본문 바로가기
반응형

전체 글98

영상의 공간적 필터링 기법 - 언샤프 필터링(Unsharp Filtering) 공간적 필터링 기법은 각각의 목적에 따라 적절한 커널(kernel) 혹은 필터(filter)를 정의하고 원본 영상과 컨벌루션(convolution) 연산을 수행하는 것이 일반적이다. 컨벌루션 연산은 입력 영상의 픽셀 밝기 값을 커널의 동일한 위치에 해당하는 픽셀값과 곱하고 모든 값들을 더한값으로 대체하는 방법이다. 평균 필터링(Mean Filtering) 중간값 필터링(Median Filtering) 가우시안 필터링(Gaussian Filtering) 보존 스무딩(Conservative Smoothing) 언샤프 필터링(Unsharp Filtering) 언샤프 필터링이란? 언샤프 필터링은 영상의 에지와 같은 고주파 성분을 강조(enhancing)하는 필터링 방법으로 선명하지 않은(blurred) 영상의 .. 2022. 8. 12.
영상의 공간적 필터링 기법 - 보존 스무딩(Conservative Smoothing) 공간적 필터링 기법은 각각의 목적에 따라 적절한 커널(kernel) 혹은 필터(filter)를 정의하고 원본 영상과 컨벌루션(convolution) 연산을 수행하는 것이 일반적이다. 컨벌루션 연산은 입력 영상의 픽셀 밝기 값을 커널의 동일한 위치에 해당하는 픽셀값과 곱하고 모든 값들을 더한값으로 대체하는 방법이다. 평균 필터링(Mean Filtering) 중간값 필터링(Median Filtering) 가우시안 필터링(Gaussian Filtering) 보존 스무딩(Conservative Smoothing) 언샤프 필터링(Unsharp Filtering) 보존 스무딩(Conservative Smoothing) 보존 스무딩은 입력 영상의 픽셀 값이 주변 픽셀과 비교했을 때 너무 높거나 너무 낮은 경우 잡음으.. 2022. 8. 11.
넘파이(Numpy) 구조, 차원을 변경, numpy.reshape 함수 편리하게 배열과 차원을 변형해주는 reshape resahpe 함수는 np.reshape(변경할 배열이름, 차원)또는 배열이름.reshape(차원)으로 사용할 수 있다. 현재의 배열의 차원을 변경하여 행렬을 반화하거나 하는 경우에 많이 이용 되는 함수이다. 예제 소스 코드 1차원 배열을 2차원 배열로 변환 1차원 배열을 3차원 배열로 변환 넘파이 배열의 reshape 함수는 np.reshape(변경할 배열이름, 차원)또는 배열이름.reshape(차원) 두 가지 방법이 있는데 np.reshape는 리스트에도 적용되지만 배열이름.reshape(차원)은 일반 리스트에는 적용 안되고 넘파이 배열의 차원을 바꿀때 사용할 수 있다. 인덱싱도 확인할 수 있는데 위처럼 b[0]을 확인한 결과 값을 알 수 있고, b[0.. 2022. 8. 10.
Numpy란 무엇인가?(넘파이의 이해) Numpy(넘파이) 소개 리스트는 많은 데이터를 관히 할 때 속도가 느리고 메모리를 많이 차지하는 단점이 있다. 배열(array)를 사용하면 적은 메모리로 많은 데이터를 빠르고 편리하게 처리 할 수 있다. 배열과 리스트는 비슷하지만 다음과 같은 점에서 다르다. 모든 원소가 같은 자료형이어야 한다. 원소의 갯수를 바꿀 수 없다. Numpy는 수치 해석용 Python 패키지이다. 다차원의 행렬 자료구조인 ndarray를 지원하여 벡터와 행렬을 사용하는 선형대수 계산에 주로 사용된다. C로 구현된 CPython에서만 사용할 수 있다. Numpy 배열 연산은 C로 구현된 내부 반복문을 사용하기 때문에 파이썬 반복문에 비해 속도가 빠르며 벡터화 연산(vectorized operation)을 이용하여 간단한 코드로.. 2022. 8. 9.
확률적 경사 하강법 확률적 경사 하강법 전체 샘플을 사용하지 않고 하나의 샘플을 훈련 세트에서 랜덤하게 골라 그 샘플에 대해서만 기울기를 계산하는 방법입니다. 샘플 데이터 셋에 대해서만 경사를 계산하므로, 매 반복에서 다뤄야 할 데이터 수가 매우 적어, 학습 속도가 매우 빠릅니다. 하나의 샘플만 대상으로 경사를 계산하므로, 메모리 소모량이 매우 낮으며, 매우 큰 훈련 데이터 셋이라 할지라도 학습 가능합니다다. 확흏적 경사 하강법에서 훈련 세트를 한 번 모두 사용하는 과정을 에포크(epoch)라고 부릅니다. 일반적으로 경사 하강법은 수십, 수백 번 이상 에포크를 수행합니다. 미니배치 경사 하강법 한 개씩 말고 무작위로 몇개의 샘플을 선택해서 경사를 따라 내려가는 방법입니다.\ 여러개의 샘플을 사용해 경사 하강법을 수행하는 방.. 2022. 8. 8.
