1. Computer Vision

  • Visual Perception
    • 카메라를 통해 주변을 인식
  • Vision System
    • ex) 사람: 👀 → 🧠
    • Machine Learning
      1. ‘개’의 이미지로 학습을 시킴 (Labeled DATA)
      2. ‘개’가 아닌 이미지를 제공하여 학습
      3. 학습된 DATA 가 틀렸다는 것을 제공하여 PARAMETER 수정(Training by Trial & Error)
    • Scanning System
    • Interpretation System
      • f(x)를 제작, 이를 뉴런으로 생각한다.
      • 이를 연결하여 딥러닝 수행
      • Newron Based

2. Image Classification

Convolution Neural Network

ex) YOLO & SSD Faster R-CNN

GAN (Genrative Adversaial Network) : 생성적 적대 신경망 현재까지는 그림이나 이미지의 영역에만 한계가 있지만 추후 발전될 것이다.

  • Face Recognition
    • Face Identification
    • Face Verification

3. Computer Vision Pipeline

전체 처리과정

  • Data Input : Image ‘ Video’..
  • Normalization: 이미지 표준화 (색 변환..grayscale)
  • 특징 추출 (Feature Vector): 이미지를 구분할 수 있는 특징 찾기
  • 머신 러닝 모델: 특징을 학습하여 대상을 예측 분류..

정확도를 높이기 위해서 각 구간을 반복하거나 최적화를 해야한다.

4. Image Input

  • 함수로 나타낸 이미지 ( greyscale )
    • F(x, y) = x , y 좌표의 빛의 밝기
    • 컴퓨터 입장에서의 이미지
      • Pixel 에 담기는 숫자[F(x, y)] 들의 Matrix
    • Color Image
      • 행렬을 3개를 이용하여 RGB를 사용하여 표현한다

5. 이미지 전처리

  • 컬러 이미지를 회색조(greyscale) 이미지로 변환한다 처리를 요하는 픽셀의 수를 줄인다 ( Matrix 를 1개로 감소시킴)
    • 이미지 표준화 : Data Image를 CNN이 요구하는 크기로 Resize
    • 데이터 강화 : 주어진 Data를 조금씩 변화시켜 학습 데이터로서 동작하게 함
    • Extra: 배경색을 제거

6. 특징 추출 (Feature Extraction)

  • Original Data로 부터 Feature Vector를 추출하여 특성을 학습하게 한다.

  • What’s good feature Vector?

    • Feature should be easily classificated.

    P.O. Using Pandas / Python would be essentiable

    • Tracking and Compartion should be easily practiced
    • Shouldn’t be effected by Ratio, Brightness, viewpoint.
    • Could be found by part of object

  • How to get Feature Vectors

    • Manually ( SVM , AdaBoost )

      • 기울기 방향성 히스토그램
      • Haar Cascade
      • 크기 불변 특정 변환
      • 고속 강인한 특징 추출

    • Automatically ( Deep Learning )

      • Original Image → Newron Web → Pass

      automatically extract feature vectors by recognizing the patterns give the points by featuring every parts of Data

7. Classification Algorithms

  • Image input → Image normalization → Extract Feature

  • CNN: Deep Learning Algorithm

    • Extract Features automatically + predict labels

    as many as newron floors exists, easily get many feature vectors