David의 개발 이야기!

A. Interpolation 항상 헷갈리고, 이름만 보면 무서운 interpolation.. interpolation은, 주어진 데이터 포인트들 사이의 값을 추정하는 과정이다. 주어진 데이터들을 기반으로 missing 데이터를 예측하거나, 추론하는데 사용하는 방법이다. 즉, 이미지를 확대하거나, 축소할때 원본 이미지에 없던 새로운 픽셀 값을 결정해야하는데, 이때 interpolation 기법을 사용해 새로운 픽셀 값을 추정한다. 일반적인 Interpolation 방법으로는 다음과 같은 것들이 있다. 1. Neareat- neighbor interpolation (NN): 가장 가까운 픽셀 값을 그대로 사용. 계산이 간단하나 화질 저하 우려 2. Bilinear interpolation : 주변 4개의 ..

A. Linear Filtering 1. Linear Filter란? A linear filter performs a sum-of-products operation between an image f and a filter (or kernel, or mask) w. The kernel w is an array whose size defines the neighborhood of opertation, and whose coefficient determine the nature of the filter. 2. Linear Filters 특성 Additivity -> 선형 필터가 두개 이상의 입력신호를 결합할 때, 각 신호에 대한 필터의 출력을 단순히 합해서 전체출력을 계산할 수 있다. Homogeneity -..

1. Image 란? Each point in matrix called a "Pixel" A pixel has a 2D coordinate A pixel has a value (intensity) A pixel Value indicates amount of light High Pixel Value == more light Lower Pixel Value == less light A pixel value is bounded No light (black) = 0 Sensor limit (white) = max Typical ranges: 0-255 : fit into byte 0-1 : floating point 2. Filtering Filtering modifies an image by replacing..

CV에 대해 다음과 같은 Topic으로 포스팅을 해보고자 한다. 서울과학기술대 인공지능응용학과 김한울 교수님의 강의를 기준으로 포스팅하고자 한다. Lecture 주제: Topic 1 Image Processing Topic 2 Feature Detection and Matching Topic 3 Image Alignment and Stitching Topic 4 Image Classification Topic 5 Object Detection and Segmentation Topic 6 Dealing with Motion Topic 7 Camera Models Topic Geometric-Based Vision 실습 과제: Lab1 : Image Processing Lab2 : Panorama Lab3 ..

https://arxiv.org/abs/1408.5882 Convolutional Neural Networks for Sentence Classification We report on a series of experiments with convolutional neural networks (CNN) trained on top of pre-trained word vectors for sentence-level classification tasks. We show that a simple CNN with little hyperparameter tuning and static vectors achieves excell arxiv.org 원본 논문은 여기서 볼 수 있다! 전체내용을 번역하는 것이 아닌, 핵심 내..

1. 표본분산과 불편분산의 차이점 표본분산과 불편 분산의 정의는 위와 같으며, 식은 위와 같이 정의된다. 2. 불편분산이 필요한 이유 위 그림은, 분산이 과소평가되는 이유를 보여주는데, 예시를 들어보면, 낚시꾼이 낚시를 했는데, 잡은 물고기가 총 7마리 이며, 7마리의 몸 길이는, [1,2,3,4,5,6,7]이라고 하자. 여기서 모평균은, 4가 된다. 이제 이를 팔기위해 3마리를 다른 장바구니에 임의로 옮겼더니(표본) [1,2,3]이라고 하자. 여기서 표본평균은 2가 된다. 분산은, "데이터와 평균간의 거리"임으로 모평균간의 거리를 계산해야한다. 하지만, 모평균을 모르기 때문에, 표본 평균과 거리를 계산하게 되며, 이는 분산이 과소평가 되는 결과를 내게된다. 이러한 문제를 보완하기 위해, 불편분산이, 표..