jin's blog

Object detection- 물체가 여러개있으면 바운더리. 물체가 어딨는지 box level로- 즉 box level의 localization Semantic Segmentation- 각 pixel이 어느레이블이다. 각 class에 해당하는..- pixel level localization이다. 그렇다면 RCNN은,object detection을 위한 CNN이다. 즉 CNN Feature에 region이 있는 것이다.3개 모듈로 구성된다. 1) Region proposal- selective search방법을 사용한다. 계층적 segmentation, bounding box 2) (feature) extraction위한 CNN (알렉스넷사용)- 알렉스넷 두번째 Fully connected layer의..

RANSAC = Random Sample Consensus Very general framework for model fitting in the presenece of outlier.inlier: 모델의 정상분포에 속해있는 데이터집합outlier: 모델바깥에 분포해있는 이상치 집합 line fitting에도 쓰일수있고 corespondance 문제에도 적용될 수 있다. inlier으로 회귀분석을 수행할수있게 하는 기법이 RANSAC이다.Line fitting문제로 예를 들어보겠다!1. 임의로 랜덤하게 original data중 몇개를 고른다.2. 그것을 inlier로 가정하고 회귀모델을 가정한다. 3. 해당 모델에 대해 어느정도 마진을 두고(허용오차) , 그 안에 들어오는 아이들을 inlier로 본다. ..

포스팅 하면서 그림넣는걸 뺏다.그림은 한꺼번에 넣을 예정이다. ㅠ.ㅠ CNN (Convolutional Neural Network)Convolution Layer들의 연속이다. 이것들이 activation function과 같이 배치된거다.합성곱 신경망(CNN)에서는 기존 신경망의 구조를 바꾸어 학습의 어려움을 해소하였다. 특히 이미지 인식분야의 딥러닝으로 잘 성능을 보인다고 알려져있다.이것의 기본은, 문제에 특화된 망 구성을 하여, 다층구조의 망을 간소화하여 망학습을 쉽게 하는 것이다.보통 입력 -> CNN -> POOLING -> CNN -> POOLING ... FUlly connected layer -> 출력이다. 기존 신경망 구조가 모두 fully conneted layer라고 했을 떄 이것은 ..

Perceptron: Single-layer MultiLayer: Backpropagation Deep neural net의 단계1. 네트워크를 디자인한다2. 데이타를 준비한다. (가공)3. 각 뉴런들을 초기화한다4. minibatch SGD를 돌린다- batch data. 샘플들 뽑아- Forward prop 을 하고 loss 계산- Backward prop해서 gradient 계산- 이렇게 계속 파라미터 업데이트, w튜닝5. result 얻는다 Data preprocessing zero mean 기법zero centered 기법 Weight Initialization 스마트하게 weight값을 주는게 좋다.Xavier라고, ( 오... 티스토리에서 수식입력 처음써봄 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ)암튼 저렇게 입..

Neural Network (신경망) 신경세포 = Neuron 이 뉴런을 이용해 layer 만든 것을 우리는 Perceptron 이라고 부른다. 퍼셉트론 자 그럼 각각 weight 들이 있고 이게 vector로 나타날거고 이것들을 합하고. bias더하고.이렇게 입력과 가중치가 곱해져서 나온 것에 activation function을 적용시킨다.sigmoid 를 자주 쓰는데, 시그모이드 함수를 이용하면back propagation에서 학습계산처리가 쉬워지므로 역전파 이용할때 전달함수로 자주 사용한다.예를 들어 하나의 신경망에 두개의 입력(x1, x2) = (0,0) 입력이 들어왔다고 가정해보자. 그리고 w1=1, w2=1, bias값은 -1.5, activation은 계단함수를 이용한다.그럼 1*0+1*0..

Object Classification vs Object Detection Object Classification전체 이미지를 보고 알맞는 클래스 라벨을 assign하는것image전체가 x이고,, f(x:w) = y 알맞은 라벨이 y Object Detection이미지 안에 있는 bounding box안에 각각 알맞는 클래스 라벨을 할당하는 것각 픽셀좌표에 대한 label이 붙어있다면.. 물체 검출할때sliding window쓰지 Non Maximum Suppression 엣젤 가장 강한거 뽑고 주변을 죽인다. Object Detection with HOGHog을 통한 Object detection은? 1. 먼저 이미지를 SIFT를 통해 HOG로 표현하고2. data 들을 training시킨다. posi..

Scale-Invariant Feature Transform(SIFT)는 특징점의 검출과 특징량의 기술을 하는 알고리즘이다. 검출된 특징점들은 영상의 회전, 스케일 변화, 조명 변화등에 강한 특징점을 기술하기 때문에 이미지 모자이크등의 영상 매칭과 물체인식, 검출에 사용되고 있다. 또한 SIFT와 동등한 gradient 기반의 특징추출법인 Histograms of Oriented Gradients(HOG) 영상으로부터 특징점을 검출하려면edge검출도 있고 blob 검출도 있다. blob은 여러 scale 을 뜻하는데, 이미지에서 *주변에 비해 어둡거나 밝은점/영역을 뜻한다.* 그러니까 엣지 detection에서 한단계 더 나아간게 blob이다. 라플라시안 가우시안으로 구해지고, 그라디언트 변화의 변화가 ..

Feature extraction, Image matching, Object recognition 0) Warming upComputer Vision 에는 크게- Image Processing- Geometric Reasoning- Recognition- Deep Learning이렇게 포함된다한다. Invariant(변하지않는) to view point, lighting, pose 가 좋은 feature이긴 함 1) Convolution 이란?특정 함수(=커널)을 통해 Input image를 새로운 output image로 변화시키는 것이다.Input Image f(x,y) Kernel h(x,y) ------> output Image g(x,y) 여기서 쓰이는 convolution kernel은 작은 ..

range 와 같이numpy제공 np.arange 있고 dtype은 반드시testArr = [40,20,400,30,10,0,3]yoyo2 = np.array(testArr,int)print yoyo2yoyo2[yoyo2

Classc언어에서랑 비슷생성자는def __init__(self)set get 개념은 다 동일static variable은 모든 인스턴스끼리 공통으로 슬수잇음 상속 Inheritance기존 클래스 필드와 method 모두 물려받기 가능class Magician(Hero): 이렇게 상속받을 클래스명 안에 넣어주기Method 오버라이딩 및 연산자 오버로딩 가능.상속관계내의 다른클래스 인스턴스들이 서로 다른 동작 가능같은종류의 동작을 하지만 , 반응은 다르게 안에서 값 수치 변경하여 가독성.길이 Method Overriding연산자 오버로딩class Test:def__add__(self, hero):self.hp += hero.hpreturn self p1 + p2 이면 새로운 객체 반환