분류 전체보기 221

machine learning

l 발췌: Learning OpenCV 제대로 배우기(개리 로스트 브라드스키 저, 황선규 역) 기계 학습이란? 기계 학습(ML: machine learning)의 목적은 주어진 데이터를 유용한 정보 형태로 변환하는 것이다. 다시 말해서 데이터들의 집합을 기계에게 학습시킨 후, 새로운 데이터에 대한 질문에 기계가 대답할 수 있게끔 만드는 작업이다. 예를 들어, “이 데이터와 가장 유사한 데이터는 무엇인가?”와 같은 질문에 대한 답을 알고 싶은 것이다. 때로는 비용(cost) 요소가 존재하는 경우도 있는데, 이 경우 다음과 같은 질문이 가능하다. “현재 잘 팔리고 있는 상품들 중에서 만약 소비자들에게 해당 상품의 광고를 보여주었을 경우 소비자의 구매욕이 가장 증가할 것 같은 제품은 어떤 것인가?” 기계 학습..

[스크랩][공유] 허접한 교통표지판 인식 구현 동영상입니다.

https://cafe.naver.com/opencv/25089 허접한 교통표지판 인식 구현 동영상입니다. 안녕하세요 4개월간 졸업작품을 준비하면서 카페에서 많은 도움을 받았습니다. 답변 달아주신 분들 모두 감사합니다 ^ ^ 인식과정은 동영상 보시면 잘 나와있습니다. 모든 카페원님... cafe.naver.com 안녕하세요 4개월간 졸업작품을 준비하면서 카페에서 많은 도움을 받았습니다. 답변 달아주신 분들 모두 감사합니다 ^ ^ 인식과정은 동영상 보시면 잘 나와있습니다. 모든 카페원님들 감사합니다. 회사에 입사해서도 이 분야에 배치될지 잘 모르겠네요 ^ ^;; ㅎㅎ;;

연산증폭기3. 응용회로

1. 차동증폭기(Difference Amplifier) ; 두 신호(Vi1, Vi2)의 차이를 증폭 => 이전까지는 하나의 입력신호를 사용했다 => OP Amp 자체도 피드백이없으면 포화된다 1.1 해석(이상적인 OP Amp) 이전 포스팅에서 , 이상과 비이상적인 OP Amp의 개루프이득 오차는 0.1% 미만이라고 했다. 그래서 기능을 해석할 때는, 이상적이라고 가정하고 사용해도 무방하다. ; 중첩의 원리를 이용. 1.1.1 Vi1만 고려. Vi2 = 0(GND)일 때. => 반전증폭기의 형태이다. (+)단자가 GND 이므로. 따라서 출력은 1.1.2 Vi2만 고려 Vi1 = 0(GND)일 때. -> Vi2가 R3,R4에 의해 Divide 됨.(V2) -> 결국, (+)단자는 V2라는 전압을 입력받음. ..

SWT/JFACE 발전 흐름

A. 발전흐름(시간순서) 1. Swing(이클립스 GUI 개발의 시작) - 목적 : Sun Microsystems가 98' 에 플랫폼 독립적인 GUI 어플리케이션 개발을 위해 라이브러리 배포 - 지금 안쓰는 이유 : 개발 복잡함, 실행 느림 - 느린 이유 각 운영체제는 고유 GUI 외양, 행위 특징 등이 있음. 운영체제의 객체를 사용하지 않고, 모든 것을 처음부터 다시 생성하기 때문(경량 컴포넌트라고 함) - Swing의 MVC 방법론( Model - Delegate Architecture) : Delegate;대신한다는 의미, View에 Controller 합친 것을 의미한다. -> Model & UI Delegate(=View + Controller ) 로 구성 2. SWT(Swing 의 대안으로 나..

7. Hough Transform

1.목적 Hough Transform을 사용하여 이미지에서 직선 혹은 다른 패턴을 추출 할 수 있다. 2.이론 Hough Transform은 이미지에서 직선을 추출하는 방법이다. 위의 그림처럼 x-y평면위 직선 상의 한 점은, 직선의 절편 a,b를 변수로 놓았을 때 a-b평면에서의 직선으로 나타낼 수 있다. 여기서 직선 여러 점을 a-b평면으로 옮기면 여러 직선이 나오고, 모든 직선이 지나는 교점은 x-y평면으로 옮기면 인 직선으로 다시 변환된다. 따라서, 두 평면상에 점 직선의 변환관계가 성립하고. 이것을 이용하여 직선을 추출하는 방법이 Hough Transform이다. 예를 들어, x-y 평면의 엣지는 a-b평면의 한 점으로 지나므로 x-y평면으로 나타낸 이미지의 모든 pixel을 a-b평면으로 옮겨..

6. Canny edge detector

Canny Edge detection 86'년 John F. Canny가 개발한 알고리즘. 우월한 Edge 검출기이다. -> 잘찾으면서, 회색물질 관련 에지를 제거할 수 있음. 장점. 1. 낮은 에러율 2. 정확한 에지의 위치. 3. 에지당 1개의 점만 표시. 단점 복잡해서, 실행시간이 길다. Canny edge는 5단계(혹은 4단계)를 거친다. 1. Smoothing 뒷단계에서 미분하는 작업이 있는데, 미분을 하면 Noise가 많이 생긴다. Smoothing을 통해서 미리 제거해준다. Canny edge에서는 Gaussian filter를 사용한다. 2. Gradients Edge는 Image의 Intensity가 급격하게 변하는 부분이다 변화의 방향도 중요한 정보이므로, 이를 얻기위해 vector의 ..

5 Color Model

1. Gray scale : 밝기 정보만 있는 것 (Color X, 0: 검정 ~ 255 : 흰색) 2. RGB (빛의 3원색) -> 빛의 3원색으로 표현 -> Red, Green, Blue -> 검은색 : [0,0,0] 흰색 : [255,255,255] 회색 : R=G=B, Gray 3. HSV (색,채도,명도) 3.1 Hue(색조) : 붉은색인지 / 푸른색인지 [0 : 빨강 ~ 255], Index로만 사용하므로 크기는 의미없음. 3.2 Saturation(채도) : 얼마나 선명(순수)한 색인지 ( [0:무채색 ~ 255: 가장 선명한 색] 3.3 Value(명도) : 밝기(intensity) [0:어두움 ~ 255: 밝음] 4. YCbCr -> 밝기성분 Y와 색차정보 Cb,Cr을 분리하여 표현 ->..

4. Labeling

1. labeling -> 이미지 내의 객체마다 각각 고유한 번호를 부여하는 것 -> Connected-component labeling -> 2-pass labeling labeling의 예 연결된 객체의 정의 - 4 connectivity: 상하좌우 - 8 connectivity: 상하좌우 + 대각선 4-connect, 8 - connect 2. Connected Component Labeling -> 4 connectivity 기준으로 설명. 좌우스캔, 상하스캔. 좌우스캔, 상하스캔. Pass-1 1. 배경이 아닌 픽셀을 만나면 주위의 연결 픽셀 중 바로 위 픽셀과 왼쪽 픽셀을 검사합니다. 만약 라벨이 되어 있는 픽셀이 없다면 새로이 라벨을 부여한다. 등가 표에 새로이 번호를 추가한다. 2. 이어서..