미래기술연구소

패스트캠퍼스 OpenCV를 활용한 컴퓨터비전과 딥러닝 올인원 패키지 Online 챌린지 참여 후기!!!!!!!!!!!!!! 드디어 끝이 났다 반복되는 작심삼일을 한번에 타계할 방법 역시 현금이 최고다 인강을 듣고 하루 1개의 게시물을 업로드 하면 수강신청 비용을 환급해주는 이것이야 말로 나같은 사람한테 필요함 ㅜㅜ 2천자 이내로 글을 써야한다는데 코드는 글자수로 인식이 안되나 보다 한번더 주어진 기회를 잡기위해 열심히 다시 쓰는중!! 정말 열심히 공부도 했고 모르는게 반이였지만 구글링에 블로그 뒤적뒤적 거려가며 지식을 조금씩 조금씩 채워나갔다 챌린지가 끝난 지금은 다시 마음이 풀어져서 또 강의를 통해서 많은 키워드를 알게 되서 검색해서 또 공부하고 하다보니 처음과는 많이 달리진걸 스스로 느낀다 처음 시작..

영상의 전단 변환 - Shear transformation 전단 변환 영상의 전단 변환은 층 밀림 변환이라고도 합니다. 이동을 하는데 모든 픽셀들이 동일하게 이동하는 것이 아니라 어떤 픽셀은 조금 이동하고 어떤 픽셀은 많이 이동하여 한쪽을 찌그러뜨리는 효과를 냅니다. 전단 변환도 이동 변환과 마찬가지로 어파인 행렬을 만들어야 합니다. 이동 변환에서는 단위 행렬을 어파인 행렬로 생성했지만, 전단 변환은 m 상수도 필요합니다. 전단 변환을 한 만큼 영상이 밀려나가게 되어 영상이 짤립니다. 이를 해결하기 위해 밀린 만큼 출력 영상의 크기를 키워주면 됩니다. 영상의 어파인 변환 함수 - cv2.warpAffine 이동 변환과 동일한 함수를 이용합니다. 차이점은 어파인 행렬의 값이 다릅니다. 함수 설명 cv2.w..

황선규 박사님의 'OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝' 을 공부하면서 정리해 보았습니다. OpenCV 명령어 출처 : docs.opencv.org/4.3.0/dd/d49/tutorial_py_contour_features.html 예제 코드 출처 : 황선규 박사님 github홈페이지 『OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝』 예제 소스 코드는 아래 링크를 참고하세요 sunkyoo.github.io 다양한 외곽선 함수 외곽선 함수에 대한 자세한 정보는 docs.opencv.org/4.3.0/dd/d49/tutorial_py_contour_features.html 에서 확인하실 수 있습니다. (1) cv.arcLength() 외곽선 길이를 반환합니다. (2) cv2.contourAr..

황박사님 수업 들으면서 급 관심이 많아져서 여러 자료를 찾아봤습니다 이번 글의 내용은 제가 현재 수강하고 있는 스마트팩토리융합보안세미나Ⅱ(SMART FACTORY SECURITY SEMINAR Ⅱ)에서의 세미나들을 차례로 정리하고 있습니다. 이 글에서는 고려대학교 컴퓨터학과 김승룡 교수님의 "컴퓨터 비전 및 인공지능 최신 연구동향" 세미나를 정리 및 참조 하였음을 먼저 밝힙니다. 현재 4차 산업혁명 시대를 맞아 수많은 데이터들 즉 빅데이터가 산업에서 엔진같은 존재가 되었습니다. 수많이 쌓여진 데이터들을 기반으로 우리의 일상생활이 보다 편리해지며 산업, 인프라들이 발전해 나가는 것을 확인할 수 있습니다. 그중에서도 인공지능은 4차 산업혁명에서 핵심 코어 역할을 맡고 있는데 빅데이터 즉 대용량의 다양한 데이..

퓨터비전 처리는 각광받는 분야다. 4차 산업의 방향성으로 볼때 향후 그 중요성이 더해질 것으로 보인다. 현재의 인공지능이 스스로 판단하는 능력이 얼마나 되는가라는 것을 따져봤을 때 다양한 의견이 제시되고 있다. 2016년에 AI Robot Sophia 가 세상에 나오면서 사람들을 놀라게 했지만 소피아는 진정한 의미의 'AGI' (artificial general intelligence)는 아니라는 비판이 많다. 컴퓨터가 인간의 일을 대체하려면 인간과 닮은 시각 처리능력이 필수이다. 이것을 구현하려는 분야를 컴퓨터 비전이라고 한다. 컴퓨터 비전이란 단어가 생소한 것은 얼마 전까지는 이미지 프로세싱의 분야라는 이름으로 불렸기 때문이라고 한다. 카오스 사이언스의 컴퓨터 비전 강연에서 현재 연구중인 교수의 시각..

