͤΛ֬ೝ͢Δ ɾڧ͍ҹ৅Λආ͚ΔͨΊɺ࠼౓ͷڧ͍৭͸ආ͚Δ © ͻΖ͞͡ lʲϓϩ͕ఴ࡟ʳΠϥετ্͕ख͘ݟ͑Δɺ৭ͷબͼํΛڭ͑·͢ʂম·͍Δc:PVUVCFʢʣlଞΑΓ $-*1456%*01"*/5 ࠼౓ ߴ ͦͷͨΊɺֆࢣ͸৭Λ͔ͳʙʙΓ৻ॏʹબͿɻ৭഑ྻΛ࡞ͬͨΓɺڧ͍࠼౓Λආ͚ͨΓɺԿ͔ͱؾΛݣ͏ɻ ৭ͷѻΘΕํ
Πϥετͷߏ੒ཁૉᶅɿ৭

lσδλϧΞʔςΟετ͕஌͓ͬͯ͘΂͖Ξʔτͷݪଇվగ൛EUPUBMDPNcϘʔϯσδλϧʢʣlଞΑΓ ̐ͭ໨͸໌౓ɻ৭ͷई౓ͷҰ͕ͭͩɺয఺࡞ΓʹศརͳͨΊɺ৭ͱ͸෼͚ͯߟ͑ΒΕΔ͜ͱ͕ଟ͍ɻ Πϥετͷߏ੒ཁૉᶆɿ໌౓ ໌౓ͱ͸ ΠϥετΛߏ੒͢Δ৭ͷ໌Δ͞ɻ ৭ͷཁૉͷҰͭͰɺಛʹয఺Λ࡞ΔࡍʹΑ͘࢖͏ɻ

໌౓ͷ෼෍ʹΑͬͯɺΩʔ΍όϦΞϯεͱ໊͍ͬͨલׂ͕Γ౰ͯΒΕΔɻͦΕͧΕͷޮՌ͸ը૾ࢀরɻ ໌౓ͷར఺ ໌౓ͷ෼෍ʹΑͬͯɺয఺ͷҹ৅ͷ੍ޚ͕Ͱ͖Δɻ ϋΠΩʔ & ϩʔόϦΞϯε ϋΠΩʔ & ϋΠόϦΞϯε ϩʔΩʔ
& ϋΠόϦΞϯε ϩʔΩʔ & ϩʔόϦΞϯε ҹ৅ ऑ ҹ৅ ऑ ҹ৅ ڧ ҹ৅ ڧ ҉෦ ө ҉෦ ө ໌෦ ө ໌෦ ө Πϥετͷߏ੒ཁૉᶆɿ໌౓ lσδλϧΞʔςΟετ͕஌͓ͬͯ͘΂͖Ξʔτͷݪଇվగ൛EUPUBMDPNcϘʔϯσδλϧʢʣlଞΑΓ

ޫ͸৭ͱ໌౓ͱؔ࿈͕ڧ͘ɺޫͷ౰ͯํͰҹ৅΋େ͖͘มΘΔɻʮޫʯ͚ͩͰҰ࡭ͷຊ͕ॻ͚Δɻ ৭ɺ໌౓ˠޫͰਓ෺΍৔ͷงғؾΛԋग़ lΧϥʔϥΠτϦΞϦζϜͷͨΊͷ৭࠼ͱޫͷඳ͖ํδΣʔϜεɾΨʔχʔcϘʔϯσδλϧʢʣlΛՃຯ͠ɺ஑্޾ًࢯͷπΠʔτΛ࠶ߏ੒ ϥΠςΟϯάʹΑΔ৭ɾ໌౓ͷௐ੔Ͱɺয఺ͷڧ͞΍ײ৘Λ੍ޚͰ͖Δɻ ϓϨʔϯϥΠτ ΤοδϥΠτʢϦϜϥΠτʣ εϙοτϥΠτ ϋʔϑγϟυ΢ɾԼ ΞϯμʔϥΠτ Πϥετͷߏ੒ཁૉᶅᶆɿ৭ɺ໌౓

