이빨 빠진 미남이

내용 출처: CS5670 이번 파트는 cs5670의 6번째 강의로 Feature Descriptors and Feature Matching의 주제입니다. 책으로는 4.1 파트에 해당됩니다. Local features를 찾는데 1) Detection, 2) Description, 3) Matching이란 3단계가 있다면, 이제 2번째 단계입니다. 해당 파트는 PPT 자료에 나온 그대로 각각 흥미 있는 포인트 주위로 벡터의 특징을 추출하는 부분입니다. Feature descriptors 저번 Lec5. 에서 해당 페이지를 마지막으로 끝이 났습니다. We know how to detect good points Next question: How to match them? Answer: Come up with a..

내용 출처: CS5670 Local features: main components Detection: Identify the interest points. Description: Extract vector feature descriptor surrounding each interest point. Matching: Determine correspondence between descriptors in two views. Harris features(in red) Image transformations Geometric: Rotation, Scale Photo metric: Intensity change Invariance and equivariance We want corner location to be ..

Aliasing 출처: 위키디피아 Aliasing(앨리어싱)이란 무엇일까? 엘리어싱이란 위신호 현상의 의미로 신호 처리에서 표본화(샘플링)을 하는 가운데 각기 다른 신호를 구별해내지 못하게 하는 효과를 의미합니다. 신호가 샘플로부터 다시 구성될 때, 결과가 원래의 연속적인 신호와 달라지는 '일그러짐'을 가리키고, 계단 현상이라 부르기도 합니다. 붉은색 선: 실제 신호 검은색 실선: 샘플링 된 값 실제 신호보다 샘플링 된 값의 주기가 더 낮습니다. 이런 경우 sampling rate가 낮다고 하며, 신호를 제대로 해석할 수 없습니다. 이런 상황을 Aliasing이라고 합니다. 헷갈리는 몇 가지 용어를 정리해보자면 Sampling: 무한한 continuous한 데이터들에서 유한한 데이터를 얻어내는 과정을 의..

해당 게시글은 위 출처에서 질문과 답변을 참고하여 내용을 정리하였음을 밝힙니다. Machine Learning Interview Questions and Answers Q-1: 머신러닝이란 무엇인가요? 머신러닝은 인간처럼 행동할 수 있는 지능적인 시스템을 개발하는 알고리즘에 대한 연구입니다. 기계가 데이터를 학습하고 패턴을 인식하여 새로운 데이터가 도착하면 예측을 할 수 있도록 합니다. Q-2: 지도 학습과 비지도 학습의 핵심 차이점은? 참고 Supervised learning에는 label이 지정된 데이터가 필요하고, 맞춰야 하는 값이 있습니다. 따라서 크게 2가지로 나눌 수 있는데 첫 번째로는 예측하는 값이 categorical한 경우 분류(classification) 문제가 있습니다. 두 번째로는 ..

해당 게시글은 위 출처에서 번역하여 내용을 정리하였음을 밝힙니다. Data Science vs. Machine Learning Data science는 unstructured/raw data(비정형/원시 데이터)에서 정보를 추출하는 프로세스입니다. 이 작업을 수행하기 위해 여러 algorithms, machine learning technique, data analysis를 통합합니다. 그래서 개념으로 따지면 Data Science > Artificial Intelligence > Machine Learning 의 순으로 큰 개념이라 볼 수 있습니다. Definition of Data Science & Machine Learning Data science는 여러 분야를 통합한 개념으로 과학적인 방법, a..

| Today's topic is Features extraction - Corners and blobs. | Key points feature extraction local feature Harris corner detection Motivation: Automatic panoramas The human visual system has a field of view of around 135 x 200 degrees, but a typical camera has a field of view of only 35 x 50 degrees. Panoramic image mosaicing works by taking lots of pictures from an ordinary camera, and stitching..

| Today's topic is Sampling & interpolation. | Key points Subsampling an image can cause aliasing. Better is to blur (“pre-filter”) to remote high frequencies then downsample If you repeatedly blur and downsample by 2x, you get a Gaussian pyramid Upsampling an image requires interpolation. This can be posed as convolution with a “reconstruction kernel” Image scaling This image is too big to fit ..

비지도 학습(unsupervised learning)에 대한 파트입니다. 챕터 8에서 살펴본 차원 축소(dimension reduction)도 가장 널리 사용되는 unsupervised learning에 해당됩니다. 이번 장에서는 몇 가지 학습과 알고리즘을 살펴봅니다. 저는 책의 내용이 너무 방대하고 이 이론을 뒷받침하기엔 설명이 부족하다고 판단하여 주요 개념만 다루려고 합니다. 저는 Clustering, K-means, DBSCAN, GMM을 간단히 요약 정리하였습니다. 1. Overview Unsupervised learing의 문제 클러스터링(clustering) 차원 압축(dimensionality reduction) 이상 감지(anomaly detection) Unsupervised learin..