오늘은 YOLO V5 (Pytorch) 환경 셋팅 및 모델 아키텍쳐(Backbone, Head) 분석을 하겠습니다. YOLO v5 환경 셋팅 및 학습에 관한 글은 있지만, 아키텍쳐를 자세하게 분석한 글은 거의 없네요... 아무래도 논문이 아직 안나왔기 때문에, 깃헙 코드로만 아키텍쳐를 분석해야해서 관련 글이 없나 봅니다. 그럼 YOLO v5 분석 시작~!! 링크 0) YOLO v5 Pytorch 깃헙 링크 : https://github.com/ultralytics/yolov5 ultralytics/yolov5 YOLOv5 in PyTorch > ONNX > CoreML > iOS. Contribute to ultralytics/yolov5 development by creating an account o..

속성을 가져오기 코드 import numpy as np import cv2 img = cv2.imread("../resource/Images/ipad.jpeg") print(img.shape) print(img.size) print(img.dtype) 결과 이미지 ROI 이미지를 처리할 때 특정 영역에서 작업이 이루어지는 경우가 있습니다. 이럴 때 ROI를 사용하여 특정 구역을 인덱싱하여 사용할 수 있습니다. 코드 import numpy as np import cv2 img = cv2.imread("../resource/Images/ipad.jpeg") cv2.namedWindow('original', cv2.WINDOW_NORMAL) cv2.imshow('original', img) subImg = i..

황박사님 수업 심화과정 YOLO v3 를 가지고 실습을 하는데 최근 V5 버전이 출시되었다고 한다 그래서 한번 알아봄 YOLO V5가 공개되었습니다! YOLO는 You Only Look Once라는 이름으로, one-stage object detection 딥러닝 기법으로 매우 빠른 속도의 추론 과정으로 2016년에 큰 충격을 안겨주었었습니다. 저는 증강/가상현실을 전공으로 대학원에서 연구하고 있던 시기였기에, 실시간 물체 인식은 매우 중요한 기반 기술중에 하나였죠. YOLO가 세상에 가져다준 충격도 어마어마 했지만, 제 개인에게 가져다준 영향력은 더욱 컸습니다. Darknet이라는 친숙하지 않은 프레임워크 기반이었기에 많은 이들이 사용을 어려워했으나, 다른 프레임워크들로도 구현이되면서 더 유명해지기 시..

이미지 내에서 관심 영역(Region of Interest, ROI)을 표시하는 방법에 대해 알아보겠습니다. 이번 포스팅 역시 '파이썬으로 만드는 OpenCV 프로젝트(이세우 저)'를 정리한 것임을 밝힙니다. 코드: github.com/BaekKyunShin/OpenCV_Project_Python/tree/master/04.img_processing 관심 영역(ROI) 표시하기 관심 영역(ROI)이란 말 그대로 영상 내에서 관심이 있는 영역을 뜻합니다. 아래는 일몰 사진입니다. 일몰 사진 내에서 원하는 영역을 표시하는 방법에 대해 살펴보겠습니다. 아래 코드를 실행하면 태양 주위를 초록색 사각형으로 표시한 이미지가 생성됩니다. # 관심영역 표시 (roi.py) import cv2 import numpy a..

Filter 종류 하기 내용을 참고 하였습니다. https://webnautes.tistory.com/1255 FilterContentsconvolutionKernel과 src과 곱하고blurkernel과 src과 곱, 평균GaussianBlurmedianBlurBilateralFilter선형 처리 x, 엣지와 노이즈를 줄여줌, 부드러운 영상 convolution 이미지 convolution 방법 kernel과 image상에 대응되는 값끼리 곱하고 모두 더하기 그값을 중앙에 있는 값에 대치함 https://webnautes.tistory.com/1044 주의 이미지의 테두리(edge)의 경우는 계산하기 어려운데 두 가지 방법을 사용함 1. 빈 공간을 0으로 채우고 계산 2. 인접 영역의 값을 copy함 ..