openCV

import > @matplotlib inline Jupyter Notebook(이하 노트북)환경에서 사용되는 명령어 본래 matplotlib은 별도의 창을 열어 그래프를 표시하는데, @matplotlib inline을 사용하면 별도의 창을 열지않고 노트북에 표시됨 이미지 Read, show > cv2.cvtColor(img, cv2.COLOR_BGR...

이미지 임계 처리(이진화) > 사용하는 이유 경계값을 기준으로 이미지를 이진화 하면 물체가 뚜렷해져, 객체 팀지를 편하게 하기 위함 cv2.threshold retval : 이미지 임계값(OTSU 처럼 자동으로 * 임계값을 구하는 경우 유용) thresholded_image : 이진화된 이미지 src : 원본 이미지 thresh : 사용할 임계값 max...

Harris Conner Detector 이미지에서 코너를 효과적으로 검출해내는 알고리즘 > 관련 알고리즘 슬라이딩 윈도우 Sobel 특정 크기의 윈도우를 상하 좌우로 이동했을때 변화가 없다 : flat 한 방향으로만 변화가 있다 : edge 모든 방향으로 변화가 있다 : conner src: 입력 이미지입니다. 이미지는 그레이스케일 (단일 채널) 이미...

윤곽선 같은 색과 강도로 계속되는 점을 이은 곡선 cv2.findContours 파라미터 mode: 윤곽선을 찾는 방법을 지정하는 플래그. cv2.RETR_EXTERNAL: 외부 윤곽선만 찾습니다. cv2.RETR_LIST: 모든 윤곽선을 찾지만, 계층

Canny Edge Detection 존 캐니(John F. Canny)가 개발한 알고리즘으로, 이미지에서 에지를 검출하는 매우 효과적인 방법 중 하나. > 일반 모서리만 필요한 고해상도 이미지의 경우 캐니 알고리즘을 적용하기 전에 자신의 블러(스무딩) 부터 적용하는것

특징 매칭을 활용하면 1차 이미지와 2차 이미지가 완전히 동일할 필요 없다. KeyPoint & Descriptor KeyPoint와 Descriptor는 특징(Feature) Point 사용되는 KeyPoint 이미지 내의 특정한 점이나 위치를 나타냄 이미지

사용하는 이유 다른 객체이지만, 객체끼리 붙어있거나 겹쳐있다면 컴퓨터는 서로 다른 객체로 인식하기 어렵다. | 원본 이미지 | 하나의 객체로 인식한 모습 | |-|-| || Distance Transform 이진 이미지에서 외부에서부터 내부로 들어갈수록 픽셀의

얼굴을 검출하는 알고리즘 다른 검출 알고리즘에 비해 빠르다 얼굴을 인식(같은 사람인지, 다른 사람인지)를 하지는 못한다. 대표적 특징 Haar Like Feature Edge, Line ... 등등의 featrue를 활용해 특징을 추출한다. 이미지와 겹쳐 검정색 부

Optical Flow 연속적인 두 프레임에서 카메라나 물체의 이동에 의해 물체가 움직이는 명확한 패턴 Assumtion 프레임이 넘어가도 물체의 픽셀 강도는 일정해야 한다. ex) 프레임 사이에서 깜밖이는 전구는 추적하기 어렵다. 인접한 픽셀끼리는 비슷한 움

MeanShift 알고리즘 클러스터의 중심으로 이동하는 알고리즘 클러스터의 밀도가 가장높은곳이 중심이 될때까지 반복해서 이동 연두색 주황색으로 클러스터의 중심이 이동 MeanShift를 활용한 객체 추적 과정 BackProjection 히스토그램 역투영 여러 색

그외 Object Tracking 방법 Boosting Tracker AdaBoost(Haar Cascade에서 사용되는) 알고리즘 사용 장점 매우 잘 알려져 있고, 잘 연구된 알고리즘 단점 *추적이 언제 실패했는지 알수가 없다. 객체가 영

머신러닝 머신러닝은 데이터를 분석해서 기계가 스스로 모델을 구축하는 것 알고리즘을 이용해 데이터를 반복적으로 학습하고, 프로그래밍 하지 않아도 컴퓨터가 숨겨진 인사이트를 찾아낸다. >openCV와 파이썬활용한 이미지 분석에서는 모폴로지연산, 필터링, 임계값 설정등과

사이킷런 머신 러닝 알고리즘에 강점을 가지며, 다양한 데이터 전처리 및 모형 평가 도구를 제공. 고전적인 머신 러닝 모델(구조가 비교적 단순한)을 다룸. 사용하기 매우 직관적이고 간단. 케라스 딥러닝 모델에 강점을 가지며, 신경망 구조를 쉽게 설계하고

MNIST Data Load One Hot Encoding : Label 카테고리화 One Hot Encoding 사용하는 이유 단어 집합내의 각 단어들을 고유한 벡터로 표현하는 것 해당 단어의 인덱스에만 1이 있고, 나머지 위치에는 0 이 존재 y_test를 카

이미지 전처리 과정이 필요한 이유 (Augmentation) 실제 이미지들은 Scale이 다 달라서 학습에 유리하도록 전처리 과정을 진행해주어야 한다. 이미지를 변형시키는 과정을 통해 많은 데이터를 확보할수 있고, 이를통해 UnderFitting과 OverFittin