CS/AI | CV (43) 썸네일형 리스트형 ID Photo Generator | 증명사진 생성기 올해 1월에 아이디어가 떠올라 착수한 미니 프로젝트다 학부 수업을 듣고 배운 내용을 적용해 보고 싶었다 아래는 주차별 진행 사항을 정리한 내용이다 개발 목적과 필요성 누구든 쉽고 빠르게 증명사진을 편집할 수 있다 시중 프로그램 분석 결과 영상 사이즈 조절과 배열, 배경 제거 기능 모두를 수정하는 프로그램은 없었다 # 더 찾아보니까 미바이미 라는 사이트에서 제공되더라 ,, 편집 프로그램 사용해 제작하는 것보다 작업 속도 향상되며 편집 프로그램에 익숙지 않은 사용자도 사용 가능하다 개발 과정 - 시중 프로그램 분석 - 프로젝트 아이디어 도출, 개발 계획 수립 - 프로토타입 생성 - 개발 - 결과물 시연 - 기능 수정 및 유지보수 주요 기능 상반신 영상 입력받기 상반신 탐지 후 그 외 배경 제거 증명사진 형식.. Semantic Segmentation, Instance Segmentation, Object detection 이미지 분류는 이미지가 특정 클래스에 속한다는 것을 알려줌 물체 검출 방법에서 물체의 검출은 이미지 내에서 수행되고 물체 주위에 직사각형을 나타냄 이미지 분할은 동일한 물체 검출 과정이 일어나고 있지만 그것의 공간적 위치도 보여줌 이미지를 여러 세그먼트 또는 인스턴스로 분할하는 프로세스 이미지 분할 작업은 신경망을 훈련시켜 이미지의 픽셀 단위 마스크 출력 낮은 픽셀 수준에서 이미지 이해하는 데 도움이 됨 Semantic Segmentation과 Instance Segmentation이라는 두 유형의 이미지 세그먼테이션 기술이 주로 사용됨 @Semantic Segmentation의 목적 이미지 내 물체들을 의미 있는 단위로 분할해내는 것 구체적으로, 이미지의 각 픽셀이 어느 클래스에 속하는지 예측하는 것 .. Active contour model @Active contour model 잡음이 있을 수 있는 2D이미지에서 물체 윤곽을 표시하기 위해 도입된 컴퓨터 비전 프레임워크 개체 추적, 모양 인식, 분할, 가장자리 감지 및 스테레오 매칭과 같은 응용 프로그램에서 널리 사용됨 변형에 저항하는 내부 힘과 물체 윤곽쪽으로 당기는 구속 및 이미지 힘의 영향을 받는 에너지 최소화, 변형 가능한 스플라인 에너지 최소화를 통해 변형 가능한 모델을 이미지에 일치시키는 일반적인 기술의 특수한 경우로 이해 가능 Active contour model은 윤곽선 찾는 전체 문제를 해결하진 못함 -> 미리 원하는 윤곽선 모양에 대한 지식이 필요하기 때문 오히려 사용자와의 상호 작용, 일부 더 높은 수준의 이미지 이해 프로세스와의 상호 작용 또는 시간이나 공간에서 인접한.. Image Segmentation @Image Segmentation -> "이미지 분할" 픽셀 기반의 이미지 분석(Image Segmentation) 문제는 컴퓨터 비전 분야에서 널리 알려진 문제 이미지 분석의 목적은 이미지의 각각의 픽셀들을 특정 클래스로 분류하는 것 딥러닝과 CNN(Convolutional neural networks)은 컴퓨터 비전분야에서 굉장히 널리 쓰이고 있음 CNN은 이미지 분류(Image Classification), 물체 감지(Object Detection), 이미지 생성(Image Generation)등의 분야에 쓰이고 있음 이미지를 분석하는 데에는 이미지에 대한 높은 수준의 이해가 필요함 개체가 존재한다는 것 말고도 어느 픽셀들이 그 개체를 나타내는지 파악할 수 있어야 함 이미지 분석은 전체적인 이미지.. 선형 회귀 1 "기계가 배운다" -Task별 모델(선형 회귀, 선형 분류 등)을 배움 -즉, 모델의 파라미터를 배운다는 뜻 학습이란? 사람이 다양한 경험을 통해 지식이 성장해 가는 것 -경험 : 우리가 모은 데이터와 우리가 알려준 정답(클래스 레이블) -작업 목표(지식) : 우리가 결정한 task 모델(영상 분류, 음성 분류 등) -성능 지표(성장) : 정답에 가까운 솔루션을 찾아가고 있는 것인지(평가) 가설 설정 : 선형 모델이라고 가정했을 때 H(x) = Wx + b 라는 방정식으로 나타낼 수 있음 함수의 답과 정답의 차이가 적은 영역을 찾으면 가장 학습할 데이터를 잘 표현하고 있는 것 Cost funtion(오차) 정의 cost fun = loss fun = objective fun H(x) - y 예측된 값 참.. Teachable machine 이용한 분류기 제작 실습 인공지능 프로젝트 제작의 개괄적 진행 순서 1. 프로젝트 기획 2. 데이터 수집 3. 모델 학습 4. 웹/앱 서비스 제작 구글에서 공개한 Teachable Machine 이용하면 데이터 수집과 모델 학습 부분이 간단해진다 프로젝트만 기획하면 아주 간단히 인공지능 미니 프젝 제작 가능하다고 할 수 있다 Google Teachable machine 이미지 분류기 mouse와 pen에 해당하는 학습 데이터 생성 주변에 있는 사물이 이거 밖에 없었당...) 학습된 데이터에 대해 제대로 분류된다 pen 이미지 파일을 넣어줘도 제대로 동작한다 이참에 netlify 계정 설정해주고 실습 진행해봤다 만들어진 사이트 링크를 클릭하면 위와 같이 나온다 마우스와 펜은 잘 분류해주는 반면 class 생성해주지 않은 인공눈물은.. 인공지능 개요 인공지능, 머신러닝, 딥러닝의 관계 왜 이런 기술의 변화가 발생하는지 흐름 기억하기 @인공지능 -1950년대부터 있었던 기능 -인공지능의 하나의 솔루션이 머신러닝 -각각 하나 하나의 방법론 -딥러닝은 머신러닝의 일부분 -초기 인공지능 : 탐색과 추론의 시대 -머신러닝 : 기계가 스스로 학습하다 입력과 출력 사이의 관계 알려주지 않아도 기계가 스스로 내부 연산 추론 -딥러닝 : 인간 뇌의 정보처리 방식을 흉내내다 인공신경망을 깊게 쌓았다는 말 @지능 -인간 뿐 아니라 동물을 포함해 생명체들은 다양한 의사 결정 필요 -즉, 주어진 환경을 인식하고 추론 결정해 행동하는 것 의미 => 지능의 3요소 @지능의 3요소 -상황 인식 -추론 및 판단 -반응 혹은 행동 @AI란 -머신이 사람과 유사한 지능을 가지도록 인.. colorspace PREV 1 2 3 4 5 6 NEXT