ֆࢣͷૂ͍ Ͳ͜Λ఻͑Δ͔ ͳʹΛ఻͑Δ͔ γΣΠϓ ϥΠϯ ৭ ໌౓ ʜ ߏਤͷࠎ૊ΈΛߏ੒ ʜ
഑৭όϥϯεΛ౷੍ ʜ ʜ য఺ͷҹ৅Λ੍ޚ ײ৘໘Λࢧ഑ Τ Ϟ Έ ޙ൒·ͱΊɻ֤ߏ੒ཁૉ͕࣋ͭޮՌΛ஌Δ͜ͱͰɺֆࢣ͕zͳʹzΛ఻͍͔͑ͨΛ୳ΕΔΑ͏ʹͳͬͨɻ ֆࢣ͕”ͳʹ”Λ఻͍͑ͨͷ͔ɿ·ͱΊ ΠϥετϨʔλʔ

ֆࢣͷૂ͍ Ͳ͜Λ఻͑Δ͔ ͳʹΛ఻͑Δ͔ γΣΠϓ ϥΠϯ ৭ ໌౓ ʜ ߏਤͷࠎ૊ΈΛߏ੒ ʜ
഑৭όϥϯεΛ౷੍ ʜ ʜ য఺ͷҹ৅Λ੍ޚ ײ৘໘Λࢧ഑ Τ Ϟ Έ ͳ͓ɺΩϟϥΫλʔΠϥετͰ͸ɺਓ෺ͷϙʔζ΍ද৘΋ॏཁɻৄ͘͠͸ɺޙड़͢Δ͓͢͢Ίจݙʹͯɻ ֆࢣ͕”ͳʹ”Λ఻͍͑ͨͷ͔ɿ·ͱΊ ΠϥετϨʔλʔ ΩϟϥΫλʔΠϥετͷ৔߹ ਓ෺ͷϙʔζ΍ද৘ ʢࠓճ͸ະղઆʣ

ͳʹΛ఻͑Δ͔ γΣΠϓ ϥΠϯ ৭ ໌౓ ʜ ߏਤͷࠎ૊ΈΛߏ੒ ʜ ഑৭όϥϯεΛ౷੍ ʜ
ʜ য఺ͷҹ৅Λ੍ޚ ײ৘໘Λࢧ഑ Τ Ϟ Έ ޙ൒ͷ಺༰ͷҰ෦Λɺ͍͔ͭ͘1ZUIPOͰ࣮૷ͨ͠ɻલ൒ͱಉ͘͡ɺίʔυ͸(PPHMF$PMBCʹܝࡌɻ PythonͰߏ੒ཁૉ͝ͱͷಛ௃Λ෼ੳ͢Δ %&.063-   IUUQTDPMBCSFTFBSDIHPPHMFDPNESJWFKKZ);+-*+$4.JGS4UW(75CQFKD/D

1JMMPXͷLฏۉ๏ϝιουΛར༻ɻฏ׈Խ͸ɺ๲ுͱऩॖΛ਺ճࢼߦ͢ΔϞϧϑΥϩδʔม׵ʹͯ࠶ݱɻ γΣΠϓΛநग़͢Δʢ1JMMPXͷLNFBOTΛར༻ʣ # import library from PIL import Image, ImageFilter
# load image and convert to grayscale img = Image.open(img_name).convert('L') # convert to 3 group color img3groups = img.quantize(colors=3, kmeans=100) # filter erosion & dilation (6 times) img_filtered = img3groups.convert("RGB") for i in range(6): img_filtered = img_filtered.filter(ImageFilter.MaxFilter()) for i in range(6): img_filtered = img_filtered.filter(ImageFilter.MinFilter()) *NBHF.PEVMFc1JMMPX PythonͰ֤ߏ੒ཁૉͷಛ௃Λ෼ੳ͢ΔᶃɿҰ෦ղઆ

