본문 바로가기

인공지능4

lottie 2023. 12. 16.
OpenCV 컴퓨터비전 고급 알고리즘 이미지 특징점 추출 xfeatures OpenCV 컴퓨터비전 고급 알고리즘 이미지 특징점 추출 xfeatures 커널 특징 작은 행렬 : 이미지의 특정 픽셀을 변경 사용 블러링, 샤프팅, 엣지 감지 등 : 컨볼루션 연산 적용 커널의 크기와 값에 따라 결과는 달라진다. 필터 : 이미지의 특성(패턴, 질감, 색상 등)을 강조, 스케일 작업시 사용 이미지 노이즈 제거, 특징강조 마스크 이미지 특정영역을 선택, 무시하는데 사용 -> 이진화 ROI선택, 배경제거등 특징 추출 화상에서 정보 추출은 목적에 따라 화상에서 관심 있는 정보만 추출하고 처리 Interest Operator, Scale Space, Wavelet, SIFT 특징점과 가장자리 검출 가장자리는 물체의 윤곽에서 감지, 1차원 곡선으로 표현 위치를 정확하게 결정하기 위해 점으로 나타나.. 2023. 10. 10.
컴퓨터비전 전이학습 Computer Vision, Transfer Learning - Fine Tuning 컴퓨터비전 전이학습 Computer Vision Transfer Learning - Fine Tuning Fine Tuning (미세조정) Pretrained Network 위에 새로운 Layer를 추가해서 Model을 구현 Pretrained Network 부분을 동결 일단 학습을 진행, Model 을 1차적으로 완성 Pretrained Network의 일부 layer를 동결 해제 (Filter update) 다시 학습을 진행 총 2번의 학습이 진행됨 (한번에 진행하지 않는 이유는 한번에 학습시 기존의 filter정보가 손상될까봐 나눠서 한다. # train: 2000, validation : 1000 import numpy as np from tensorflow.keras.models import S.. 2023. 10. 8.
컴퓨터비전 전이학습 Computer Vision Transfer Learning - Feature Extraction 컴퓨터비전 전이학습 Computer Vision Transfer Learning - Feature Extraction 전이학습 (Transfer Learning) MNIST 예측 시 사용한 CNN 은 convolution layer 3개 + FC(Fully Connected Layer) Layer (DNN) classifier 성능이 떨어진다. 실무에서는 Pre-trained Network (기학습네트워크)를 이용하여 학습 및 예측한다. 전이학습을 Pre-Trained Network(사전 학습된 모델)을 사용한다. 학습의 시간을 대폭적으로 줄이고 모델의 정확도를 높인다. 컴퓨터비전에서 Pre Trained Network 종류 1. Google Inception (Convolution Layer 30개) .. 2023. 10. 4.
반응형

티스토리툴바