컴퓨터 비전/딥러닝

학교에서 팀 프로젝트를 수행하게 되어 긴 영상 속 객체의 하이라이트를 추출하는 것을 주제로 선정했다.우리 팀은 첫 회의를 통해서 현재 영상의 객체를 탐지하여 하이라이트를 추출하는 일이 얼마나 수행되고 있는지 탐색하기로 했다.각자 서칭한 정보들을 수집하여 주제를 선정하는

출처 https://ko.wikipedia.org/wiki/%EA%B0%9D%EC%B2%B4\_%ED%83%90%EC%A7%80학교에서 캡스톤 디자인 프로젝트를 진행하는 데 객체 탐지를 바탕으로 한 동영상 하이라이트 추출을 우리 팀의 주제로 삼았다.주제를 보다

객체 탐지에는1\. 영역 제안을 하는 경우: R-CNN의 종류들2\. 정해진 위치와 정해진 크기의 객체만 찾는 경우 : YOLO 등의 큰 두 가지 카테고리를 정의할 수 있다.객체가 있을 법한 영역을 제안하는 Two-Stage Methods는 (Faster R-CNN 등

조원들은 일주일 동안 객체 탐지 알고리즘에 관련해서 서치하고 중간중간 자신이 얻은 정보들을 공유하며 알고리즘을 학습했다.아래는 일주일 간 학습하여 회의 동안 내용을 함께 공유하며 정리한 내용이다.객체 탐지는 컴퓨터 비전의 중요한 개념으로 임의의 이미지 속에서 우리가 원

지도 학습을 사용하여 이미지 내의 객체를 분류하는 것이 가능하지만 이는 많은 양의 질 좋은 학습 데이터를 필요로 한다. 추가적으로 인터넷 상에 사용할 데이터가 충분하지 않은 경우에 직접 커스텀 데이터를 만들어야 하는 문제가 있다.따라서 학습 데이터가 필요하지 않은 군집

수행한 프로젝트의 구조는 아래와 같다.나는 여기서 이미지 피쳐 추출 및 클러스터링 기술 부분을 맡아 수행했다.Feature는 어떤 데이터에서 의미있는 필요한 정보Feature extraction은 feature selection과 유사하지만 차이가 있다.Feature

아직 대학생이라 월급도 없지만 앞으로 취직을 해 월급을 열심히 벌어도월급만으로는 '자가'를 마련하는 것은 택도 없다고 한다.그로인해 요즘 세간의 주식 시장에 대한 관심은 폭등했고 최근 주식 시장은 크게 하락중이다...주가가 하락하는 이유는 굉장히 복합적으로 결정되기 때

SIFT(Scale Invariat Feature Transform)은 이미지의 크기, 회전과 같은 이미지 변형에영향을 받지 않는 Keypoint를 추출하는 알고리즘이다.이렇게 Keypoit를 찾아 두 이미지를 매칭하여 비슷한 부분을 찾아낼 수 있다.SIFT를 이용하여

SIFT 알고리즘은 이미지 피라미드를 이용하여 이미지의 크기가 변화하는 것에 대응하는 알고리즘OpenCV를 이용한 SIFT 실습은 아래의 자료를 참고하여 학습을 수행했다.참고 자료, SIFT 알고리즘각 파라미터에 대한 설명을 보탠다.1\. nfeatures: 검출하는

LSTM . LSTM으로 주식가격 분석이 의미 없는 이유 !! 이전에 LSTM을 이용하여 이더리움 차트를 예측해보았다. 그러나 주식 가격을 주식 차트를 분석하는 것으로 예측하는 것은 무의미하다. 앞선 이더리움 가격 분석 시에는 이더리움 가격을 1~7일의 일주일