etc (83) 썸네일형 리스트형 [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 43 회차 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.. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 42 회차 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.. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 41 회차 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 .. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 40 회차 오늘은 그동안 황선생님께 배운 영상처리 기법을 한번 테스트 해보기로 했다 사진은 그냥 고철덩어리 사진 찍어서 진행 함 soble 필터 적용 otus 필터 적용 hough lines 필터 적용 contour 필터 적용 threshold 필터 적용 [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 39 회차 선규옹......... 오늘도 이렇게 만나네요 까먹을뻔 했습니다 업데이트 된건가 우측 상단에 *** 님도 배우면 바뀐다 로 바꼈음 다시 빠이팅! 오늘은 동영상 실시간 처리 쪽으로 공부하다가 차량인식해서 바운딩박스 치는 코드를 실습해봄 동영상 리사이징을 한번 찾아봐야겠다 import sys import numpy as np import cv2 # from PIL import Image # image = Image.open('./1.jpg') # resize_image = image.resize((512,512)) # resize_image.save('./2.jpg') # 비디오 파일 열기 cap = cv2.VideoCapture('a.mp4') if not cap.isOpened(): print('Vide.. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 38 회차 오늘도 폭풍 실습!ㄴㄴ HOG&SVM 필기체 숫자 인식 ▪ 정중앙에 숫자를 쓰지 않을 경우? ▪ 학습 데이터 영상 정규화(Normalization) • 학습 데이터 영상과 테스트 데이터 영상의 위치, 크기, 회전 등의 요소를 정규화 → 인식 성능 향상 ▪ 숫자 영상의 무게 중심이 전체 영상 중앙이 되도록 위치 정규화 ▪ 숫자 영상 위치 정규화 def norm_digit(img): m = cv2.moments(img) cx = m['m10'] / m['m00'] cy = m['m01'] / m['m00'] h, w = img.shape[:2] aff = np.array([[1, 0, w/2 - cx], [0, 1, h/2 - cy]], dtype=np.float32) dst = cv2.warpAffine(.. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 37 회차 황박사님.. 벌써 37일 연속으로 뵙습니다 이제 친근하네요 이 코드들을 현업에 그대로 복붙해볼 생각이다 이미지 전처리 부터 해야되는데 이 부분에 대해서는....... 다른 블로그 눈팅좀 하고........... def _bytes_feature(value): """Returns a bytes_list from a string / byte.""" if isinstance(value, type(tf.constant(0))): value = value.numpy() # BytesList won't unpack a string from an EagerTensor. return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) S def _int64_.. [패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 36 회차 MNIST CNN 모델 우리가 만들고자 하는 모델은 두개의 컨볼루셔널 레이어(Convolutional layer)과, 마지막에 풀리 커넥티드 레이어 (fully connected layer)을 가지고 있는 컨볼루셔널 네트워크 모델(CNN) 이다. 모델의 모양을 그려보면 다음과 같다.  입력 데이타 입력으로 사용되는 데이타는 앞의 소프트맥스 예제에서 사용한 데이타와 동일한 손으로 쓴 숫자들이다. 각 숫자 이미지는 28x28 픽셀로 되어 있고, 흑백이미지이기 때문에 데이타는 28x28x1 행렬이 된다. (만약에 칼라 RGB라면 28x28x3이 된다.) 컨볼루셔널 계층 총 두 개의 컨볼루셔널 계층을 사용했으며, 각 계층에서 컨볼루셔널 필터를 사용해서, 특징을 추출한다음에, 액티베이션 함수 (Activatio.. 이전 1 2 3 4 5 6 ··· 11 다음
