Soumettre la recherche
Mettre en ligne
Google Earthでの点・線・面の作り方
•
0 j'aime
•
29,862 vues
Naoya Nishibayashi
Suivre
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 23
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
GoogleEarth基礎演習
GoogleEarth基礎演習
Inoshachu, NPO
PyDataTokyoでの発表資料をアップしました。 http://pydatatokyo.connpass.com/ スマートフォンやセンサーデバイスの普及に伴い、「ロケーション・インテリジェンス」と言われるように、位置情報データの解析が盛んになってきています。本発表では、地図オタクが位置情報データを扱う上でぶつかる特有の問題やPythonライブラリを活用した対処方法を紹介します。位置情報データにまつわる解析事例も交えつつ、地図の世界に誘います。 参考) https://www.youtube.com/watch?v=2sXKpj9Z91k https://www.youtube.com/watch?v=dnPIwmlphII
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
2018年6月22日 FOSS4G 2018 Hokkaido のハンズオンの資料です。QGIS3.0.2でのハンズオンです。
PythonとQGISで簡単処理
PythonとQGISで簡単処理
Kazutaka ishizaki
This slide explains the relationship between camera pose and view matrix.
カメラ位置姿勢とビュー行列
カメラ位置姿勢とビュー行列
Shohei Mori
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理, 第112回 ロボットのための画像処理技術 (5/31開催) (2018/05/31), https://www.rsj.or.jp/seminar/s112/ レジストレーションの基礎とOpen3Dを用いた3次元点群処理, 愛知県立大学 次世代ロボット研究所(RING)セミナー, 愛知県立大学, 愛知, 2018/6/27.
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 三次元点群とは、三次元形状をその表面上の各点座標値の集合によって表現するデータ形式です。各点は順不同、かつ点の密度や総数が一定とは限らないという三次元点群の性質から、画像での深層学習の知見を直接応用することは難しいとされてきました。本発表では、PointNet 以降急速に発展した点群深層学習に関する研究の流れをまとめるとともに、実アプリケーションへの応用につながるような研究事例の紹介を行います。
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
2016年11月4日 FOSS4G 2016 Tokyo のハンズオンの資料です。 FOSS4G 2016 Hokkaidoの焼き直しになりますが、 2016/10/03 リリースのCesium 1.26版を利用し、ラベル表示について説明を追加しています。
Cesiumを動かしてみよう FOSS4G 2016 Tokyo版
Cesiumを動かしてみよう FOSS4G 2016 Tokyo版
Kazutaka ishizaki
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
Recommandé
GoogleEarth基礎演習
GoogleEarth基礎演習
Inoshachu, NPO
PyDataTokyoでの発表資料をアップしました。 http://pydatatokyo.connpass.com/ スマートフォンやセンサーデバイスの普及に伴い、「ロケーション・インテリジェンス」と言われるように、位置情報データの解析が盛んになってきています。本発表では、地図オタクが位置情報データを扱う上でぶつかる特有の問題やPythonライブラリを活用した対処方法を紹介します。位置情報データにまつわる解析事例も交えつつ、地図の世界に誘います。 参考) https://www.youtube.com/watch?v=2sXKpj9Z91k https://www.youtube.com/watch?v=dnPIwmlphII
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
2018年6月22日 FOSS4G 2018 Hokkaido のハンズオンの資料です。QGIS3.0.2でのハンズオンです。
PythonとQGISで簡単処理
PythonとQGISで簡単処理
Kazutaka ishizaki
This slide explains the relationship between camera pose and view matrix.
カメラ位置姿勢とビュー行列
カメラ位置姿勢とビュー行列
Shohei Mori
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理, 第112回 ロボットのための画像処理技術 (5/31開催) (2018/05/31), https://www.rsj.or.jp/seminar/s112/ レジストレーションの基礎とOpen3Dを用いた3次元点群処理, 愛知県立大学 次世代ロボット研究所(RING)セミナー, 愛知県立大学, 愛知, 2018/6/27.
