딥러닝 공부방

황선규 박사님의 를 공부한 내용을 정리해 보았습니다. 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소스 코드는 아래 링크를 참고하세요 sunkyoo.github.io [파이썬 OpenCV] 영상의 그래디언트와 에지 검출하기 황선규 박사님의 과 패스트 캠퍼스 OpenCV 강의를 공부하면서 내용을 정리해 보았습니다. 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소�� deep-learning-study.tistory.com 이전 포스팅에서 그래디언트 크기를 구하고 임계값을 설정해줘서 에지를 검출했습니다. 하지만 윤곽선이 너무 두껍게 표현된다는 단점이 있었습니다. 이를 보완한..

황선규 박사님의 과 패스트 캠퍼스 OpenCV 강의를 공부하면서 내용을 정리해 보았습니다. 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소스 코드는 아래 링크를 참고하세요 sunkyoo.github.io [파이썬 OpenCV] 영상의 미분과 소벨 필터, 샤를 필터 - cv2.Sobel, cv2.Scharr 황선규 박사님의 를 공부한 내용을 정리해 보았습니다. 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소스 코드는 아래 링크를 참고하세요 deep-learning-study.tistory.com 이전 포스팅에서 소벨 필터로 x방향, y방향 미분 값을 구했습니다. 이번에는 ..

황선규 박사님의 를 공부한 내용을 정리해 보았습니다. 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소스 코드는 아래 링크를 참고하세요 sunkyoo.github.io 1. 에지 검출과 미분 에지 - edge 에지는 영상에서 픽셀의 밝기 값이 급격하게 변하는 부분입니다. 객체와 객체, 객체와 배경에 어떤 경계를 나타내는 용어입니다. 경계부분에는 픽셀값이 크게 변경된다고 가정하고 에지를 구합니다. 영상에 미분을 하는 이유는 에지를 검출하기 위함입니다. 기본적인 에지 검출 방법 에지 검출을 위해 픽셀값이 급격하게 변하는 부분을 찾아야합니다. 미분은 변화율을 나타내는 척도입니다. 영상을 미분하여 에지를 검출할 수 있습니다. 영상을 (x,y) 변..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 요인이 하나이고 수준을 무작위로 선택한 경우, 처리효과를 확인하기 위해 어떻게 모형을 설정하는지 알아보겠습니다. 변량효과 모형의 결과 해석과 어떤 모수에 대해 추론하는지 알아보겠습니다. 변량효과모형 - Random Effect Models 변량효과모형은 분석에 적용할 수준 집합으로부터 무작위로 선택하는 것입니다. 분석 결론은 선택된 수준뿐만 아니라 수준 집합 내의 모든 수준으로 확대될 수 있습니다. 수준 모집단과 각 수준별 관측단위 모집단이 있습니다. 몇개의 고등학교가 수준의 모집단을 대표하고 무작위로 선택한 학생이 관측단위의 모집단을 대표할 수 있습니다. (1) 수준들의 모집단 수준들의 모집단은 비교 대상인 수준들의 집합으로..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 요인이 하나이고 수준을 실험자가 결정하는 경우, 처리효과를 확인하기 위해 어떻게 모형을 설정하는지 알아보겠습니다. 고정효과 모형의 결과 해석과 어떤 모수에 대해 추론하는지 알아보겠습니다. 1. 일원배치 분산분석 일원배치 분산분석은 하나의 요인의 수준에 대한 평균을 비교하는 분석입니다. 실험 단위의 배치 또는 실험 순서에 있어 확률화의 원리에 충실해야 한다고 해서 완전 확률화 설계(completelt randomized design)라고도 합니다. 예제 4 종류의 사료(요인)에 의한 쥐 체중증가(반응변수) 실험에서 요인은 사료이고 수준은 사료 종류 수 4개 입니다. 쥐를 선정하고 할당하는 과정이 랜덤하게 이루어져야 합니다. 모든..

