Coursera
-
CV 응용 사례#7 linear operatorsCoursera 2023. 9. 5. 16:14
* Central Difference Formula 유한차분법 the partial derivative in the y-direction를 보면 horizontal stripe(수평 줄무늬)는 강하고, vertical stripes는 약하다. the partial derivative in the x-direction를 보면, vertical stripes (수직 줄무늬)는 강하고, horizontal stripe는 약하다. * x축과 y축에 대한 편도 함수의 기울기를 계산하는 선형 필터 또는 선형 변환의 예시 유한차분법을 이용해 함수의 기울기를 구하는 방법. 필터(operator) 종류 - Sobel - Prewitt - Roberts
-
CV 응용 사례#6 Linear FilteringCoursera 2023. 9. 5. 11:02
* Linear Filtering properties: Shift Invariant : 이미지에 필터를 적용해서 얻는 결과가 이웃한 픽셀의 값에 따라 달라지지만 이러한 이미지 값이 어디에 있는지는 상관없다는 것. (outcome depends on the pattern, not the location of the pattern) Linear : 분배법칙이 적용됨. * Convolution kernel -> 필터, 가중치값들이 있음. convolution -> 이미지에 필터를 적용하는 과정. -> kernel H has been convolved with F to yield R. 이라고 표현. i, j : 각 픽셀 값 가중치를 의미. F : 기존 이미지 값(original image value) H : w..
-
CV 응용 사례#5 Image features: EdgesCoursera 2023. 8. 28. 19:18
오른쪽의 12x12행렬에 포함된 값을 강도(intensity)값이라고 한다. intensity value는 하나당 1바이트, 8비트이다. 0~255의 값을 가지고, 0에 가까울수록 강도가 낮다. 0에 가까울 수록 어둡고 255에 가까울수록 밝아진다. 빨강, 초록, 파랑 모두 최대 intensity value값을 가질 때 이를 합하면 흰색이 된다. * 물체의 경계를 찾는 방법 경계는 강도가 급격하게 변하는 부분이다. 이를 그래프로 나타내면, 위의 그래프처럼 나타낼 수 있는데, 좌표계의 원점은 좌측 상단이 되고, intensity value가 z축에 표시된다. intensity value가 낮아지는 부분이 경계가 되는 것이다. * Image features: Edges 경계를 찾아내면 많은 것을 알아낼 수 ..
-
CV 응용 사례#4 딥러닝에서의 데이터 구성Coursera 2023. 8. 27. 16:08
* 데이터 세트의 구성 과거에는 훈련용 : 검증용 : 시험용 비율을 60:20:20 혹은 70:15:15로 나누었다. 현재는 방대한 데이터 세트로 인해, 검증용과 시험용으로 15%이하로 배분한다. * 데이터 자료를 구축시 고려해야할 점. 고양이를 분류한다고 해보자. 여러 방햐에서 바라본 고양이사진. 다양한 조명조건 아래의 고양이. 전신이 아닌 일부만 보이는 고양이 사진 등의 다양한 조건의 자료로 구성해야한다. - 자율주행 자동차의 예시를 보자. 1. 다양한 환경의 이미지가 필요하다. 고속도로를 달리는 차, 시골길을 달리는 차, 좁은 골목이나 비포장도로를 달리는 차 또는 아주 많은 물체로 북적거리는 도시를 달리는 차 등 다양한 환경에 자리한 자동차의 이미지가 필요하다. 2. 다양한 기상 상태 이미지도 필요..
-
CV 응용 사례#3 인공신경망의 역사Coursera 2023. 8. 27. 15:35
* artificial neural networks input layer : 미가공 데이터, 이미지로부터 얻은 정보(픽셀 데이터) output layer: 분류가 일어나는 곳 hidden layers 은닉층: 다수의 연결이 일어나고 다수의 뉴런과 다른 뉴런에서 오는 많은 양의 입력 등이 있다. 신경망 중 은닉층의 수가 적은 경우 얕은(shallow) 신경망이라 한다.(반대는 깊은deep 신경망) * 인공 신경망의 역사 1. 1940년 McCulloch과 Pitts가 최초의 신경망 모델을 만들었다. - McCulloch과 Pitts가 만든 것은 수학적 모델이었다. 임곗값을 정해 이를 의사 결정에 사용했다. 2. 1940년대 후반과 1950년대에 최초의 컴퓨팅 모델들이 개발되었고, 학습 목적으로 활용되었는데..
-
CV 응용 사례#2 - 동작 분석과 장면 재구성Coursera 2023. 8. 27. 15:06
* motion analysis and scene reconstruction 동작 분석과 장면 재구성 인식에서 각각의 이미지를 분석했다면 동작 분석에서는 다수의 이미지를 분석하게 된다. 이미지의 배열이라고 생각해도 좋고 영상이라고 생각해도 좋다 영상이 이미지의 배열이기 때문이다. 이 과제의 목표는 이미지에서 무언가가 움직이는 지점을 찾는 것이다. 첫 번째 이미지에서 찾은 지점을 두 번째 이미지에서도 발견했다면 두 지점은 같은 강체의 일부일 수도 있다. 또는 해당 객체를 추적해서 배열 상의 첫 번째 이미지에서 두 번째 이미지까지 얼마나 이동했는지 추정할 수도 있다. 때로는 방향을 알아내거나 움직임의 크기를 알아낼 수도 있다.이렇게 방향과 움직임의 크기를 분석할 수도 있다. 동작 분석에서는 output(출력..
-
컴퓨터 비전 분야에서의 딥 러닝 응용 사례#1Coursera 2023. 8. 27. 02:26
컴퓨터 비전으로 무엇을 할 수 있는가?에 대한 대답은 컴퓨터 비전으로 해결하고자 하는 문제들에는 무엇이 있는가와 같은 질문이라 할 수 있다. 아래 컴퓨터 비전 영역의 문제들을 소개한다. 1. recgnition 인식. : 내 이미지가 특정 대상을 포함하는가?라는 질문에 대한 해답. 2. tracking / segmenting 객체 추적 또는 분할 : 이미지의 어떤 부분 즉, 어떤 픽셀이 어떤 객체에 속하는지 파악하고 영상의 그다음 이미지에서 같은 객체를 찾아내는 것. 기본적으로는 객체를 분할한 뒤 연속된 여러 이미지를 따라 객체를 추적하는 것 3. motion estimation / motion analysis 움직임 추정 / 움직임 분석 : 움직임 추정 및 움직임 분석. 예를 들어 자율주행차를 운전하는..