RICOH THETA V でダイビングの様子を撮影した360度動画に対して Mac で色補正などの編集を行いたかった。 適当なフリーソフトが見つからなかったのでいろいろ調べながら ffmpeg で編集した。 そのメモを残しておく。
- input
- mp4 形式 (THETA V で撮影した360度動画をそのまま取得)
package com.example | |
import org.apache.spark.sql.functions.avg | |
import org.apache.spark.sql.SparkSession | |
object IsolationLevelExperiment { | |
def main(args: Array[String]): Unit = { | |
// Prepare SparkSession | |
val spark = SparkSession | |
.builder() |
// Register listener | |
spark | |
.listenerManager | |
.register(new QueryExecutionListener { | |
override def onSuccess(funcName: String, qe: QueryExecution, durationNs: Long): Unit = { | |
val num = qe.observedMetrics | |
.get("my_metrics") | |
.map(_.getAs[Long]("num")) | |
.getOrElse(-100.0) |
RICOH THETA V でダイビングの様子を撮影した360度動画に対して Mac で色補正などの編集を行いたかった。 適当なフリーソフトが見つからなかったのでいろいろ調べながら ffmpeg で編集した。 そのメモを残しておく。
package mlp.onlineml.classification.binary | |
import breeze.linalg.{DenseMatrix, DenseVector} | |
/** | |
* A base class of binary linear classification | |
* | |
* @param w weight vector | |
* @param sigma covariance matrix | |
*/ |
import numpy as np | |
from sklearn import cross_validation, mixture | |
import pickle | |
import os | |
import pystan | |
import time | |
import matplotlib.pyplot as plt | |
def dump_stan_model(stan_model, compiled_file_name): |
data { | |
int<lower=1> D; // number of dimensions | |
int<lower=1> N; // number of samples | |
int<lower=1> M; // number of mixture components | |
vector[D] X[N]; // data to train | |
} | |
parameters { | |
simplex[M] weights; // mixture weights | |
vector[D] mu[M]; // means | |
vector<lower=0.0>[D] sigma[M]; // standard deviation |
# -*- coding: utf-8 -*- | |
from sklearn.datasets import make_classification | |
import numpy as np | |
import matplotlib.pyplot as plt | |
import pystan | |
NUM_MIXTURE_COMPONENTS = 4 | |
NUM_DIMENSIONS = 2 |
data { | |
int<lower=1> D; // number of dimensions | |
int<lower=1> N; // number of samples | |
int<lower=1> M; // number of mixture components | |
vector[D] X[N]; // data to train | |
} | |
parameters { | |
simplex[M] weights; // mixture weights | |
vector[D] mu[M]; // means | |
cov_matrix[D] sigma[M]; // covariance matrix |
library(slam) | |
library(skmeans) | |
# CSV からデータの読み込み | |
x <- read.csv("data.csv") | |
# skmeans で扱えるデータ構造(simple triplet matrix)に変換 | |
s <- as.simple_triplet_matrix(x) | |
# k-means 実行 |
library(ggplot2) | |
# CSV 読み込み | |
color_plot_data <- read.csv("points.csv") | |
# 座標データとして x, y 列、色データとして r, g, b 列を与えて散布図を描画 | |
ggplot(data=color_plot_data, aes(x=x, y=y, col=rgb(r, g, b))) + | |
geom_point() + | |
scale_color_identity() | |