Traditional Image Segmentation 기술 image segmentation 모델에 적용된 객체인식 및 위치 파악 기술은 특정 application이나 세그먼트화할 이미지 유형에 따라 달라짐. 1. Threshold Method - 객체와 배경의 대비가 높은 이미지에 적합 - image binarization에 자주 사용되므로 binary image에서만 작동하는 contour detection 및 identification과 같은 추가 알고리즘 사용가능 - Otsu's Threshold, Mean shift 2. Region Based Method - 인접한 픽셀 간의 유사성(비슷한 속성)을 찾아 공통 클래스로 그룹화하여 작동 일반적인 segmentation procedu..
Image Segmentation의 정의 머신러닝에서 image segmentation이란 데이터를 개별 그룹으로 분리하는 프로세스를 의미, Deep learning에서 image segmentation은 label이나 범주를 이미지의 모든 픽셀과 연결하는 segment map을 만드는 과정이 중요함. 물체의 경계를 윤곽선으로 표시하여 해당 object 물체가 있는 위치 찾아내기, 갭려 object detection 부터 이미지 속 여러 영역에 개별 레이블 지정 Image Segmentation은 image classification의 확장=> 이미지의 영역을 분할해서 각 객체에 맞게 합쳐주는 것 => 분류 외에도 객체의 관계를 표현하여 해당 객체가 있는 위치를 정확히 가리킨다. => image c..
CNN 특징 - Convolutional Neural Network, 합성곱 신경망 - 인간의 시신경 구조를 모방한 기술 - 특징맵을 생성하는 필터까지도 학습이 가능해서 비전(vision) 분야에서 성능이 우수함- 이미지를 인식하기 위해 패턴을 찾는데 특히 유용함- 데이터를 직접 학습하고 패턴을 사용해 이미지를 분류함- 자율주행자동차, 얼굴인식과 같은 객체인식이나 computer vision이 필요한 분야에 많이 사용 -이미지의 공간 정보를 유지한 채 학습을 하게 하는 모델(1D로 변환하는 것이 아닌 2D 그래도 작업) CNN 구조Fully Connected Layer 만으로 구성된 인공 신경망의 입력데이터는 1차원(배열) 형태로 한정된다. 한 장의 컬러 사진은3차원 데이터이다. 배치 모드에 사용되는..
이 논문은 2006년에 나온 다소 오래된 논문일 수도 있다. 하지만 이 논문을 처음으로 리뷰하는 이유는 gait 즉 보행에서도 SLIP , spring loaded iverted pendulum 이라고 하는 모델로 설명 할 수 있는 포문을 연 논문이기 때문에 리뷰를 진행한다. 이 논문은 향후 다른 많은 gait model에 영향을 미친 만큼 논문 인용 수도 어마 어마 한것을 볼 수 있다. 1. 배경 이 논문이 나오기 이전에는 보행과 러닝을 다른 모델로 설명하려고 했다. 보행은 inverted pendulum이라고 하는 말 그대로 딱딱한 막대기로 설명하려했고 러닝에서는 좀더 complaint한 legs로 rebounding을 하려고 했다. - 보행 : inverted pendulum - 러닝 : ..
SLIP에 대해서 시리즈 처럼 5편의 논문을 리뷰할 예정이다. 이번 겨울 목표는 5편의 논문을 이해하고 시뮬레이션까지 진행하는게 목표인데 한번 해보자고!! Compliant leg behaviour explains basic dynamics of walking and runningGeyer, Seyfarth and blickhan2006Leg stiffnessincreaseswithspeedtomodulategaitfrequencyand propulsion energyKim and Park2011Compliant bipedalmodelwiththecenterofpressureexcursion associated withoscillatorybehaviorofthecenterofmass reproduce..
1. Confidence Intervals 2-1. Donfidendce intervals ( t-intervals) 2-2. Hypothesis testing(t-tests) 1. Confidence Interval 우리가 알고 싶은 것은 모집단의 평균 ==> 그러나 하나를 꼭 찝어서 추정할 수 없음. 그래서 구간을 추정하는 것임. 1) sample data 모집단의 개수는 모르지만 샘플의 개수만 알 수 있음 2) confidence interval 그래서 신뢰구간을 구해서 표본에서 모집단을 추정값에 대한 신뢰도를 알 수 있음. 모집단 평균을 표본 평균으로 추정함. 이때 , standard error = smapl..