영상의 공간적 필터링 기법 - 가우시안 필터링(Gaussian Filtering) 공간적 필터링 기법은 각각의 목적에 따라 적절한 커널(kernel) 혹은 필터(filter)를 정의하고 원본 영상과 컨벌루션(convolution) 연산을 수행하는 것이 일반적이다. 컨벌루션 연산은 입력 영상의 픽셀 밝기 값을 커널의 동일한 위치에 해당하는 픽셀값과 곱하고 모든 값들을 더한값으로 대체하는 방법이다. 평균 필터링(Mean Filtering) 중간값 필터링(Median Filtering) 가우시안 필터링(Gaussian Filtering) 보존 스무딩(Conservative Smoothing) 언샤프 필터링(Unsharp Filtering) 가우시안 필터링(Gaussian Filtering) 가우시안 필터링은 가우시안 분포(Gaussian distribution)를 따르는 가우시안 커널을 이.. 2022. 8. 7.
영상의 공간적 필터링 기법 - 중간값 필터링(Median Filtering) 공간적 필터링 기법은 각각의 목적에 따라 적절한 커널(kernel) 혹은 필터(filter)를 정의하고 원본 영상과 컨벌루션(convolution) 연산을 수행하는 것이 일반적이다. 컨벌루션 연산은 입력 영상의 픽셀 밝기 값을 커널의 동일한 위치에 해당하는 픽셀값과 곱하고 모든 값들을 더한값으로 대체하는 방법이다. 평균 필터링(Mean Filtering) 중간값 필터링(Median Filtering) 가우시안 필터링(Gaussian Filtering) 보존 스무딩(Conservative Smoothing) 언샤프 필터링(Unsharp Filtering) 중간값 필터링 중간값 필터링은 입력 영상의 현재 픽셀을 중심으로 커널을 씌우고, 커널 안에 포함된 주변 픽셀들을 밝기값 기준으로 정렬하여 중간에 위치한 .. 2022. 8. 6.
로지스틱 회귀 - 다중 분류 https://glorychoi.tistory.com/entry/%EB%A1%9C%EC%A7%80%EC%8A%A4%ED%8B%B1-%ED%9A%8C%EA%B7%80Logistic-Regression 로지스틱 회귀(Logistic Regression) 로지스틱 회귀란? 로지스틱 회귀(logistic regression)는 이름은 회귀이지만 분류 모델입니다. 이 알고리즘은 선형 회귀와 동일하게 선형 방정식을 학습합니다. z = a * 무게 + b * 길이 + c * 대각선 + d * glorychoi.tistory.com 이진 분류와 다중 분류는 크게 다르지 않습니다. 여기에서도 LogisticRegression 클래스를 사용해 7개의 생선을 분류해 보면서 이진 분류와 차이점을 알아보겠습니다. 로지스틱 회귀.. 2022. 8. 5.
영상의 공간적 필터링 기법 - 평균 필터링(Mean Filtering) 공간적 필터링 기법은 각각의 목적에 따라 적절한 커널(kernel) 혹은 필터(filter)를 정의하고 원본 영상과 컨벌루션(convolution) 연산을 수행하는 것이 일반적이다. 컨벌루션 연산은 입력 영상의 픽셀 밝기 값을 커널의 동일한 위치에 해당하는 픽셀값과 곱하고 모든 값들을 더한값으로 대체하는 방법이다. 평균 필터링(Mean Filtering) 중간값 필터링(Median Filtering) 가우시안 필터링(Gaussian Filtering) 보존 스무딩(Conservative Smoothing) 언샤프 필터링(Unsharp Filtering) 평균 필터링 평균 필터링은 입력 영상의 픽셀 밝기 값을 주변 픽셀들의 밝기값의 평균으로 대체하여 영상을 수무딩(Smoothing) 시키면서 잡음을 줄이는.. 2022. 8. 5.
영상의 화질 향상 기법-히스토그램 스트레칭(Histogram Stretching), 히스토그램 평활화(Histogram Equalization) 화질 향상 기법 히스토그램(Histogram) 만들기 임계값 적용하기(Thresholding) 전역 임계값 적용하기(Global Thresholding) 적응적 임계값 적용하기(Adaptive Thresholding) 히스토그램 스트레칭(Histogram Stretching) 히스토그램 평활화(Histogram Equalization) 히스토그램 스트레칭이란? 영상의 밝기값 범위를 확장(또는 축소) 시킴으로써 영상의 대비(contrast)를 향상시키는 방법을 말한다. 이 방법은 히스토 그램 평활화(Histogram Equalization) 방법과는 다르게 영상 픽셀들에 대해 선형 확장 함수(Linear scaling function)를 적용하여 구현 할 수 있다. 히스토그램 스트레칭 알고리즘 영상을 정규.. 2022. 8. 4.