황선규 박사님의 , 패스트 캠퍼스 OpenCV 강의를 공부한 내용을 정리해 보았습니다. [파이썬 OpenCV] 어파인 변환과 투시 변환 - cv2.getAffineTransform, cv2.getPerspectiveTransform, cv2.warpPerspectivee 황선규 박사님의 , 패스트 캠퍼스 OpenCV 강의를 공부한 내용을 정리해 보았습니다. 어파인 변환과 투시 변환 1. 어파인 변환 - Affine Transform 어파인 변환은 영상의 이동, 전단, 확대, 회전을 조합�� deep-learning-study.tistory.com 저번 포스팅에서 어파인 변환과 투시 변환에 대해 공부했습니다. 이번에는 리매핑에 대해 알아보겠습니다. 리매핑(remapping) 리매핑을 잘 활용하면 입력 영상..

황선규 박사님의 , 패스트 캠퍼스 OpenCV 강의를 공부한 내용을 정리해 보았습니다. 어파인 변환과 투시 변환 1. 어파인 변환 - Affine Transform 어파인 변환은 영상의 이동, 전단, 확대, 회전을 조합할 때 직사각형이 평행사변형으로 변화하게 됩니다. 이것을 통들어서 어파인 변환이라고 합니다. 어파인 변환을 표현하는 방법은 2 X 3 행렬의 실수형에 회전, 크기, 이동 정보가 들어가 있습니다. 어파인 변환은 미지수가 6개이기 때문에 6개의 식이 필요하며 점 3개가 어디로 이동했는지 알면 행렬로 표시할 수 있습니다. 점 세개의 이동정보를 알면 어파인 행렬로 표시가 가능하며 세개의 이동정보로 마지막 점의 위치를 유추할 수 있습니다. 2. 투시 변환 - Perspective transform ..

황선규 박사님의 , 패스트 캠퍼스 OpenCV 강의를 공부한 내용을 정리해 보았습니다. 회전 변환 - Rotation transformation 회전 변환은 영상을 특정 각도만큼 회전시키는 변환입니다. (반시계 방향) 반시계 방향으로 세타만큼 회전시킬 때 sin, cos 함수로 표현할 수 있습니다. affine 행렬을 생성하고 affwrap 함수를 이용하여 간단히 회전 할 수 있습니다. 회전 변환을 위한 Affine 행렬을 생성하는 방법은 두 가지가 있습니다. 1. 영상의 좌측 상단 기준 회전 np.array로 Affine 행렬을 생성합니다. 생성한 Affine 행렬을 warpAffine 함수의 입력 인자로 입력해주면 됩니다. src = cv2.imread('tekapo.bmp') if src is No..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 실험계획법(Experiment Design, 실험설계법) 여러 모집단의 평균을 비교하는 것이 분산분석입니다. 이와 마찬가지로 단일모집단에서 특성을 나뉘어 여러 그룹으로 나눌 수 있습니다. 실험계획법이란 동일 그룹을 대상으로 다른 환경(조건)으로 나누어 실험을 진행한 환경(조건)에 따라 관심모수(평균)을 비교합니다. 예를 들어, 사료에 따라 체중 증가량에 차이가 있는지를 알아보기 위해 비슷한 쥐들을 무작위로 뽑아 각각 다른 사료를 일정기간 먹이고 체중 증가량을 비교합니다. 이를 실험계획법이라고 합니다. 분산분석에서의 주요용어 분산분석에서의 주요용어를 알아보겠습니다. 1. 반응변수(response variable) : 연구 대상이..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 독립 표본을 통해 분산이 같은 세 정규 모집단의 평균 비교하는 방법을 알아보겠습니다. 모든 조합에 대해 평균 차에 의한 가설검정으로 결과를 도출할 때 발생하는 문제에 대해 알아보겠습니다. 세 모집단 평균 비교 두 모집단의 경우 모평균의 차를 이용했지만 세 모집단의 경우는 검정통계량을 찾기 어렵습니다. 세 모집단의 평균 비교를 하는 방법으로 다중검정을 생각할 수 있습니다. 방법 1. 모든 쌍에 대해 t-검정 => 다중 검정 다중검정시에 유의수준 문제가 발생하게 됩니다. 하지만 다중검정시에 유의수준 문제가 발생하게 됩니다. 다중검정의 문제에 대해 알아보겠습니다. 다중검정을 통해 유의수준이 도출되었을 때 본페르니의 부등식에 의해 다..