| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
- Machine Learning
- classification
- blob detection
- corner detection
- 데이터사이언스
- feature descriptor
- random forest tree
- feature matching
- 가우시안 필터
- 코너 검출
- decision tree
- ai competition
- kaggle titanic
- 머신러닝
- data science
- 캐글
- Ai
- harris corner detection
- Random Forest
- 해리스 코너
- spaceship titanic
- 이미지 처리
- 인공지능대회
- Computer Vision
- XGBoost
- 인공지능
- kaggle
- 컴퓨터비전
- difference of gaussian
- Image Processing
- Today
- Total
목록Computer Vision (3)
이것저것
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..