로지스틱 회귀(Logistic Regression) 로지스틱 회귀란? 로지스틱 회귀(logistic regression)는 이름은 회귀이지만 분류 모델입니다. 이 알고리즘은 선형 회귀와 동일하게 선형 방정식을 학습합니다. z = a * 무게 + b * 길이 + c * 대각선 + d *높이 + e * 두께 + f 시그모이드 함수 시그모이드 함수는 s자형 시그모이드 곡선을 갖는 수학 함수입니다. 일반적으로 단조 함수이며 1차 미분 그래프를 가지고 수평 점근선으로 수렴합니다. 우리가 원하는 것이 예측값이기 때문에 종속변수의 범위가 실수이지만 로지스틱 회귀 분석에서는 종속변수 y값이 0또는 1을 갖습니다. 그래서 우리는 주어진 데이터를 분류할 때 0인지 1인지 예측하는 모델을 만들어야합니다. 로지스틱 회귀로 이진 분류 수행하기 판다스를 임포트하여 데이터를 불러옵.. 2022. 8. 4.
(C++) Array std::array std::array는 고정된 크기의 배열을 담고 있는 컨테이너입니다. 이 컨테이너는 마치 C언어에서의 배열인 T[N]과 비슷하게 작동하고 배열과 같이{}를 통해 초기화를 할 수 있습니다. 다만 한 가지 차이점은 C배열과는 다르게 배열의 이름이 T*로 자동 형변환 되지 않는다는 차이점이 있습니다. std::array를 통해서 기존의 C 배열과 같은 형태를 유지하면서 (오버헤드가 없습니다), C++ 에서 추가된 반복자라던지, 대입 연산자 등을 사용할 수 있습니다.(또한 algorithm헤더파일에 정의된 함수 등을 사용할 수 있다는 장점도 있습니다,) 생성자 std::array는 Aggregate 타입이기 때문에 aggregate 초기화 방식으로 사용합니다. 하나 하나 대입하며 초기화를 할.. 2022. 8. 2.
규제(Regularization) 규제란? 규제는 머신러닝 모델이 훈련 세트를 너무 과도하게 학습하지 못하도록 훼방하는 것을 말합니다. 즉 모델이 훈련 세트에 과대 적합하지 않도록 만드는것이라고 생각하지면 됩니다. 선형 회귀 모델의 경우 특성에 곱해지는 계수(또는 기울기)의 크기를 작게 만드는 일입니다. 특성의 스케일이 정규화되지 않으면 여기에 곱해지는 계수 값도 차이가 나게 됩니다. 일반적으로 선형 회귀 모델에 규제를 적용할 때 계수 값의 크기가 서로 많이 다르면 공정하게 제어되지 않을 겁니다. 그렇다면 규제를 적용하기 전에 먼저 정규화를 해야됩니다. 특성이 55개인 데이터를 사용해 선형 회귀 모델을 훈련하겠습니다. 정규화를 위해서 표준편차를 구합니다. 이때 사용한 클래스는 사이킷런에서 제공하는 StandardScaler 클래스 입니다.. 2022. 7. 29.
특성 공학(Feature engineering) 다중 회귀 여러 개의 특성을 사용한 선형 회귀를 다중 회귀(Multiple regression)라고 부릅니다. 1개의 특성을 사용한 선형 회귀 모델이 학습하는것은 직선입니다. 2개의 특성을 사용한 선형 회귀는 평면을 학습하게 됩니다. 특성 공학이란? 특성 공학이란 훈련에 사용할 좋은 데이터(특성)들을 찾는 것이다. 에러, 이상치, 잡음으로 가득하면 결과가 좋지 않게 나오기 때문에 특성공학이 필요하다. 기존의 특성을 사용해서 새로운 특성을 뽑아내는 작업을 특성 공학이라 부릅니다. 특성 선택(Feature selection): 가지고 있는 특성 중에서 훈련에 가장 유용한 특성을 선택합니다. 특성 추출(Feature extraction): 특성을 결합하여 더 유용한 특성을 만듭니다. 판다스 데이터프레임 판다스.. 2022. 7. 28.
영상의 화질 향상 기법-적응적 임계값 적용하기(Adaptive Thresholding) 화질 향상 기법 히스토그램(Histogram) 만들기 임계값 적용하기(Thresholding) 전역 임계값 적용하기(Global Thresholding) 적응적 임계값 적용하기(Adaptive Thresholding) 히스토그램 스트레칭(Histogram Stretching) 히스토그램 평활화(Histogram Equalization) 적응적 임계값 적용하기(Adaptive Thresholding) 전역 임계값 적용 방법은 모든 픽셀에 대해 동일한 임계값을 적용하는 방식으로 영상이 전경과 배경으로 확연히 구분될 경우 매우 뒤어난 성능을 발휘한다. 하지만 영상 안에 조명이 일정하지 않거나 다양한 색상을 가지는 전경 물체가 있을 경우 하나의 임계값만으로 전경과 배경을 구분하는 것은 쉽지 않다. 따라서 이러한.. 2022. 7. 27.
반응형

티스토리툴바