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 三次元点群とは、三次元形状をその表面上の各点座標値の集合によって表現するデータ形式です。各点は順不同、かつ点の密度や総数が一定とは限らないという三次元点群の性質から、画像での深層学習の知見を直接応用することは難しいとされてきました。本発表では、PointNet 以降急速に発展した点群深層学習に関する研究の流れをまとめるとともに、実アプリケーションへの応用につながるような研究事例の紹介を行います。
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
2016年11月4日 FOSS4G 2016 Tokyo のハンズオンの資料です。 FOSS4G 2016 Hokkaidoの焼き直しになりますが、 2016/10/03 リリースのCesium 1.26版を利用し、ラベル表示について説明を追加しています。
Cesiumを動かしてみよう FOSS4G 2016 Tokyo版
Cesiumを動かしてみよう FOSS4G 2016 Tokyo版
Kazutaka ishizaki
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
SSII2020 技術動向解説セッション SS2 6/11 (木) 14:30〜15:00 メイン会場 (vimeo + sli.do) 3次元モデルのレンダリングを深層学習に組み込むこと(≒ 微分可能レンダリング)で、3次元空間のパラメータを2次元画像上の損失関数に基づいて最適化することが可能となり、2次元画像からの物体の3次元再構成の学習や敵対的3Dモデルの生成などが実現できる。この技術は、複数の大手企業がライブラリを公開するなど近年急速に注目を集めている。本講演では、微分可能レンダリングの基本的な考え方と、その様々な応用例を紹介する。
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
python PyTorchLightning Hydrea MLFlow Optuna MLOps
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
2022年10/06の社内勉強会の発表資料です。
MediaPipeの紹介
MediaPipeの紹介
emakryo
2020/01/24 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展
Deep Learning JP
第1回3D勉強会@関東「SLAM チュートリアル大会」講演資料 (他の講演との関係で Laser SLAM が中心) https://3dvision.connpass.com/event/86945/
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
g2oの紹介です
G2o
G2o
Fujimoto Keisuke
生物系と違ってドライ系では実験ノート書かない人多いのなんで? ちゃんと書こうよ。費やした時間もトータルではちゃんと戻ってくるから。
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
Masahiro Kasahara
Introduction of Autoware
Autowareの紹介と物体検出
Autowareの紹介と物体検出
Yuhki Iida
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
Ver. 2を公開しました: https://speakerdeck.com/nnchiba/point-cloud-deep-learning-survey-ver-2 PointNet前後~ECCV2018の点群深層学習関連の論文についてまとめました. 間違いなどあればご指摘頂けるとありがたいです.
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
SLAM introduction + Monocular SLAM + CNN-SLAM rough description
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
第5回3D勉強会@関東 論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
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
レイトレ空間構造入門
レイトレ空間構造入門
Toru Matsuoka
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
PointNet
Point net
Point net
Fujimoto Keisuke
【勉強会】自己組織化マップ(SOM)
【勉強会】自己組織化マップ(SOM)
Jun Harada
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
Sift特徴量について
Sift特徴量について
la_flance
第11回全日本コンピュータビジョン勉強会(前編)での発表資料です。以下論文の解説です。 Hansheng Chen et al., "EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation," CVPR2022.
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
Kazuyuki Miyazawa
2021/08/06 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
Deep Learning JP
アイコンの変え方
アイコンの変え方
Naoya Nishibayashi
Arctokml
Arctokml
Naoya Nishibayashi
Contenu connexe
Tendances
SSII2020 技術動向解説セッション SS2 6/11 (木) 14:30〜15:00 メイン会場 (vimeo + sli.do) 3次元モデルのレンダリングを深層学習に組み込むこと(≒ 微分可能レンダリング)で、3次元空間のパラメータを2次元画像上の損失関数に基づいて最適化することが可能となり、2次元画像からの物体の3次元再構成の学習や敵対的3Dモデルの生成などが実現できる。この技術は、複数の大手企業がライブラリを公開するなど近年急速に注目を集めている。本講演では、微分可能レンダリングの基本的な考え方と、その様々な応用例を紹介する。
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
python PyTorchLightning Hydrea MLFlow Optuna MLOps
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
2022年10/06の社内勉強会の発表資料です。
MediaPipeの紹介
MediaPipeの紹介
emakryo
2020/01/24 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展
Deep Learning JP
第1回3D勉強会@関東「SLAM チュートリアル大会」講演資料 (他の講演との関係で Laser SLAM が中心) https://3dvision.connpass.com/event/86945/
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
g2oの紹介です
G2o
G2o
Fujimoto Keisuke
生物系と違ってドライ系では実験ノート書かない人多いのなんで? ちゃんと書こうよ。費やした時間もトータルではちゃんと戻ってくるから。
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
Masahiro Kasahara
Introduction of Autoware
Autowareの紹介と物体検出
Autowareの紹介と物体検出
Yuhki Iida
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
Ver. 2を公開しました: https://speakerdeck.com/nnchiba/point-cloud-deep-learning-survey-ver-2 PointNet前後~ECCV2018の点群深層学習関連の論文についてまとめました. 間違いなどあればご指摘頂けるとありがたいです.
