본문 바로가기

전체 글

Python(54)- 모폴로지 처리, 레이블링, 테서렉트 *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*모폴로지 처리:영상의 밝은 영역이나 어두운 영역을 축소 또는 확대하는 기법     cv2.getStructuringElement(구조 요소의 모양, 사이즈)     - 구조 요소의 모양         1. 직사각형(cv2.MORPH_RECT)         - 가장 단순한 형태로, 모든 요소가 같은 값을 가지는 정사각형 또는 직사각형         - 팽창과 침식 연산에서 동일하게 작동         - 객체 가장자리를 따라 명확한 변화를 줄 때 유용         2. 타원형(cv2.MORPH_ELLIPSE)         - 가장자리 부분을 더 부드럽게 처리         - 객체의 둥근 모양을 유지하면서 노이즈.. 더보기
Python(53)- 엣지 검출, 투시 변환 *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1. 영상의 변환- 영상을 구성하는 픽셀의 배치 구조를 변경함으로써, 전체 영상의 모양을 바꾸는 작업 이미지 이동(translate) 원래 있던 좌표에 이동시키려는 거리만큼 연산     변환행렬         M = [ 1 0 a ]                [ 0 1 b ]                ->x축으로 a만큼 y방향으로 b만큼 이동하는 행렬     cv2.warpaffine()     * (0, 0)을 매개변수로 전달하면 입력 영상과 크기가 같은 행렬을 반환import cv2import numpy as npimg = cv2.imread('./dog.bmp')aff = np.array([[1,0,150].. 더보기
Python(52)- ROI, 이진화(threshold, otsu) *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1. ROI관심 영역(ROI, Region of Interest) - 영상 내에서 관심이 있는 영역 cv2.selectROI()import cv2img = cv2.imread('./sun.jpg')# x, y, w, hx=182y=21w=122h=110# 태양을 복사roi = img[y:y+h, x:x+w]roi_copy = roi.copy()# 오른쪽에 붙이기img[y: y+h, x+w: x+w+w] = roi# 두 태양을 박스로 감싸기cv2.rectangle(img, (x, y), (x+w+w, y+h), (0, 255, 0), 3)cv2.imshow('img', img)cv2.imshow('roi_copy', .. 더보기
Python(51)- CLAHE(평탄화), 색상추출, hist *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1_keyEvent키보드 이벤트cv2.waitKey()delay: 밀리초 단위 대기(0보다 작거나 같으면 무한정 기다림. 기본값은 0)반환값: 눌려진 키의 아스키 코드값(ESC: 27, ENTER: 13, TAB:9)import cv2img = cv2.imread('./dog.bmp')cv2.imshow('img', img)while True: keyvalue = cv2.waitKey() if keyvalue == ord('i') or keyvalue == ord('I'): img = ~img cv2.imshow('img', img) elif keyvalue == 27: .. 더보기
Python(50)- OpenCV *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*영상(Image)- 픽셀이 바둑판 모양의 격자에 나열되어 있는 형태 - 픽셀 : 이미지를 구성하는 가장 적은 단위 - 2차원 행렬 그레이스케일 영상- 흑백 사진처럼 색상 정보가 없는 영상 - 밝기 정보만으로 구성된 영상 - 밝기 정보는 256단계로 표현(0 ~ 256) - 8bit에 저장 = 1byte - 가로크기 * 세로크기 = 이미지 용량     예) 28 * 28 = 784 bytes트루컬러 영상- 컬러 사진처럼 색상 정보를 가지고 있기 때문에 다양한 색상을 표현할 수 있는 영상 - red, green, blue 색 성분을 사용하고 각 256단계로 표현 - 픽셀의 표현 -> (255, 255, 255) 튜플 형.. 더보기
Python(49)- 컴퓨터 비전 *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1. 컴퓨터 비전이란인공지능(AI)의 한 분야로, 컴퓨터와 시스템을 통해 디지털 이미지, 비디오 및 기타 시각적 입력에서 의미 있는 정보를 추출한 다음 이러한 정보를 바탕으로 작업을 실행하고 추천할 수 있게 함 AI -> 생각컴퓨터 비전 -> 보기, 관찰, 이해2. 데이터셋컴퓨터 비전 모델은 데이터 모음(일반적으로 이미지, 비디오 또는 기타 시각적 정보)을 학습데이터셋은 모델의 성능을 결정하는데 중요(양과 품질)데이터셋의 크기는 모델이 학습 중에 본 예제의 수를 나타내기 때문에 중요데이터셋의 품질은 주석이 잘못 지정되거나 레이블 잘못 저장된 경우, 모델의 성능에 많은 부정적 영향을 줄 수 있다 주석은 이미지의 테두리.. 더보기
Python(48)- PLM을 이용한 실습 *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1. NLI(Natural Language Inference) 실습두 개의 문장(전제와 가설) 사이의 논리적 관계를 결정하는 자연어처리 문제!pip install transformers# pipeline: 자연어 처리 작업을 간단한 코드로 여러 작업을 한번에 지원# AutoTokenizer: 자동으로 적절한 토크나이저를 선택하여 모델의 토큰화를 지원from transformers import pipeline, AutoTokenizerclassifier = pipeline( 'text-classification', model = 'Huffon/klue-roberta-base-nli', return_al.. 더보기
Python(47)- 자연어처리를 위한 모델 학습 *이 글을 읽기전에 작성자 개인의견이 있으니, 다른 블로그와 교차로 읽는것을 권장합니다.*1. 사전 학습(Pre-training)원하는 자연어처리 작업을 수행하는 데이터셋으로 모델을 학습시키기 이전에 일반적인 데이터에 먼저 학습을 시키는 것사전학습은 대량의 자연어 코퍼스를 미리 학습하여, 자연어 코퍼스 안에 포함된 일반화된 언어 특성들을 모델의 파라미터 안에 함축하는 방법사전학습한 모델의 parameter를 이용해서 모델을 초기화한 뒤 (Pre-training) 사전학습된 모델을 실제 풀려고 하는 문제의 데이터에 fine-tuning하면 임의로 초기화된 parameter를 가진 모델을 처음부터 학습시키는 것보다 더 높은 성능을 가짐예) 컴퓨터 비전에서 엄청난 크기의 이미지 데이터인 ImageNet에 pr.. 더보기

티스토리툴바