분류 전체보기 (323) 썸네일형 리스트형 8/3(목) IT K-DT(104일차) / 4.ObjectDetection 4. Object Detection(객체 탐지) 4-1. Object Detection(객체 탐지) 컴퓨터비전과 이미지처리와 관련된 컴퓨터기술. 디지털이미지와 비디오로 특정한 계열의 Sementic Instance를 감지하는 행위. 얼굴검출, 보행자검출 등이 포함됨 4-1-1. 컴퓨터 비전의 Task 비교 Image Classification: 이미지에 있는 개체 범주 목록을 생성해서 구별 Single-Object Localization: 이미지에 있는 개체 범주 목록과 각 개체 범주의 한 인스턴스의 위치와 배열을 나타내는 bounding box 생성. https://machinelearningmastery.com/object-recognition-with-deep-learning A Gentle Int.. 8/2(수) IT K-DT(103일차) / 3.Classification실습 폐 사진을 보고 1. 일반인의 폐, 2. 코로나에 걸린 사람의 폐, 3. 폐렴에 걸린 사람의 폐를 구별하는 코드 작성해보기 (VGG19(classification) 모델 사용 / Dataset, DataLoader, Train/Test 클래스화 / Test셋에 대한 예측 및 결과를 시각화) 가상환경 생성 * python이 2개가 설치되어있기 때문에 env 가상환경을 만들어서 실행해주는것이 좋음 cmd 경로를 지정한 후, 터미널에 작성 pip install pipenv 2개 이상의 python이 설치되어있을 때, 가상환경을 사용하고자하는 python의 버전을 입력 여기서는 3.8버전의 python을 사용할 예정 pipenv --python 3.8 가상환경의 이름 생성 pipenv shell 커널의 설치 p.. 8/1(화) IT K-DT(102일차) / 1.데이터셋~2.Classification 1. 데이터셋 1-1. 데이터셋 기계 학습 모델을 학습하는데 사용되는 데이터의 모음. 데이터셋은 이미지, 오디오, 텍스트, 수치데이터 등 다양한 데이터형으로 구성될 수 있음. 특정 데이터 유형과 데이터셋의 크기는 해결되는 문제와 사용중인 모델 유형에 따라 달라짐. 1-1-1. 데이터셋의 크기 모델이 학습 중에 본 예제의 수. 적은 데이터셋: 다양한 예제가 포함되지 않아 과적합이 발생할 수 있음. 큰 데이터셋: 모델이 충분한 수의 예제를 보고 새 데이터로 일반화할 수 있음. → 그래서 데이터는 항상 많아야 함. 1-1-2. 데이터의 품질 주석이나 레이블이 잘못 지정된 데이터셋 → 모델의 성능에 부정적인 영향을 줄 수 있음. 다양한 개체 변형의 존재, 조건, 배경 등을 포함한 데이터셋의 다양성도 모델의 견고.. 환경변수 지정 방법 1. DOTHOME 호스팅 탐색기 > 내PC 우클릭 > 속성 우측 '고급 시스템 설정' '환경 변수' 클릭 '시스템 변수' 위치의 'path' 클릭 후 '편집 버튼' 클릭 '새로 만들기' 클릭 후 환경변수로 지정할 경로 설정 확인 버튼 클릭 7/31(월) IT K-DT(101일차) / 27.OCR~28.테서렉트 1. OCR(Optical Character Recognition) 광학문자인식. 이미지나 문서에서 텍스트를 자동으로 인식하고 컴퓨터가 이해할 수 있는 텍스트 데이터로 변환하는 프로세스. 사진, 스캔, 스마트폰 카메라로 찍은 이미지 등 다양한 형식의 입력에서 문자를 식별하고 추출하여 편리한 텍스트 데이터로 변환할 수 있음. 2. 테서렉트(Tesseract) 오픈 소스 기반의 광학 문자 인식(OCR) 엔진. 처음에는 Hewlett-Packard 사에서 개발되었으며, 현재는 Google이 주도하고 관리하고 있음. 다양한 언어의 인쇄된 텍스트를 이미지나 스캔한 문서에서 자동으로 감지하고 추출하여 컴퓨터가 이해할 수 있는 텍스트 데이터로 변환하는 데 사용하는 라이브러리. 다양한 플랫폼에서 동작하며, 텍스트 인식.. 7/28(금) IT K-DT(100일차) / 21.필터링(filtering)~26.외곽선검출 21. 필터링 (filtering) 커널(filter)이라고 하는 행렬을 정의하고 이 커널을 이미지 위에서 이동시켜 가면서 커널과 겹쳐진 이미지 영역과 연산을 한 후 그 결과값을 연산을 진행한 이미지 픽셀을 대신하여 새로운 이미지를 만드는 연산 (CNN의 Mask와 유사한 개념) filter2D(영상, 이미지의깊이(-1), 커널, 중심점좌표, 추가될값, 가장자리화소처리) 이미지깊이: -1(입력과동일) 커널행렬: 3*3, 5*5 ...와 같이 가로세로가 동일한 정방행렬을 사용. 중심점좌표: 기본값은 왼쪽상단 가장자리화소처리 BORDER_CONSTANT: 픽셀의 끄트머리를 0으로 채우는 처리. (0000abcdefg0000) BORDER_REPLICATE: 픽셀의 맨 왼쪽과 맨 오른쪽을 동일한 값으로 채우는.. 7/27(목) IT K-DT(99일차) / 18.적응형이진화~20.영상의변환 18. 적응형 이진화 - 노이즈를 제거한 뒤에 Otsu 이진화를 적용. 훨씬 더 선명해지게 보일 수 있음. - 영상을 여러 영역으로 나눈 뒤, 그 주변 픽셀값만 활용하여 임계값을 구함 cv2.adaptiveThreshold(영상, 임계값을만족하는픽셀에적용할값, 임계값결정방법, Threshold적용방법, block_size, 가감할상수) - 임계값결정방법 cv2.ADAPTIVE_THRESH_MEAN: 이웃 픽셀의 평균으로 결정하는 방법. 선명하지만 잡티가 많아짐. cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 가우시안분포에 따른 가중치의 합으로 결정하는 방법. 선명도는 떨어지나 잡티가 적음. - block_size: 몇으로 나눌것인지를 결정. 일반적으로 3의 배수를 호출하며, 사이즈가 클수록 연.. 7/26(수) IT K-DT(98일차) / 12.inRange함수~17.지역이진화 12. inRange() 영상에서 index값을 추출해주는 함수 이미지에서 지정된 범위 안에 픽셀을 선택 cv2.inRange(영상, min값, max값) # 녹색계열의 색상만 추출하려는 경우 import cv2 src = cv2.imread('./candies.png') hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV) # HSV를 사용하여 색상을 추출하려 함 ''' RGB 녹색계열 추출값 0 이전 1 ··· 13 14 15 16 17 18 19 ··· 41 다음
