How many Programing

15.3 서포트 벡터 머신 15.3.1 서포트 벡터 머신 알고리즘 서포트 벡터 머신 : 기본적으로 두 개의 클래스로 구성된 데이터를 가장 여유 있게 분리하는 초평면을 찾는 머신 러닝 알고리즘 초평면 : 두 클래스의 데이터를 분리하는 N차원 공간상의 평면을 의미함 SVM 알고리즘 : 지도 학습의 일종, 분류와 회귀에 사용될 수 있음. 기본적으로 선형으로 분리 가능한 데이터에 적용할 수 있음. 데이터는 선형으로 분리되지 않는 경우가 많으며, 이러한 경우 커널 트릭이라는 기법을 사용함. 커널 트릭 : 적절한 커널 함수를 이용하여 입력 데이터 특징 공간 차원을 늘리는 방식 15.3.2 SVM 클래스 사용하기 SVM 클래스 : ml모듈에 포함되어 있음 SVM::create() : 객체 생성 static Ptr S..

Programing/OpenCV 2022. 9. 7. 16:14

15.2 k 최근접 이웃 15.2.1 k 최근접 이웃 알고리즘 kNN 알고리즘 : 분류 또는 회귀에 사용되는 지도 학습 알고리즘의 하나 분류 - 특징 공간에서 테스트 데이터와 가장 가까운 k개의 훈련 데이터를 찾고, k개의 훈련 데이터 중에서 가장 많은 클래스를 테스트 데이터의 클래스로 지정 회귀 - 테스트 데이터에 인접한 k개의 훈련 데이터 평균을 테스트 데이터 값으로 설정 k를 1로 설정하면 최근접 이웃 알고리즘이 됨. 그러므로 보통 k는 1보다 큰 값으로 설정하며, k 값을 어떻게 설정하느냐에 따라 분류 및 회귀 결과가 달라질 수 있음. 최선의 k 값을 결정하는 것은 주어진 데이터에 의존적이며, 보통 k 값이 커질수록 잡음 또는 이상치 데이터의 영향이 감소함. 그러나 k 값이 어느 정도 이상으로 커..

Programing/OpenCV 2022. 9. 2. 16:28

15장 머신 러닝 15.1 머신 러닝과 OpenCV 15.1.1 머신 러닝 개요 머신 러닝 : 주어진 데이터를 분석하여 규칙성, 패턴 등을 찾고, 이를 이용하여 의미 있는 정보를 추출하는 과정 학습 (훈련) : 규칙을 찾아 가는 과정 모델 : 학습에 의해 결정된 규칙 예측 (추론) : 새로운 데이터를 학습된 모델에 입력으로 전달하고 결과를 판단하는 과정 지도 학습 : 정답을 알고 있는 데이터를 이용하여 학습을 진행하는 방식 레이블 : 훈련 데이터에 대한 정답에 해당하는 내용 주로 회귀와 분류에 사용 회귀 : 연속된 수치 값을 예측하는 작업 분류 : 이산적인 값을 결과로 출력하는 머신 러닝 비지도 학습 : 훈련 데이터의 정답에 대한 정보 없이 오로지 데이터 자체만을 이용하는 학습 방식 두 사진 집합에서 서..

Programing/OpenCV 2022. 8. 19. 14:06

14.3 특징점 매칭 14.3.1 OpenCV 특징점 매칭 특징점 매칭 : 두 영상에서 추출한 특징점 기술자를 비교하여 서로 비슷한 특징점을 찾는 작업 (크기 불변 특징점으로부터 구한 기술자를 매칭하면 크기와 회전에 강인한 영상 매칭을 수행가능) DMatch 클래스 : 한 장의 영상에서 추출한 특징점과 다른 한 장의 영상, 또는 여러 영상에서 추출한 특징점 사이의 매칭 정보를 표현 BFMatcher 클래스 : 질의 기술자 집합에 있는 모든 기술자와 훈련 기술자 집합에 있는 모든 기술자 사이의 거리를 계산하고, 이 중 가장 거리가 작은 기술자를 찾아 매칭하는 방식 (매우 직관적이지만 특징점 개수가 늘어날수록 거리 계산 횟수가 급격하게 늘어날 수 있음) FlannBaseMatcher 클래스 : 근사화된 거리..

