narlo의 Devlog

3주차 목표 컴퓨터비전 강의 리뷰 및 정리 컴퓨터비전 강의 리뷰 및 정리 Edge Detection 이미지의 값에 대한 분포를 그렸을 때, 기울기가 가파른 부분이 edge에 해당한다. 중간 그림에서 기울기가 급감하고, 급증하는 두 부분이 edge에 해당한다. 미분한 결과에서, 극값이 edge에 해당한다. Sobel Filter 1 2 1 로 이루어진 필터는 blurring의 역할을 담당하고, -1 0 1로 이루어진 필터는 이미지에서의 선 검출에 쓰인다. Gradient, Threshold를 이용하여 edge를 검출할 수 있다. 노이즈가 많은 이미지의 경우 노이즈가 edge로 판단될 수 있다. => sobel 필터만으로는 잡음을 해결하기 어렵다. 따라서 low pass filter인 average, gau..

13주차 Segmentation 데이터를 의미있는 부분, 영역으로 나누는 것 Semantic Segmentation pixel마다 어떤 class인지 맞추는 것, 배경도 포함 Instance Segmentation thing에 해당하는 클래스, 배경은 X Panoptic Segmentation Semantic + Instance Video Object Segmentation tracking까지 같이 해주는 Semantic Segmentation 각 픽셀마다 어떤 클래스인지 맞추는 것 사전에 정의된 클래스에 대해서만 가능 애매함이 없다. 라벨링이 어렵다.(누끼) 객체 하나하나를 분류할 수 있는 능력은 X 이미지를 patch로 쪼개는 방법 : 비효율적 FCN(Fully Convolutional Network..

11주차 CNN Architectures 1. AlexNet - 8개의 layer - 227 * 227 * 3 입력 이미지 해상도 고정 output size: p는 padding의 크기 k는 kernal, filter의 크기 s는 stride 파라미터 개수 filter size * 3(3차원) * 필터 개수 pooling의 경우에는 학습해야 할 파라미터의 개수가 0이다. softmax : normalization, 각 클래스의 값의 합을 1로 만들어준다. -> 0과 1 사이의 확률값으로 2. VGGNet 더 작은 필터를 사용, 깊어진 network 전부 3*3 filter 사용 3개의 3*3 conv 1개의 7*7 conv => receptive field는 같다. 파라미터 수는 27C^2, 49C^2으..

9주차 Image Warping 1. Forward Warping(보내는 방법) M이라는 변환행렬 f(x, y)의 픽셀 값을 g(x', y')에 보낸다. x', y'의 위치가 대부분 소수이다. 높은 확률로 4개의 픽셀 사이에 놓일 것이다. 한 점 x', y'에 여러 값이 놓이는 경우 : 평균값 이용 다 기록해야 하기 때문에 번거롭다. 값을 받지 못하는 점(hole)이 존재할 수 있다. 2. Backward Warping hole X, 결과를 저장할 필요 X Interpolation 1. nearest neighbor interpolation 가장 가까운 것으로 복원하겠다. 2. Linear Interpolation(선형 복원) 3. Bilinear Interpolation (2D) Image resize..

7주차 Image correspondence 1. keypoint 추출 2. 포인트의 특징 벡터 기술 3. 거리 측정 => 가까운것끼리 매칭(threshold 사용) 매칭이 잘 되었는지 확인할 방법이 없다. 잘못 매칭된 keypoint : outlier outlier를 없애고 싶어(반영 X) RANSAC(RANdom SAmple Consensus) outlier를 어느정도 없앨 수 있다. 1. random한 점 추출 2. model parameter를 푼다. 3. inlier를 구한다. (직선과 나머지 모든 점들간의 거리) - threshold를 이용해 거리 < T인 경우 count - max를 기억해두고, max인 경우의 outlier를 제거한 뒤 inlier만 이용해 least square Trans..

5주차 Feature Description keypoint들의 특징벡터 기술 1. 이미지 패치를 1차원 벡터로 나열 - 같은 내용을 포함하는 두 패치가 다른 밝기를 가진 경우 특징 표현이 잘 안된다. 2. 이미지 패치를 1차원 벡터로 나열하고, 값 간의 차이를 서술하는 방법 image gradient 이용 - 이미지에 기하학적 변환이 있는 경우 취약 3. color histogram을 이용하여 이미지 특징을 서술하는 방법 - 비슷한 색상 분포를 갖는 다른 사진의 경우도 같다고 판단할 수 있음 - 회전된 경우 취약한 문제는 해결 4. spatial histogram 셀 단위로 나누어 histogram을 계산하는 방법 - 같다고 판단하기가 힘들다. - 회전에 취약하다. Orientation Normaliza..

3주차 Edge detection 이미지의 값에 대한 분포를 그렸을 때, 기울기가 가파른 부분이 edge에 해당한다. 중간 그림에서 기울기가 급감하고, 급증하는 두 부분이 edge에 해당한다. 미분한 결과에서, 극값이 edge에 해당한다. Sobel filter는 위와 같이 두 필터로 나눌 수 있는데, 이 중 오른쪽에 해당하는 필터는 x방향의 미분에 해당한다. 왼쪽 필터는 blurring의 역할을 담당한다. x방향 미분 필터는 수직선 검출에 쓰인다. y방향 미분 필터는 수평선 검출에 쓰인다. Image Gradient 이미지의 강도 또는 색상의 방향 변경 magnitude(크기) gradient direction(방향) Image Gradient와 threshold를 이용하여 edge를 검출할 수 있다...

1주차 영상(Image) : pixel들의 집합 pixel은 좌표와 값으로 이루어져 있으며, 디지털 이미지를 다루는 최소 단위이다. digital image 좌표, 값 모두 불연속적인 정수이다.(0~255) 동영상(Video) FPS : Frame Per Second FPS가 높을수록 더 매끄러운 영상 Camera Imaging Model CCD(Charge coupled device) camera - High-end DSLR camera - Global CMOS(Complementary metal-oxide semiconductor) camera - Smartphone - Rolling shutter Rolling Shutter의 경우 Distortions - skew - rotation 왜곡이 발생한..