0QFO1PTFͰਓ෺ͷ࣠ͱΠϚδφϦʔϥΠϯΛਪఆɻΠϥετͰͷਫ਼౓΋ҙ֎ͱߴ͍ɻʢ$PMBCະܝࡌʣ PythonͰ֤ߏ੒ཁૉͷಛ௃Λ෼ੳ͢ΔᶄɿҰ෦ղઆ ϥΠϯΛநग़͢Δʢ0QFO1PTFΛར༻ʣʲ࣮૷ࡁΈɾίʔυ४උதʳ # import libraries import cv2 from openpose
import pyopenpose as op # Starting OpenPose opWrapper = op.WrapperPython() opWrapper.configure(params) opWrapper.start() # Process Image datum = op.Datum() imageToProcess = cv2.imread(args[0].image_path) datum.cvInputData = imageToProcess opWrapper.emplaceAndPop(op.VectorDatum([datum])) … $.61FSDFQUVBM$PNQVUJOH-BCPQFOQPTF0QFO1PTF1ZUIPO"1*&YBNQMFTc(JUIVC

Ξϖϯυ

ਓ෺ͷߦಈ͕࣠ ઌʹԿΛඳ͔ܾ͘ΊΔ ৔ॴ΍෩ܠ͕࣠ ໘γΣΠϓͰ໛ࡧ ઢγΣΠϓͰ໛ࡧ ޙͰԿΛඳ͔ܾ͘ΊΔ ਓ෺ϙʔζͰ໛ࡧ ਓ෺ͷײ৘͕࣠ খ͞ͳαϜωΛඳ͘ʢαϜωΠϧεέονʣ εέονਓܗʗࣗࡱΓͳͲΛࢿྉʹඳ͘
ઢըநग़ʗϑΥτόογϡʗCMFOEFS౳ ৭΍໌౓ͷόϥϯε഑෼͔Β໛ࡧ͢Δ ୯ઢ΍ྠֲઢΛ૊Έ߹Θͤͯ໛ࡧ͢Δ ϙʔζूʗࣸਅू͔ΒΞΠσΞΛूΊΔ ຊฤͷղઆʹؚΊ͖Εͳ͔͕ͬͨɺΠϥετΛඳ͖࢝ΊΔ౔୆࡞Γ΋ɺ1ZUIPOͰ௅ઓ͍ͯ͠Δɻ PythonͰΠϥετΛඳ͖࢝ΊΔ %&.063-   IUUQTDPMBCSFTFBSDIHPPHMFDPNESJWFYS-BS:6)$++&2-X8-YOE;S ʜ ʜ

(PPHMF#PPLT"1*TͰຊͷදࢴΛϥϯμϜʹऔಘ͠ɺγΣΠϓʢ৭ɾ໌౓ʣΛநग़ɻʢஶ࡞ݖʹཁ഑ྀʣ PythonͰΠϥετΛඳ͖࢝ΊΔɿҰ෦ղઆ ໘γΣΠϓΛ൒ࣗಈੜ੒͢Δʢ(PPHMF#PPLT"1*TΛར༻ʣ ஶ࡞ݖอޢͷͨΊ ΦϦδφϧը૾͸ ඇެ։ # import libraries import
requests, urllib # get data via Google Books APIs base_url = 'https://www.googleapis.com/books/v1/volumes' params = { 'q': query, 'country': 'JP', ‘maxResults': 40, … } r = requests.get(base_url + '?' + urllib.parse.urlencode(params)) data = r.json() # Ҏ߱ɺσʔλ͔ΒαϜωσʔλΛऔಘͨ͠Βɺ͋ͱ͸γΣΠϓͷநग़ͱಉ͡ (PPHMF#PPLT"1*Tc(PPHMF%FWFMPQFST

࠷ޙʹɺࠓճͷϓϨθϯͷ·ͱΊɻࠓճ͸ɺֆࢣͷૂ͍ΛಡΉεΩʔϜͱ1ZUIPOεΫϦϓτΛ঺հͨ͠ɻ ·ͱΊ ߏਤͷԦಓύλʔϯ΍Πϥετͷߏ੒ཁૉ͔Βɺ ɹֆࢣͷૂ͍ΛಡΉεΩʔϜΛࣔͨ͠ ֆࢣ͕lͲ͜zΛ఻͍͔͑ͨɺlͳʹzΛ఻͍͔͑ͨΛ୳Γɺ ɹͦͷ͍͔ͭ͘Λ1ZUIPOͰ࠶ݱͨ͠