Programing/OpenCV 2022. 8. 3. 16:08

14장 지역 특징점 검출과 매칭 14.1 코너 검출 14.1.1 해리스 코너 검출 방법 템플릿 매칭은 영상의 크기가 바뀌거나 회전이 되면 제대로 동작하지 않는 한계가 있음 두 영상 사이에 기하학적 변환이 있어도 효과적으로 사용할 수 있는 지역 특징점 기반 매칭 방법 특징 : 영상으로부터 추출할 수 있는 유용한 정보를 의미 (평균 밝기, 히스토그램, 에지, 직선 성분, 코너 등) 지역 특징 : 에지, 직선 성분, 코너처럼 영상 전체가 아닌 일부 영역에서 추출할 수 있는 특징 코너 : 에지의 방향이 급격하게 변하는 부분으로서 삼각형의 꼭지점이나 연필 심처럼 뾰족하게 튀어나와 있는 부분이 코너가 될 수 있음. 직선 성분 등의 다른 지역 특징에 비해 분별력이 높고 대체로 영상 전 영역에 골고루 분포하기 때문에 ..

Programing/OpenCV 2022. 8. 2. 15:44

13장 객체 검출 13.1 템플릿 매칭 입력 영상에서 작은 크기의 부분 영상 위치를 찾아내고 싶은 경우 사용함 템플릿 : 찾고자 하는 대상이 되는 작은 크기의 영상 템플링 매칭 : 작은 크기의 템플릿 영상을 입력 영상 전체 영역에 대해 이동하면서 가장 비슷한 위치를 수직적으로 찾아내는 방식 // 템플릿 매칭 void template_matching() { Mat img = imread("circuit.bmp", IMREAD_COLOR); Mat templ = imread("crystal.bmp", IMREAD_COLOR); if (img.empty() || templ.empty()) { return; } img = img + Scalar(50, 50, 50); Mat noise(img.size(), CV..

Programing/OpenCV 2022. 7. 27. 15:19

12.2 외곽선 검출 이진 영상에서 객체의 위치 및 크기 정보를 추출하는 유용한 방법 객체의 외과선 픽셀 좌표를 모두 추출하여 계층 정보와 함께 반환함 12.2.1 외곽선 검출 객체의 외곽선 : 객체 영역 픽셀 중에서 배경 영역과 인접한 일련의 픽셀을 의미 객체 바깥쪽 외곽선과 안쪽 홀 외곽선으로 구분할 수 있음 객체 하나의 외곽선은 여러 개의 점으로 구성됨 : vector 타입으로 저장 하나의 영상에는 여러 개의 객체가 존재할 수 있음 : vector 타입으로 표현함 // 외곽선 검출 및 그리기 void contours_basic() { Mat src = imread("contours.bmp", IMREAD_GRAYSCALE); if (src.empty()) { return; } vector conto..

Programing/OpenCV 2022. 7. 21. 14:13

12장 레이블링과 외곽선 검출 12.1 레이블링 이진 영상에서 흰색으로 구분된 각 객체 영역에 고유의 번호를 지정하는 레이블링 기법 영상 내부에 있는 각 객체의 위치, 크기, 모양 등 특징을 분석할 때 사용됨 12.1.1 레이블링의 이해 영상 내에 존재하는 객체 픽셀 집합에 고유 번호를 매기는 작업 = 연결된 구성 요소 레이블링 객체 인식을 위한 전처리 과정으로 자주 사용됨 이진화된 영상에서 수행됨 : 입력 영상의 픽셀 값이 0이면 배경, 0이 아니면 객체 픽셀로 인식함 하나의 객체는 한 개 이상의 인접한 픽셀로 이루어지며, 하나의 객체를 구성하는 모든 픽셀에는 같은 레이블 번호가 지정됨 4-방향 연결성 : 특정 픽셀의 상하좌우로 붙어 있는 픽셀끼리 연결됨 8-방향 연결성 : 상하좌우로 연결된 픽셀뿐만 ..

Programing/OpenCV 2022. 7. 19. 15:18