비전 3) 에지 검출
에지 : 물체의 경계를 표현하나, 거짓 부정이나 거짓 긍정(엣지 실종, 거짓 엣지)가 발생한다. 이 오류의 최소화 방법? 각 픽셀 사이의 명암 변화를, 도함수를 통해 구하면 갑자기 색이 확 바뀌는 구간을 찾을 수 있다. 이산공간에서 가장 작은 단위는 1이므로, 증가량을 1로 잡을 경우, 이는 (-1, 1)의 마스크로 영상 f를 컨벌루션하는 것과 같다. 이 때, 4를 임계값으로 설정하여 이진화하면, 세번째 줄과 같은 영상을 얻는다. 이 때, 1을 갖는 곳이 에지화소이며, f'(x)는 에지마스크라 부른다. 5에서 9로 바뀌는 순간, 4가 증가한다. 즉 이곳이 에지. 두 번 미분한 모델에서, 계단에지는 4 다음 -4로 바뀌는 영교차가 발생한다. 램프에지는 에지가 시작하는 위치 7에서는 -1가 나타나고, 끝나는..
비전 2) 영상처리 : 히스토그램, 이진연산, convolution, 보간, 다해상도
히스토그램(한 영상의 어두운 정도) 계산법 : 그냥 일일이 화소 하나씩 다가가며 그 밝기 보고, 이를 계산해가면 됨 그 다음에 정규화때리기 이 히스토그램을, 영상 품질 개선에 쓴다(히스토그램 평활화). 명암 l을 기준으로, 그보다 작은 명암을 갖는 화소의 비율을 l/L 로 만드는 함수. 위의 식을 응용해, 히스토그램의 누적분포함수를 이용해 픽셀의 분포를 재배치하는 것이 히스토그램 평활화이다. M과 N은 영상의 가로, 세로(즉, 픽셀 수) cdf(v)는 해당 밝기값에서의 cdf값. 즉, 해당 밝기에서의 누적분포함수 값. 이를 이용해, cdf의 기울기가 1보다 큰, 발생빈도가 높은 곳은 기울기가 급격해지며, 발생빈도가 낮은 곳은 반대의 경우를 이용해, 편중된 밝기값을 분산시키고, 흩어진 밝기값을 좁게 모이게..
비전 1) 봐두면 좋은 논문 및 긍/부정 부류, DB
참부류 / 분류결과 w1 w2 w1 n11(TP) n12(FN) w2 n21(FP) n22(TN) 긍정부류를 w1, 부정부류를 w2라 놓는다 가정하자. 즉, 정상제품을 w1로 판별해야 하고, 불량제품을 w2로 판별해야 한다. 이때, 찾아야하는 것은 정상제품이다. 따라서 찾은 것은 TP, FP로 '우량이라 생각하고 검출한 것'이며, 찾아야 하는 것은 w1 전체가 될 것이다. 거짓긍정률은 n21/(n21+n22) 참긍정률은 n11/(n11+n12) 거짓부정률은 n12/(n11+12) 참부정률은 n22/(n21+n22)이며 정확률은 n11/(n11+n21)로 찾은 것(TP, FP) 중 맞게 찾은 것 재현율은 n11/(n11+n12)로, 찾아야 하는 것(TP, FN) 중 맞게 찾은 것 이 때, F측정을 정확률과..
손실함수
* 데이터를 토대로 산출한 모델의 예측값과 실제 값의 차이를 표현 * 회귀타입) 평균오차 계산법, MAE와 MSE, RMSE로 구분됨 1-1) MAE(평균 절대 오차, Mean Absoulte Error) 예측값과 절대값의 차이에 절대값을 취하고, 평균을 낸 간단한 방식 절대값을 취하기에, 음수인지 양수인지 판단이 불가 즉, 어떤식으로 오차가 발생했는지 모름 또한, 최적값에 가까워지더라도, 값에 수렴하긴 힘듬. 1-2) MSE(평균 제곱 오차, Mean Squared Error) 예측값과 실제값 아이의 평균을 제곱해 평균을 냄 차이가 커질수록 값이 뚜렷해지며, 오차가 양수든 음수든 누적값이 증가됨. 최적값에 가까워질 경우, 이동거리의 변화가 유동적이기에 최적값에 수렴하기 쉬우나, 값이 제곱이기에 1 미만..
