이빨 빠진 미남이

이번 포스팅은 standford university의 cs231 lecture 5를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. Reference 💻 유튜브 강의: Lecture 5 | Convolutional Neural Networks 💻 한글 강의: cs231n 7강 CNN 📑 slide: PDF 📔 1. CNN 개요 📔 2. Why CNN? 📔 3. CNN의 구조 📗 Intuitively Understanding Convolutions for Deep Learning 📕 06. 합성곱 신경망 - Convolutional Neural Networks Contents Reference Contents Outline Multi-layered Neural Network 문제점 Why C..

이번 포스팅은 standford university의 cs231 lecture 4를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. 제가 직접 필기한 이미지 자료는 별도의 허락 없이 복사해서 다른 곳에 게시하는 행위를 금지합니다. 필요하신 경우 댓글로 알려주세요! Reference 💻 유튜브 강의: Introduction to Neural Networks 💻 한글 강의: cs231n 4강 Backpropagation and NN part 1 📑 slide: PDF Contents Reference Contents Review Backpropagation: a simple example chain rule이 무엇인가? Another example sigmoid gate Patterns in ..

이번 포스팅은 standford university의 cs231 lecture 3를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. Reference 💻 유튜브 강의: Loss Functions and Optimization 📑 slide: PDF Contents Outline Multiclass Support Vector Machine Loss(Multiclass SVM loss) Questions 1~6 Regularization Weight Decay Softmax Questions 1~3 Softmax vs. SVM 중간 Summary Optimization 1-1. Random Search 1-2. Random Local Search 2-1. Gradeint 따라가기(Follow ..

| 0. 강의 자료 CS231n: Convolutional Neural Networks for Visual Recognition CS231n 전체 강의자료: 강의 자료 링크 CS231n 2강: Youtube 링크 CS231n_2강 강의자료: slide.pdf | 1. 강의 목표 K-Nearest Neighbor Linear classifiers: SVM, Softmax Two-layer neural network Image features | 2. Image Classification The Problem: Semantic Gap An image is just a big grid of numbers between [0, 245]: 컴퓨터는 이미지를 0부터 245까지 픽셀로 본다. 따라서, 컴퓨터가 이미지..

자료 출처: CS5670 Stereo 두 이미지 사이에 어떤 차이가 있는 것 같나요? 두 이미지를 번갈아가며 비교해보면 각도에 따른 차이가 있습니다. 이 차이는 objects가 수평으로 조금씩 이동하는 것으로 느낄 수 있고, 이 이동량은 카메라로부터의 거리에 반비례합니다. 가까운 거리에 있는 object일수록 이동이 더 크고, 멀수록 덜 움직입니다. Disparity 각 camera center에 따른 $O, O^\prime$이 있고, 이들은 3D point의 $X$로 향합니다. 여기서 f는 focal lenght로 camera center와 image plane 사이까지의 거리를 의미합니다. 또한, 3D point와 baseline 사이의 거리를 Z라 둡니다. baseline의 길이는 b로 둡니다. 삼..

이번 포스팅에서 정리할 내용은 Camera models와 vanishing points와 관련된 내용입니다. 자료는 모두 아래 링크를 바탕으로 정리한 내용임을 밝힙니다. 참고 자료: [Multiple View Geometry in Computer Vision 책 내용 정리 Part 1] Camera model에 대한 내용입니다. pinhole model, principal pount offset, intrinsic parameter matrix, camera calibration matrix에 대한 내용이 나옵니다. 이제 projective camera에 대한 내용 정리를 하며 vanishing points 관련 내용까지 정리해보려 합니다. 카메라 행렬 $P$에 대해 정리를 했었는데요. 카메라 행렬 $P..

강의 참고 자료: CS5670 Lec 12 이번 강의는 single-view modeling에 대한 내용입니다. 가장 주요하게 다루는 내용은 vanishing point와 line이며 이를 통해 무엇을 계산하고 얻을 수 있는지, 또 계산 방법은 어떻게 되는지에 집중을 하면 좋을 것 같습니다. Ames Room 착시를 이용한 공간으로 멀리 있는 물체는 작게, 가까이 있는 물체는 크게 인식하도록 하였습니다. A의 원래 자리와 A의 보이는 자리가 다르고 B는 같습니다. 우리가 보는 틈새 구멍으로 착시가 발생합니다. Point and line duality 여기에 점과 직선이 있는데, homogeneous notation을 통해 평면 위의 점과 직선에 대해 하나의 동일한 벡터로 표현할 수 있습니다. 이러한 관계..

자료 출처: CS5670 Lec 11 이번 11강은 Panorama에 대한 내용입니다. 저번 강의에서 반복되었던 Projection matrix 개념의 연장선이기도 합니다. Intro 각 이미지를 warping 시키는 방법은 무엇이 있었나요? Homography를 계산하여 수행할 수 있었습니다. 그렇다면 360도 파노라마를 만들기 위해 homography를 사용할 수 있나요? 정답을 먼저 말하면 이 방법으론 360 panorama를 만들 수 없습니다. 대신 이 질문에 대한 아이디어는 이미지를 평면으로 투영하는 것이 될 수 있습니다. Image mosaic 모자이크란 3D로 자연스럽게 해석될 수 있는데 이미지가 공통 평면에 재투영 된다는 점에서 오른쪽의 평면에 모자이크가 형성됨을 알 수 있습니다. 모자이크..