전체 글
[패턴인식] 에지 검출(1) : 에지 검출의 기초, 영교차 이론
Edge Detection 목차 0. Preview 1. 에지 검출의 기초 2. 영교차 이론 3. 캐니 에지 4. 컬러 에지 5. 선분 검출 0. Preview 에지의 유용성 물체의 경계를 표시해 줌 매칭에 용이한 선분이나 곡선으로 변환 가능 에지의 한계 실종된 에지(거짓 부정, False Negative), 거짓 에지(거짓 긍정,False Positive) 발생 이들 오류를 어떻게 최소화할 것인가? 1. 에지 검출의 기초 원리 물체 내부나 배경은 변화가 없거나 작은 반면, 물체 경계는 변화가 큼 이 원리에 따라 에지 검출 알고리즘은 명암, 컬러 또는 텍스처의 변화량을 측정하고, 변화량이 큰 곳을 에지로 검출 1.1 디지털 영상의 미분 1차원($tan\theta $ = 기울기 = 변화량) 연속 공간에서의..
[패턴인식] 영상 처리(3) : 다해상도, 모폴로지, 컬러
Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 은 이전 게시글을 참고해주세요 https://codingsmu.tistory.com/103?category=983612 [패턴인식] 영상 처리(2) : 이진영상, 영상 처리의 세가지 기본 연산 Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 은 이전 게시글을 참고해주세요 https://codingsm.. codingsmu.tistory.com 5. 다해상도 ..
[패턴인식] 영상 처리(2) : 이진영상, 영상 처리의 세가지 기본 연산
Digital Image Processing목차0. Preview1. 디지털 영상이란?2. 히스토그램3. 이진 영상4. 영상 처리의 세가지 기본 연산5. 다해상도6. 모폴로지7. 컬러 은 이전 게시글을 참고해주세요https://codingsmu.tistory.com/102 [패턴인식] 영상 처리(1) : 디지털 영상, 히스토그램Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 0. Preview 영상처리(DIP, Digital Image Process..codingsmu.tistory.com 3. 이진 영상3.1 이진화와 오츄 알고리즘이진화명암영상을 흑..
[패턴인식] 영상 처리(1) : 디지털 영상, 히스토그램
Digital Image Processing 목차 0. Preview 1. 디지털 영상이란? 2. 히스토그램 3. 이진 영상 4. 영상 처리의 세가지 기본 연산 5. 다해상도 6. 모폴로지 7. 컬러 0. Preview 영상처리(DIP, Digital Image Processing) 주어진 목적을 달성하기 위해 원래 영상을 새로운 영상으로 변환 컴퓨터 비전의 전처리 과정 단위 화소단위(Pixel) : Histogram 통계적 영역단위 : Convolution 기하학적 : Geometric 1. 디지털 영상이란? 1.1 디지털 영상의 태동 Bartlane 시스템[McFarlane72] 1920년 유럽 미국 영상 전송 시스템 개통 미디어 산업에 혁신 불러일으킴 한 세기 지난 현재 디지털 카메라, 스마트폰 등..
[패턴인식] 컴퓨터 비전 소개 : Intro. Computer Vision
Intro. Computer Vision 목차 1. 컴퓨터 비전을 배우는 이유 2. 컴퓨터 비전 문제를 해결하는 방법 3. 시스텀 설계 4. 인접 학문 1. 컴퓨터 비전(CV)을 배우는 이유 팽창하는 응용 : 오락, 교통, 보안, 산업 등 다양한 분야로 응용되고 있음 시각은 오감 중에서 가장 강력한 인지 기능 CV는 컴퓨터를 이용하여 시각 기능을 갖는 기계장치를 만드는 기술 분야 2. 컴퓨터 비전 문제를 해결하는 방법 2.1 과학적 접근과 공학적 접근 Goal1. 사람의 시각에 맞먹는 인공 시각 만들기(for Science) 과학적 접근 방식으로, 사람 시각의 원리를 밝혀낸 다음 컴퓨터로 모방 뇌 과학의 주요 관심사로 지식 표현, 학습, 추론, 창작 같은 AI가 필수 역, 불량 문제와 다양한 변형 발생으..
[NLP] 워드투벡터(Word2Vec)
Word2Vec Model Word2Vec는 단어 간 유사도를 반영할 수 있도록 단어의 의미를 벡터화할 수 있는 방법이다. Word2Vec의 주요 아이디어는 "비슷한 분포를 가진 단어라면 비슷한 의미를 가질 것"이다 즉, 자주 같이 등장할수록 두 단어는 비슷한 의미를 가짐을 의미한다. Word2Vec은 Input, Hidden, Output Layer 3개의 층으로만 이루어져 학습이 빠르고 많은 단어 뭉치를 학습할 수 있어 성능이 좋다. Word2Vec 모델은 Continous Bag of Words(CBoW)와 Skip-Gram 두 가지 방식이 있다 Continous Bag of Words(CBoW) CBoW란? 주변에 있는 단어들을 가지고 중간에 있는 단어들을 예측하는 방법 즉, "The fat ca..
[NLP] 단어 표현 방법(Word Representation)
자연어처리에서 사용하는 단어의 표현 방법 국소 표현(Local Representation) 국소표현이란? 해당 단어 그 자체만 보고, 특정값을 매핑하여 단어를 표현하는 방법 국소표현의 종류 One-hot vector N-gram Count Based Bag-of-Word, BoW(DTM) : 단어의 빈도수를 카운트하여 단어를 수치화하는 표현 -> Bow란? 분산 표현(Continuous Representation) 분산 표현이란? 분산 표현 방법은 그 단어를 표현하고자 주변을 참고하여 단어를 표현하는 방법 분산 표현의 종류 Prediction Based Word2Vec(FastText) : 예측을 기반으로 단어의 뉘앙스를 표현 -> Word2Vec란? Doc2Vec: Word2Vec에서 확장된 개념 Co..
[NLP] 단어 표현 방법 : Bag-of-Word Model(Bow)
Bag-of-Word(BoW) Model 기계학습 알고리즘(MLA)을 자연어 처리 테스크에 사용할 때, 입력값인 텍스트는 그 자체로는 사용할 수 없다. 이산적인(discrete)한 텍스트 즉, 문자열을 연속적인(continuous) 모델이 연산할 수 있도록 숫자로 바꾸어주는 과정이 필요하다. 만약 문서 분류 작업(document classification task)을 수행한다고 했을 때, 각 문서는 예측 알고리즘의 input 값에 해당하며 분류 즉, 클래스 레이블이 output값이다. 알고리즘은 input값을 숫자로 이루어진 벡터들로 받으며, 따라서 문서를 고정된 크기의 벡터로 변환하는 작업이 필요하다 기계학습을 위해 텍스트로 이루어진 문서들을 백터화하는 간단하고 효과적인 방법은 Bag-of-Words ..