2wnswoo 님의 블로그

KLT Algorithm, Kanade-Lucas-Tomasi Algorithm전통적인 Computer Vision Algorithm으로 별도의 학습 데이터가 필요 없이 객체 Tracking 이 가능.1980년대와 1990년대 초반에 걸쳐 개발된 알고리즘임딥러닝 모델 X 아님.Real-Time으로 Object Detection 할 때 활용빠르고 가벼운 알고리즘이지만, 빠른 움직임과 조명 변화에는 약함KLT는 지역 특징을 Tracking 하므로 뚜렷하게 특징점이 나타나지 않는 물체를 추적하지 못함Tracking을 추적할 물체의 개수에 따른 이진 분류VOT, Visual Object Tracking, 단일 물체 추적초기 프레임에서 대상을 하나 지정하고, 하나의 객체만 추적하는 기법빠른 속도로 추적 가능하다...

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..

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..