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
SLAM introduction + Monocular SLAM + CNN-SLAM rough description
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
第5回3D勉強会@関東 論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
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
レイトレ空間構造入門
レイトレ空間構造入門
Toru Matsuoka
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
PointNet
Point net
Point net
Fujimoto Keisuke
【勉強会】自己組織化マップ(SOM)
【勉強会】自己組織化マップ(SOM)
Jun Harada
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
Sift特徴量について
Sift特徴量について
la_flance
第11回全日本コンピュータビジョン勉強会(前編)での発表資料です。以下論文の解説です。 Hansheng Chen et al., "EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation," CVPR2022.
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
Kazuyuki Miyazawa
2021/08/06 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
Deep Learning JP
Tendances
(20)
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
MediaPipeの紹介
MediaPipeの紹介
[DL輪読会]近年のエネルギーベースモデルの進展
[DL輪読会]近年のエネルギーベースモデルの進展
オープンソース SLAM の分類
オープンソース SLAM の分類
G2o
G2o
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
Autowareの紹介と物体検出
Autowareの紹介と物体検出
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
CNN-SLAMざっくり
CNN-SLAMざっくり
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
論文紹介「PointNetLK: Robust & Efficient Point Cloud Registration Using PointNet」
レイトレ空間構造入門
レイトレ空間構造入門
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
Point net
Point net
【勉強会】自己組織化マップ(SOM)
【勉強会】自己組織化マップ(SOM)
Sift特徴量について
Sift特徴量について
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monoc...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
En vedette
アイコンの変え方
アイコンの変え方
Naoya Nishibayashi
Arctokml
Arctokml
Naoya Nishibayashi
Google Earthを学校教育・研究利用において活用するための研修会用資料です。研修会で用いたデータは下記からダウンロードすることができます。 http://goo.gl/DS3bR
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
Hiroaki Sengoku
ペイントとGoogle Earthを使って、デジタル主題図を作成しましょう。
デジタル主題図の作りかた
デジタル主題図の作りかた
Kento Ide
国土交通省の「国土数値情報」内の「浸水想定区域」のデータをGISソフト「MANDARA」で加工してGoogle Earth上で見るためのマニュアル。最近、記録的な豪雨に伴う浸水被害が多いので、作ってみました。
Self hazardmap20140817
Self hazardmap20140817
Tomoaki Ito
3月30日講習会より
Google earthとは・opentextmapとは
Google earthとは・opentextmapとは
Naoya Nishibayashi
FOSS4G Tokyo ハンズオン資料
Foss4g資料西林
Foss4g資料西林
Naoya Nishibayashi
無事2回目を開催できた地図教材コンテスト。 今回もマニアックな教材たちが多数応募されてきた。 いくつか取り上げてマニアックな地図をご紹介いたします
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
Naoya Nishibayashi
2017/01/21 code for ikoma 用
20170121 codeforikoma cesium実践
20170121 codeforikoma cesium実践
Naoya Nishibayashi
FOSS4G Hokkaido 2014での講演資料です
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
