2wnswoo 님의 블로그

IoU, Intersection over UnionIoU, Intersection over Union : Object Detection 모델에서 하나의 계측을 예측한 bounding box와 실제 bounding box와의 accuracy를 측정하는 지표       *Union : 합집합, Intersection : 교집합, Over : 나누기mAP, Mean Average Precision: Object Detection 모델이 여러 객체를 얼마나 잘 탐지했는지  Ex. 0.519 mAP각 클래스별로 AP, Average Precision을 구한 후, 모든 클래스에 대해 평균을 낸 값이 mAPEx.실제 자동차 대수 : 10대정확하게 탐지한 대수 : 9대 탐지 했다면,AP = 0.9 (90%)Box Co..

진동, Vibration, Oscillation 일정 시간 간격으로 반복되는 운동 ✅ 진동계의 3가지 기본 요소진동 시스템은 질량(Mass), 스프링(Stiffness), 감쇠(Damping) 3가지 요소로 구성돼.요소역할설명질량 (Mass, mmm)관성물체의 무게(질량)가 클수록 진동의 저항이 커짐스프링 (Stiffness, kkk)복원력변형된 물체를 원래 상태로 되돌리려는 힘감쇠 (Damping, ccc)에너지 소멸진동을 줄이는 역할(마찰, 공기 저항 등)💡 즉, 질량이 흔들리고, 스프링이 복원하려 하며, 감쇠가 진동을 줄이는 역할을 함!

PLC란?PLC는 "프로그램이 가능한 로봇 두뇌" 같은 거정식 이름은 "Programmable Logic Controller"( 프로그래머블 로직 컨트롤러 )그냥 쉽게 "공장용 컴퓨터" 라고 생각시스템의 기본 요소시스템( System ) = 입력( Input ) + 처리( Process ) + 출력( Output )입력( Input ): 시스템이 받는 신호 또는 데이터처리( Process ): 입력을 가공하거나 변환하는 과정출력( Output ): 처리 결과로 나타나는 결과물제어시스템의 종류개루프( Open-Loop ) 제어시스템 : 현재 state가 미래 state에 영향을 주지 않는 것, 출력이 다시 입력으로 피드백되지 않는 시스템 폐루프(Closed-Loop) 또는 피드백(Feedback) 제어시스..

Hough Transform: 이미지에서 특정한 형태( 직선, 원 등 )을 찾는 알고리즘, 가장 기본적인 형태는 직선 검출임 *노이즈 제거, 스무딩 처리하는 이유 :노이즈가 많은 이미지에서는 엉뚱한 곳에 경계를 만들 수 있음.👉 스무딩을 하면 불필요한 엣지를 줄이고, 진짜 경계만 남길 수 있어!👉  경계가 아닌 부분인데도 엣지가 생기면 잘못된 결과를 초래 Machine Learning의 4단계 1단계 : 데이터 수집 , 학습에 필요한 데이터를 수집하는 과정2단계 : 모델 선택 , 머신러닝/딥러닝 모델 선택3단계 : 학습, 훈련 집합에 있는 샘플을 최소 오류로 맞히는 최적의 가중치 weight 값을 알아내는 것4단계 : 예측( 추론, inference ) , 학습을 마친 모델을 사용하여 새로운 데이터 ..

컴퓨터 비전의 목표 : 제한된 환경에서 특정한 과업을 사람 성능에 가깝게 또는 사람보다 우월하게 수행하는 것       *GAN, Generative Adversarial Network : 두 신경망( 생성자와 판별자, Generator/Discriminator )가 서로 경쟁하며 학습하는 모델비주얼 서보잉, visual servoing : 로봇이나 자율 시스템이 카메라로 얻은 이미지 정보를 이용하여 물체를 추적하는 기술이진영상, binary image : 픽셀이 두 가지 값 ( 0 과 1 또는 0 검정 과 255 흰색 )만 갖는 영상을 의미캐니 엣지 디텍션의 결과 > binary image이진화 하는 이유 : 데이터를 단순화하고 연산량을 줄이기 위해모폴로지, Morphology : 이미지의 형태를 분석..

