러닝머신 하는 과고생

보호되어 있는 글입니다.

보호되어 있는 글입니다.

나는 최근 2년동안 영역 분할이라는 주제에 대해 여러 시도와 고찰을 했었다. 캔위성의 착륙지점을 예측하는 프로젝트와 R&E에서 복도 영역을 추출하기 위해서 Semantic Segmentation을 활용해본 경험이 있다. 모델을 학습시키기 위해 이미지를 라벨링하는 과정은 매우 많은 시간과 노력을 투입해야 하는 번거로운 과정. 이에 K-means 클러스터링 기반 영역 분할, CNN의 작동 과정을 설명하는 XAI 분야를 고찰하며 특정 클래스의 영역을 알아내고자 하거나 Weakly supervised semantic segmentation 분야를 공부해보기도 하였다. 최근 KOOC를 통해 김창익 교수 님의 '영상 이해를 위한 최적화 기법' 강의를 시청해보며 수학적 최적화 자체와 영상에 최적화 기법을 적용시키는데..

0. 글을 시작하며 본인은 OpenCV로 기본적인 이미지 회전, 색상 처리 등만 경험했었는데 좀 더 해보니 작년에 Image stitching을 직접 구현해보고 R&E에서도 카메라 캘리브레이션 기법과 homography matrix로 3차원 변환을 진행하는 등 컴퓨터 비전 분야에 관심이 어느 정도 생겼다. 근데 OpenCV 라이브러리만 잘 활용할 줄 알았지 그 배경 이론이나 관련된 얘기를 잘 몰랐다. 그래서 'OpenCV4 로 배우는 컴퓨터 비전과 머신 러닝' 책을 읽고 책에서 얻은 팁과 관심 분야 배경이론과 대략적인 원리를 위주로 정리해보았다. 사실 c++로 실습이 있길래 건너뛰고 내용 위주로 읽고 python으로 구현했다. 1. 영상의 명암비 조절, 히스토그램 분석 OpenCV에서 명암비를 효과적으로..