Computer Vision Glossary

이미지 필터링(Image Filtering)은 디지털 이미지 처리에서 사용되는 중요한 기술 중 하나이다. 이미지 필터링은 이미지에 특정한 연산을 적용하여 이미지를 개선하거나 원하는 특성을 추출하는 과정을 의미한다. 이 연산은 일반적으로 커널(kernel)이라고 불리는 작은 행렬을 사용하여 주변 픽셀과 조합된다. 이미지 필터링의 목적은 이미지에서 원하는 정보...

Convolution(합성곱)과 Correlation(상관)은 신호 처리 및 이미지 처리 분야에서 주로 사용되는 연산 기술이다.Convolution(합성곱):Correlation(상관):Convolution은 커널을 뒤집어서 사용하고, Correlation은 뒤집지 않

Bayer Image는 디지털 카메라 센서에서 색상 정보를 기록하는 데 사용되는 일반적인 방법 중 하나이다. Bayer 패턴 또는 Bayer 필터로도 알려져 있다. 이 방법은 이미지 센서가 하나의 픽셀당 하나의 색상 정보만을 기록할 수 있는 경우에 사용된다. 대부분의

이미지 보간(Image Interpolation)은 디지털 이미지 처리에서 중요한 개념 중 하나로, 이미지의 해상도를 변경하거나 이미지의 크기를 조절하는 과정에서 사용된다. 이미지 보간은 원본 이미지의 픽셀 값을 기반으로 새로운 픽셀 값을 생성하는 기술이다. 이 때,

정규화된 8점 알고리즘(Normalized Eight-Point Algorithm)은 컴퓨터 비전과 기계 학습 분야에서 사용되는 기술 중 하나로, 카메라 모션 추정, 구조화된 환경에서의 객체 추적 등 다양한 응용 분야에서 활용된다. 이 알고리즘은 주로 다음과 같은 상황

Fundamental Matrix(기본 행렬)는 컴퓨터 비전 및 컴퓨터 그래픽스에서 중요한 개념 중 하나로, 스테레오 비전 및 구조화된 환경에서 카메라 간의 기하학적 관계를 나타내는 행렬이다. 이 행렬은 두 개의 카메라 이미지 간의 관련성을 정의하며, 다음과 같은 중요

"Stereo Image Rectification"는 스테레오 이미지를 보정하는 작업을 의미한다. 스테레오 이미지는 두 개의 카메라 렌즈를 사용하여 동일한 장면을 서로 다른 시점에서 촬영한 이미지이다. 이러한 이미지 쌍은 깊이 정보를 얻기 위해 사용될 수 있으며, 3D

"Cost Volume"은 컴퓨터 비전 및 깊이 추정 작업에서 사용되는 중요한 개념 중 하나이다. Cost volume은 주로 스테레오 이미지 매칭 및 깊이 추정을 위한 알고리즘에서 사용된다.스테레오 이미지 매칭은 서로 다른 시점에서 촬영된 두 개의 스테레오 이미지 (

Normalized Cross-Correlation(NCC)는 컴퓨터 비전 및 신호 처리 분야에서 사용되는 중요한 개념 중 하나이다. NCC는 두 신호 또는 이미지 간의 유사성을 측정하는 데 사용된다.NCC는 크로스-상관(correlation)과 관련이 있으며, 다음과

Disparity Map(시차 맵)은 스테레오 이미지 처리와 깊이 추정에서 중요한 개념이다. Disparity map은 스테레오 이미지 쌍(좌측 이미지와 우측 이미지) 간의 시차(disparity) 정보를 시각화한 것으로, 각 픽셀에서 얼마나 이동해야 하는지를 나타내는

"Feature Point"는 컴퓨터 비전 및 이미지 처리 분야에서 중요한 개념이다. Feature points는 이미지나 비디오에서 특정한 특징이나 패턴을 나타내는 지점을 가리킨다. 이러한 특징점은 주로 이미지 내의 고유한 구조, 물체, 모서리, 모서리 교차점, 코너

Harris Corner Detector(하리스 코너 검출기)는 컴퓨터 비전 및 이미지 처리 분야에서 사용되는 코너 검출 알고리즘 중 하나이다. 이 알고리즘은 이미지에서 관심 있는 코너 지점을 검출하기 위해 사용된다. 코너는 이미지에서 물체의 모서리, 모퉁이, 구석과