의사결정 트리, decision tree지도학습 알고리즘Ex. 스무고개 놀이엔트로피 : 정답에 대한 불확실성을 수치화 한 것정보 이득 = 질문 전의 엔트로피 - 질문 후의 엔트로피단점은, 쉽게 overffiting 된다는 것이다.나이브 베이즈 분류 알고리즘, Naive bayes *naive = 단순한데이터를 나이브하게 독립적인 사건으로 가정하고, 이 독립 사건들을 베이즈 이론에 대입시켜 가장 높은 확률의 레이블로 분류를 실행하는 알고리즘이다. *이산적이다 : 연속적이지 않고 끊어져 있는 상태를 의미 Ex. 1, 3, 7 같은 개별적인 숫자 📌 앙상블 기법 (Ensemble Learning)여러 개의 모델을 조합하여 개별 모델보다 더 나은 성능을 내는 방법배깅(Bagging, Bootstrap Aggr..

하나의 클래스가 다양한 역할을 수행하게 되는 거대 클래스는 개발자가 지양해야 함void function(){cout 자식 클래스의 객체를 부모 클래스의 타입으로 변환하는 것을 업캐스팅이라고 함::는 범위 연산자, 범위 지정자SOLID 원칙, 객체지향 설계의 다섯 가지 원칙1. 단일 책임 원칙, SRP : 클래스는 한 가지 기능만 수행해야하고, 한 가지 이유로만 변경해야 한다.2. 개방-폐쇄 원칙, OCP : 클래스는 확장에는 열려 있으나, 수정에는 닫혀 있어야 한다.3. 리스코프 치환 원칙, LSP : 자식 클래스는 언제나 부모 클래스를 완전히 대체할 수 있어야 한다.4. 인터페이스 분리 원칙, ISP : 클라이언트는 사용하지 않은 인터페이스에 의존해서는 안 된다.5. 의존 역전 원칙, DIP : 고수준..

벤치마크 데이터셋 : 여러 연구자들이 공동으로 쓸 수 있는 데이터셋을 의미 Ex. COCO 데이터셋, 이미지넷, KITTI data set, nuScenes dataset 등Data Augmentation 증강 은 데이터가 부족할 때, 기존의 데이터를 변형해서 새로운 정보인 것 처럼 가공해서 사용하는 것을 말함 > 이런 행위가 인공지능한텐 효과가 있고, 새로운 데이터라고 받아들임.Crop 잘라내기, Brightness 밝기 변화, Rotation 회전, Flip 좌우, 위 아래 반전, Saturation 채도변화주기,    These materials are derived from Prof. Park Jin-sun of the Department of Information and Computer Engi..

지도학습 Supervised learning학습시 데이터에 대한 레이블( 정답 )을 함께 부여하는 학습 방식정답값 = 레이블, 실제값, 타깃, y값예측값 = 분류값, y hat비지도 학습 Unsupervised learning학습시 레이블 없이 데이터만 필요함--분류와 회귀데이터가 입력됐을 때 분류는 분리된 값으로 예측 Ex. 덥다/춥다회귀는 연속된 값으로 예측 Ex. 30.5도, 3.5도분류에는 이진분류/다중분류 로 나뉨--머신러닝 모델 학습에 가장 큰 영향을 주는 것은 데이터.이 데이터에서 충분히 특징을 찾아내지 못하고 머신러닝 모델을 학습할 경우 모델이 과소적합, underfitting 되기 쉬움필요 이상의 특징으로 학습할 경우,머신러닝 모델이 학습데이터에서만 높은 정확도를 가지는 경우, 과대적합,..

한 개의 클래스 안에서 동일한 이름으로 여러 개의 생성자를 만드는 것을 overloading이라고 함단, 생성자에 들어가는 매개변수는 다르게 해야한다.이렇게 하는 이유는 상황마다 객체를 생성할 때, 매개변수로 전달되는 값이 다를 수 있어서 여러가지 방법을 제공하는 것임소멸자, Desturctor는 스택에 할당된 객체는 함수가 종료될 때 자동으로 소멸된다, 함수가 끝나면 해당 객체가 자동으로 소멸되고, 메모리가 해제된다.리스코프 치환원칙은 '부모가 할 수 있는 일을 자식도 할 수 있어야 한다'는 규칙this->는 this 포인터를 사용해서 해당 객체의 멤버변수나 함수에 접근하는 구문이다.친구 클래스는 해당 클래스의 private 또는 protected 멤버에 접근할 수 있는 특별한 권한을 부여받은 클래스E..