아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요 1. Image Classification 이미지 분류는 컴퓨터 비전에서 중요합니다. Input : Image, Output : 정해진 카테고리 속에서 하나의 라벨을 출력 사람과 컴퓨터가 인식하는 차이가 있는데 그것을 Semantic Gap(의미적 차이)이라고 합니다. 사람은 직관적으로 사물이 무엇인지 알아낼 수 있지만 컴퓨터는 직관이 없습니다. 컴퓨터는 픽셀의 색을 표현한 숫자로 된 그리드(격자)를 통해 인식합니다. 이미지를 분류하기 위해 다양한 문제들이 존재합니다. Viewpoint Variation (시점의 변화) Intraclass Variation Fine-Grained ..
학습포스팅
아래 내용은 cs231n 유튜브 강의를 기초로 하여 작성되었습니다. 해당 유튜브 강의를 들으시고 싶으시다면 여기를 클릭하세요. 1. 컴퓨터비전과 딥러닝 컴퓨터비전 : 시각적 데이터에 대한 인식과 추론 컴퓨터비전 분야는 시각적 데이터의 기하급수적인 증가로 중요해지고 있음. ex) 자율주행, 가상현실, 드론 딥러닝 : 뇌로부터 영감을 받은 "layers"이 존재하는 계층적 학습 알고리즘 cs231n에서 강의할 내용은 Computer Vision과 Deep learning의 intersection 부분임 2. 컴퓨터 비전의 역사 Hubel and Wisel, 1959 고양이를 이용한 실험을 통해 우리는 비전이라는 것이 어떻게 작동하는지 이해하기 시작 Larry Roberts, 1963 실제로 사진 정보를 얻는..
오늘 수행하려고 했던 과제는 총 4가지였습니다. 사진 읽어오기 사진을 회색으로 변환시키기 회색 사진의 선명도를 바꿔보기 (실패) histogram과 cumsum 그려보기 1. 사진 읽어오기 import PIL.Image as pilimg import numpy as np import matplotlib.pyplot as plt import matplotlib.cm as cm # 사진 읽기 im = pilimg.open('IMG_3514.jpg').convert('L') # 수정 사진 image = pilimg.open('IMG_3514.jpg') #원본 사진 #이미지 픽셀을 numpy array로 변환 pix = np.array(im) # 수정 사진 pix1 = np.array(image) # 원본 사진..
