이것저것

Scene recognition  어떤 이미지를 입력하였을때 이 이미지가 나타내는것이 무엇인지를 출력하는 것을 scene recognition 이라고 한다. 요즘은 VGG나 ResNet과 같은 딥러닝을 활용하지만, 2000년대 초반에는 GPU 파워가 뛰어나지 못해 딥러닝을 사용하여도 계산 시간이 너무 오래 걸려 실용적이지 못하였다. 그래서 사용한 방법이 bag of visual words이다. Bag of visual words algorithm (BoVW)Bag of words는 본래 NLP에서 사용되는 방법이다. NLP도 마찬가지로 transformer를 사용하지만, 예전에는 bag of words라는 알고리즘을 사용하였다. 어떤 글에서 사전에 나오는 단어들의 frequency들을 측정하여 수치화 하..

Recap: Blob detection지난 포스팅에서는 feature point중 하나인 blob에 대하여 살펴보았다. Blob은 이미지에서 주변과 비교했을때 intensity가 다른 영역을 의미한다. Blob을 감지하는 방법은 우선 2D Gaussian function의 Laplacian을 계산한 후 standard deviation의 제곱을 곱하여 scale-normalize를 하고 이 2d filter를 이미지에 convolve를 하였을때의 local maxima를 찾는다. 이때 scale space에서 local maxima들중 가장 response가 큰 optimal sigma가 정해지며, $\frac{\sigma}{\sqrt{2}}$ 가 blob의 radius 가 된다. 하지만 LoG를 사용하..

Recap: Harris Corner DetectorHarris Corner Detector 에서 이미지에서 코너를 검출해 내기 위해 sliding window 를 사용하였다. Sliding window의 intensity change가 모든 방향으로 크면 corner가 된다라는 접근으로 시작하였다. 어떤 포인트 $(x,y)$ 가 코너인지 아닌지 확인하기 위해서 각 포인트에서 x 방향으로 u 만큼, y 방향으로 v 만큼 이동한 sliding window와 이동하기 전 sliding window의 intensity change를 $E(u,v)$ 함수로 계산하였다. 코너에서는 $E(0,0)$ 이외에 모든 점에서 intensity change가 크기 때문에 E 함수가 peak 을 가지기 때문에 $E(u,v)$..

Feature Detection 이미지에서 의미 있는 점들을 feature point 라고 한다. Edge와 corner와 같은 특징을 가진 점들을 이미지에서 뽑아내어 object recognition, 3d reconstruction 같은 유용한 작업들을 수행할 수 있다. Feature detection 기법중 가장 간단한 corner detection에 대하여 먼저 살펴보고자 한다. 이미지에서 corner를 인식하려면 먼저 코너가 어떤 특징을 가지고 있는지 알아야 한다.   어떤 sliding window를 움직였을때 flat region에서는 아무런 intensity 변화가 생기지 않는다. edge에서는 edge의 방향으로 움직였을때 아무런 변화가 생기지 않고, 그 이외의 방향으로 움직였을 때 in..