Hiroaki Sengoku
Introduction to kernel density estimation (KDE)
カーネル密度推定
カーネル密度推定
Akisato Kimura
2014/3/8 SAT 早稲田大学 国際オープン教育リソース研究所シンポジウム「子供達に広がる可能性、世界一楽しい授業の実現」での発表資料です。NPO法人伊能社中で行っている電子地図教材に関する活動をご紹介しています。 http://www.iknowshachu.org/
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
Hiroaki Sengoku
伊能社中の中部大学との共同研究報告 「市民によるデジタルアースアーカイブの実証的研究開発」 今や月額100円でサーバーをレンタルでき、中学生・高校生がお小遣いで全世界に向けて情報発信できる時代。伊能社中では、中学生・高校生が地域の情報発信の担い手となり、地域コミュニティの形成・住民発オープンデータの普及を推進するための研究を行いました。今回、実施したモデルケース(デジタルアース)を全国へと拡大させていくことを目指しています。
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
Hiroaki Sengoku
日本学術会議 「学校教育にもとめられるオープンデータを活用できる人材育成」での発表資料です。 http://www.iknowshachu.org/scj/index.html
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
Hiroaki Sengoku
立命館地理学会プレゼン
Rits20161207
Rits20161207
Tomoaki Ito
カーネル密度推定を用いて、日本国内のマクドナルドの分布状況を可視化するというお話です。 解析にはGRASSを使用しています。
カーネル密度推定を用いた店舗情報の可視化
カーネル密度推定を用いた店舗情報の可視化
Kanetaka Heshiki
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみよう
NozomiIriomote
En vedette
(17)
アイコンの変え方
アイコンの変え方
Arctokml
Arctokml
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
デジタル主題図の作りかた
デジタル主題図の作りかた
Self hazardmap20140817
Self hazardmap20140817
Google earthとは・opentextmapとは
Google earthとは・opentextmapとは
Foss4g資料西林
Foss4g資料西林
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
20170121 codeforikoma cesium実践
20170121 codeforikoma cesium実践
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
カーネル密度推定
カーネル密度推定
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
Rits20161207
Rits20161207
カーネル密度推定を用いた店舗情報の可視化
カーネル密度推定を用いた店舗情報の可視化
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみよう
Google Earthでの点・線・面の作り方
1.
Google Earthでの 点・線・面の作り方
と データの保存
2.
Google Earthを起動します
3.
上部のツールバーより点・線・面の描画を選択します ↑点 ↑面 ↑線
4.
点の描画の仕方
5.
点の描画の仕方 ・押しピンのマークを選択すると、マップ上にマークが出てきます。 ・マークをドラッグして 目的の場所に移動させます
6.
名前のところに地点の名前を入れます 自由にその地点の説明文を書きます 地点のアイコンを変更する事が出来ます アイコンの色や大きさを変える事が出来ます
7.
画像を入れる場合はここに、URLをいれる。 ローカルに保存されている画像の場合はパスを記入する。
「../../../画像名.JPG」 など 画像の使用の際には著作権などに気をつけましょう
8.
完成
9.
線の描画の仕方
10.
線の描画の仕方 ・このマークを選択します。 ・マップ上をクリックしていき、 線を書いていきます。
(訂正する場合はBack Spaceキー)
11.
線の名前を記入します 線の色や太さを帰る事が出来ます 自由に説明を書く事が出来ます。 画像を入れる事も出来ます。
12.
線の完成!
13.
面の描画の仕方
14.
線の描画の仕方 ・このマークを選択します。 ・マップ上をクリックしていき、 面を書いていきます。
(訂正する場合はBack Spaceキー)
15.
面の名前を記入します 面の色や透過度を変える事が出来ます 自由に説明や画像を入れる事 が出来ます
16.
完成!
17.
データの保存方法
18.
作ったデータはgoogle earthの左枠の「場所」のところに出来ています。
19.
ここで、右クリックして、フォルダを作ります 追加>フォルダ
20.
作成したフォルダにデータをドラッグして入れて いきます。
21.
データを入れたフォルダを右クリックして、「名前をつけて場所を保存」をします
22.
保存する名前を入力します ファイル形式を選択します (kmlもしくはkmz)
23.
保存先にgoogle earthのアイコンが出来れてれば、保存完了!!
Télécharger maintenant