2wnswoo 님의 블로그

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..

다형성, polymorphism : 상속받은 클래스들이 부모와 다른 다양한 특성을 가지는 것상위 개념( 부모 클래스 )의 역할을 대신할 수 있으면서 각자의 고유한 특징으로 동작하는 것이 다형성OOP에서 다형성을 구현하려면 overriding 키워드를 상속받는 클래스 안의 함수 맨 오른쪽에 적어준다.overriding 하려면 부모 클래스의 함수를 virtual 키워드를 붙여서 가상함수로 선언해야함생성자(Constructor)는 객체가 생성될 때 자동으로 호출되는 특별한 종류의 함수

분류 Classification : 각 데이터가 어떤 클래스에 속하는지 판별하는 것이 목적V2V, Vehicle to Vehicle : 전방 차량의 정보가 우리 차량에까지 정보가 전달됨을 의미한다.Radar는 앞 차량의 가감속 정보를 정확하게 인식하지 못한다는 단점이 있음이를 V2V 통신을 통하여 앞 차량의 데이터를 받아 안정적인 자율주행 구현

차선 추출 과정컬러 이미지를 그레이 영상으로 변환: 컬러 이미지는 일반적으로 RGB로 되어 있으므로, 차선 추출을 위해서는 그레이스케일로 변환하는 것이 효율적입니다. 이 단계에서는 색상 정보가 제거되고, 밝기 정보만 남게 됩니다.잡음 제거를 위한 필터 적용 (예: GaussianBlur): 이미지에는 노이즈가 포함될 수 있기 때문에, 이를 제거하기 위해 가우시안 블러(GaussianBlur)와 같은 필터를 사용합니다. 이는 이미지의 경계를 부드럽게 하여, 후속 Edge 검출 과정에서 잘못된 경계를 제거하는 데 도움을 줍니다.Edge (경계) 추출: 이 단계에서는 Canny Edge Detection이나 Sobel 필터 등을 이용해 이미지에서 경계를 추출합니다. 경계는 차선 검출에서 중요한 정보를 제공하므..

카메라 : 사람과 사물, 차량 등으로 분류하면서 주변 물체 식별어두운 공간이나 악천후 상황에서는 사물 식별 어려움원근감 정확한 판별 불가레이더 : 반사되어 돌아오는 신호를 기반으로 거리, 속도, 방향 등의 정보를 추출날씨, 시간과 관계없이 제 성능을 발휘, 주파수에 따라 단거리부터 중거리, 장거리를 모두 감지할 수 있음ADAS( ACC ) 에 사용물체의 정확한 식별 불가라이다 : 물체와 빛을 주고받으며 3차원 지도를 제작센서 융합, Sensor Fusion 은 :각 센서에서 인식된 정보를 하나로 결합, 자율주행이 가능하도록 한 기술사람과 사물, 차량 등으로 분류하면서 주변 물체 식별어두운 공간이나 악천후 상황에서는 사물 식별 어려움원근감 정확한 판별 불가센서의 Data 처리 이전 융합 방법카메라 2D 이..