유클리드 거리(Euclidean Distance)는 공간상의 두 점 사이의 직선 거리를 나타내는 메트릭(거리 측정 방법) 중 하나이다. 이 거리 측정 방법은 2차원 또는 3차원 유클리드 공간에서 두 점 사이의 거리를 계산하는 데 사용된다.유클리드 거리는 다음과 같이 계

Cosine Similarity(코사인 유사도)는 벡터 공간에서 두 벡터 간의 유사성을 측정하는 데 사용되는 유사성 지표 중 하나이다. 이 지표는 두 벡터 사이의 각도를 측정하여 유사성을 계산한다.코사인 유사도는 다음과 같은 방식으로 계산된다. 두 벡터 A와 B가 주어

Corresponding Points는 서로 다른 이미지나 프레임에서 동일한 물체나 특징을 나타내는 지점을 가리킨다. 예를 들어, 동일한 장면의 서로 다른 두 이미지에서 대응 지점은 동일한 물체의 위치를 나타내며, 이미지 매칭, 객체 추적 및 3D 재구성과 같은 작업에

Confidence는 일반적으로 모델, 알고리즘 또는 시스템이 특정 결정 또는 예측을 얼마나 확신하는지를 나타내는 지표이다. Confidence는 0부터 1까지의 범위에서 나타나며, 1에 가까울수록 더 큰 확신을 나타낸다. Confidence는 이미지 처리에서 예측 결

HOG는 "Histogram of Oriented Gradients"의 약자로, 컴퓨터 비전 및 객체 검출 분야에서 사용되는 특징 추출 기술 중 하나이다. HOG는 이미지의 지역적 그래디언트 정보를 히스토그램으로 표현하여 이미지에서 객체의 모양과 윤곽을 설명하는 데 사

SIFT, 또는 "Scale-Invariant Feature Transform,"는 컴퓨터 비전 분야에서 사용되는 이미지 특징 추출 기술 중 하나이다. SIFT는 이미지 내에서 특정 지점(특징 포인트)을 식별하고, 해당 포인트 주변의 특징을 설명하는 데 사용된다. 이러

"Linear Kernel"과 "RBF Kernel"은 머신 러닝 및 커널 기반 메서드(예: 서포트 벡터 머신, 커널 PCA 등)에서 사용되는 커널 함수(kernel function) 중 두 가지 일반적인 유형이다.Linear Kernel (선형 커널):선형 커널은 가

"Bag of Words" (BoW)와 "Spatial Pyramid Features"는 컴퓨터 비전 및 컴퓨터 비전 기반 작업에서 사용되는 특징 추출 및 표현 기법이다.Bag of Words (BoW):BoW는 주로 이미지 처리 및 텍스트 처리에서 사용되는 개념이다.

SVM (Support Vector Machine)은 기계 학습 및 패턴 인식 분야에서 사용되는 강력한 지도 학습 알고리즘 중 하나이다. SVM은 데이터를 분류, 회귀 및 이상치 감지와 같은 여러 작업에 사용된다. 이 알고리즘의 주요 목표는 데이터를 가장 잘 나누는 분

PCA는 "Principal Component Analysis"의 약자로, 주성분 분석이라고도 불린다. PCA는 다변량 데이터의 차원을 줄이거나 데이터의 주요 특징을 추출하는 데 사용되는 통계적 기술이다. 주로 데이터 축소 및 차원 축소 작업에 적용된다.PCA의 주요

"공분산 행렬 (Covariance Matrix)"은 통계학과 선형대수학에서 중요한 개념으로, 다변량 데이터 집합에서 변수 간의 상관 관계와 분산을 나타내는 행렬이다. 공분산 행렬은 다음과 같은 목적으로 사용된다:변수 간 상관 관계 분석: 공분산 행렬을 통해 다른 변수

Eigenvalues와 Eigenvectors는 선형 대수학에서 중요한 개념으로, 행렬과 관련이 있다. 특히, 정방행렬 (즉, 행과 열의 수가 동일한 행렬)에 대한 고유값(eigenvalues)과 고유벡터(eigenvectors)는 행렬의 중요한 특성을 나타내는 데 사