͜ΕΛػʹɺΠϥετΛֶͼͨ͘ͳͬͨɺ1ZUIPOͰ෼ੳͨ͘͠ͳͬͨํ͸ɺͥͻֶशϦιʔεΛݟͯɻ ͓͢͢ΊͷֶशϦιʔε ɾΠϥετͷߏ੒ཁૉͷޮՌΛ΋ͬͱ஌Γ͍ͨ ˠॻ੶ɿ7JTJPOετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤ ɾΠϥετͷߏ੒ཁૉʮޫʯΛਂ͘஌Γ͍ͨ ˠॻ੶ɿΧϥʔϥΠτϦΞϦζϜͷͨΊͷ৭࠼ͱޫͷඳ͖ํ ɾΠϥετͷߏ੒ཁૉʮ৭ʯΛਂ͘஌Γ͍ͨ ˠॻ੶ɿ৭ృΓνϡʔτϦΞϧ ɾ࣮ફతͳয఺ͷ࡞ΓํΛͨ͘͞Μ஌Γ͍ͨ ˠॻ੶ɿΫϥΠϚοΫε·Ͱ༠͍ࠐΉֆ࡞Γͷൿ݃
ɾਓମΛਖ਼֬ʹඳ͚ΔΑ͏ʹͳΓ͍ͨ ˠॻ੶ɿඒज़ղ๤ֶϊʔτɺΩϜɾϥοΩͷਓମυϩʔΠϯά ɾθϩ͔ΒΠϥετΛඳ͚ΔΑ͏ʹͳΓ͍ͨ ˠॻ੶ɿ೔ؒͰมΘΔըྗ޲্ߨ࠲ ɾਓ෺͸ඳ͚ͳ͍͚ͲϑΥτόογϡ͸ͯ͠Έ͍ͨ ˠॻ੶ɿࣸਅՃ޻Ͱ࡞Δ෩ܠΠϥετɺϑΥτόογϡೖ໳ ɾ͓͢͢Ίͷ:PVUVCFνϟϯωϧΛڭ͑ͯ ˠ٢ా੣࣏ɺম·͍Δɺອըૉࡐ޻๪ʢܟশུʣ ɾ͓͢͢Ίͷ5XJUUFSΞΧ΢ϯτΛڭ͑ͯ ˠҏ౾ͷඒज़ղ๤ֶऀɺμςφΦτʢܟশུʣ ɾ͓͢͢Ίͷߏਤ্͕ख͍ֆࢣΛڭ͑ͯ ˠࠇ੕ߚനɺ٢ా੣࣏ɺΠϦϠɾΫϒγϊϒɺ͸͠Όʢܟশུʣ ɾਓ෺ͷϙʔζΛཧ࿦తʹֶͼ͍ͨ ˠిࢠॻ੶ɿϙʔζͷఆཧ ɾΩϟϥֆ্͕ख͘ͳΔ࠷୹ϧʔτΛ஌Γ͍ͨ ˠ໨ࢦ͍ͨ͠ֆࢣͷֆฑΛਅࣅͯɺ৭Μͳ̎࣍૑࡞Λඳ͘ ཧ ࿦ ॏ ࢹ ٕ ॏ ࢹ

ͻΖ͞͡ ϙʔτϑΥϦΦαΠτ Twitter DM / ͓୊ശ or ࢓ࣄืूதͰ͢ʂࠓͳΒʮ1Z$POΛΈͯʯͰɺϥϑ·ͰແྉͰ͓ࢼ͍͚ͨͩ͠·͢ʢʙ೥಺·Ͱʣ ʹͯ ࠷ޙʹɿΠϥετͷ࢓ࣄɺืूͯ͠·͢ʂ

• ◦×ͰΘ͔Δ෩ܠ࡞ը ਆٕ࡞ըγϦʔζ - ͚͞ϋϥε | KADOKAWAʢ2020ʣ • ֆΛݟΔٕज़ ໊ըͷߏ଄ΛಡΈղ͘
- ळాຑૣࢠ | ே೔ग़൛ࣾʢ2019ʣ • Vision ετʔϦʔΛ఻͑Δɿ৭ɺޫɺߏਤ - ϋϯεɾPɾόοϋʔ | Ϙʔϯσδλϧʢ2019ʣ • ΠϥετɺອըͷͨΊͷߏਤͷඳըڭࣨ - দԬ৳࣏ | MdN ʢ2018ʣ • ΍΍͘͜͠ͳ͍ֆͷඳ͖ํ - দଜ্ٱ࿠ | ल࿨γεςϜʢ2020ʣ Ҏ্ɺ͝੩ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ SFGFSFODF Thank you! • Graph-based visual saliency.- Harel, Jonathan, Christof Koch, and Pietro Perona.ʢ2007ʣ • Visual search in depth - McSorley, E., and J. M. Findlay. | Vision Research 41ʢ2001ʣ

• إ, ͓Αͼ, ώτͷݕग़աఔͷݚڀ - ԕ౻ޫஉ | جૅ৺ཧֶݚڀʢ2015ʣ • ࢹ֮৘ใॲཧͷجૅաఔ
- ԣ୔Ұ඙ | ੜ࢈ݚڀʢ1992ʣ • ΫϥΠϚοΫε·Ͱ༠͍ࠐΉֆ࡞Γͷൿ݃ ετʔϦʔΛޠΔਓͷͨΊͷඞਢৗࣝ:໌҉ɺߏਤɺϦζϜɺϑϨʔϛϯά - ϚϧίεɾϚς΢=ϝετϨ | Ϙʔϯσδλϧʢ2014ʣ • σδλϧΞʔςΟετ͕஌͓ͬͯ͘΂͖Ξʔτͷݪଇ վగ൛ -৭ɺޫɺߏਤɺղ๤ֶɺԕۙ๏ɺԞߦ͖ - 3dtotal.com | Ϙʔϯσδλϧʢ2021ʣ • Filmmaker's Eye өըͷγʔϯʹֶͿߏਤͱࡱӨज़:ݪଇͱͦͷഁΓํ - άελϘɾϝϧΧʔυ | Ϙʔϯσδλϧʢ2013ʣ Ҏ্ɺ͝੩ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ SFGFSFODF Thank you! • Χϥʔ&ϥΠτ ϦΞϦζϜͷͨΊͷ৭࠼ͱޫͷඳ͖ํ - δΣʔϜεɾΨʔχʔ | Ϙʔϯσδλϧʢ2012ʣ

• cv::saliency::StaticSaliencyFineGrained Class Reference | OpenCV • ayoolaolafenwa/PixelLib | Github
• keisen/tf-keras-vis | Github • Image Module | Pillow • CMU-Perceptual-Computing-Lab / openpose - OpenPose Python API Examples | Github Ҏ্ɺ͝੩ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ SFGFSFODF Thank you! • Google Books APIs | Google Developers • Landscape Architecture - John Ormsbee Simonds | McGraw-Hill Professional Pubʢ2013ʣ

• ٢ా੣࣏ Youtube channel - ٢ా੣࣏ | YouTube • Yaki
Mayuru drawing channel - ম·͍Δ | YouTube • ʮAndyʛΫϦΤΠςΟϒɾσΟϨΫλʔʯࢯͷπΠʔτ | Twitter  https://twitter.com/we_creat/status/1221939759427260417 • ʮ஑্޾ً Koki IkegamiʯࢯͷπΠʔτ | Twitter  https://twitter.com/winter_parasol/status/1345661507682459654 Ҏ্ɺ͝੩ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ SFGFSFODF Thank you! • ߟ͑ํͰֆ͸มΘΔ ΠϥετεΩϧ޲্ͷͨΊͷμςࣜࢥߟ๏ - μςφΦτ | ϚΠφϏग़൛ʢ2019ʣ • ϙʔζͱߏਤͷ๏ଇ: ࢖͑Δߏਤύλʔϯຬࡌ - YANAMiʗࠤ౻ཽଠ࿠ | ኍࡁಊग़൛ʢ2016ʣ

絵を読む技術 Pythonによるイラスト解析 / The Art of Reading Ill...

絵を読む技術 Pythonによるイラスト解析 / The Art of Reading Illustrations

More Decks by Hirosaji

Other Decks in Technology

Featured

Transcript