례지의 성장기

보상을 최적화하기 위한 학습 관측(에이전트) → 행동(환경) → 보상 에이전트의 목적은 보상의 장기간 기대치를 최대화하는 행동을 학습 강화 학습 사례 정책 탐색 정책: 소프트웨어 에이전트가 행동을 결정하기 위해 사용하는 알고리즘 확률적 정책 30분 동안 수집한 먼지의 양을 보상으로 받는 로봇 진공청소기 로봇 훈련을 위해 변경이 가능한 두 개의 정책 파라미터(직진, 회전) 확률 p, 각도의 범위 r 전진확률 p, 회전확률 1-p 회전각도 마이너스 r < angle < 플러스 r 사이 랜덤값 이 정책에는 무작위성이 포함되어 있기 때문에 확률적 정책 그 중에 가장 좋은 정책 선택 문제는? 모래사장에서 바늘 찾기! 유전 알고리즘 1세대 정책 100개를 랜덤하게 생성해서 시도 성능이 낮은 정책 80개는 버리고 2..

conda-script.py install: error: argument -q/-- quiet: ignored explicit argument 'r'unicodedecodeerror: 'cp949' codec can't decode byte 0xf0 in position 9: illegal multibyte sequence ignore distutils configs in setup.cfg due to encoding errors. Anaconda Prompt를 다시 키고 conda activate yolov5 cd yolov5 pip install -r requirements.txt 차례대로 복붙하면 설치 완료

YOLO multi object detection에 최적화된 툴 tx, ty: 좌표값 th, tw: 가로,세로 값 c1: 객체 개수 p1_1 ~ p1_20: 클래스 Box post processing class_label은 airplane YOLO 추론 요약 시맨틱 분할 시맨틱 분할에서 각 픽셀은 픽셀이 속한 객체의 클래스로 분류됨 예) 도로, 자동차, 보행자, 건물 등, 또한 클래스가 같은 물체는 구별되지 않음 이 작업에서 가장 어려운 점은 이미지가 일반적인 CNN을 통과할 때 점진적으로 위치 정보를 잃는 것 (1 이상의 스트라이드를 사용하는 층 때문)

2D Convolution 연산 input_shape =(1,3,3,1) x = tf.random.normal(input_shape) y = Conv2D(1,2,activation='relu',input_shape=input_shape[1:])(x) print(y.shape) input_shape =(1,3,3,1) x = tf.random.normal(input_shape) y = Conv2D(1,2,activation='relu', padding='same',input_shape=input_shape[1:])(x) print(y.shape) MNIST 실습 mnist_ = mnist.load_data() (X_trn,y_trn),(X_tst,y_tst)=mnist_ print(X_trn.shape, ..

HOG(Histogram of Oriented Gradient) 물체 인식에 많이 사용되는 디스크립터 보행자 검출이나 사람의 형태에 대한 검출 및 추적에 많이 사용됨 Local gradient를 특징으로 사용 HOG SUM 영상 스티칭 여러 장의 영상을 서로 이어붙여 하나의 큰 영상으로 만드는 기법 스티칭 결과 영상을 파노라마 영상이라고 함 디지털 카메라, 스마트폰에서 기능 제공 서로 겹치는 영역이 존재해야 함 유의미한 특징점이 많을 수록 유리함 실행 단계 입력 영상에서 특징점 검출 호모그래피 계산 호모그래피 행렬을 기반으로 입력 영상을 변형하여 서로 이어붙이는 작업 수행 이어 붙인 부분을 자연스럽게 보이기 위해 블렌딩 처리

호모그래피 행렬 계산 호모그래피는 투시변환이기 때문에 3X3 행렬로 표현 네 개의 대응되는 점의 좌표 이동 정보가 있으면 행렬 계산 가능 특징점 매칭 정보로부터 호모그래프를 구하는 경우 서로 대응되는 점 개수보다 4개보다 많기 때문에 투시 변환 시 에러가 최소가 되는 형태의 호모그래피 행렬을 구해야 합니다. 호모그래피 행렬 계산을 위해 findHomography()에서 method 설정 feature point가 최소 4개 이상은 되어야 함 cv2.findHomography(src1_pts, src2_pts, cv2.LMEDS, 3.0) cv2.findHomography(src1_pts, src2_pts, cv2.RANSAC, 3.0) cv2.findHomography(src1_pts, src2_pts,..

특징 검출기 및 디스크립터 특징 검출기 영상에서 관심 있는 특징점(keypoint) 검출 에지, 코너, 영역 등 keyPoint 클래스 객체의 리스트로 반환 디스크립터 검출된 특징점 주위의 밝기, 색상, 그래디언트 방향 등 매 MSER(Maximally Stable Extremal Regions) 그레이스케일 영상 혹은 컬러 영상에서 주변에 비해 밝거나 어두운 영역 중 임계값을 변화시키며 변화율이 작은 영역 검출 주로 connected componenet로 연결되어 있는 BLOB(Binary Large Object)detection에 사용 delta로 임계값 지정 delta가 클수록 검출되는 영역은 감소 SimpleBlob GFTTDetector goodFeaturesToTrack 함수를 내부적으로 사용..

체크보드 패턴 코너점 검출 카메라 캘리브레이션에 자주 사용되는 체스보드 패턴 검출 cv2.findChessboardCorners(image, patterSize, corners, flags]]) 체스판의 내부 모서리 위치를 찾는다. image: input(chessboard) patternSize: 체스보드 안의 한 칸 column, row size corners: output flag: 0이거나 다양한 값의 조합이 될 수 있음 cv2.drawChessboardCorners(image, patternSize, corners, patternWasFound) 검출된 코너점 배열 corners를 8비트 컬러 image에 표시 image: Destination Image patternSize: Number of..

미분 연산자에 의한 에지 방향 이용 cornerMinEigenVal 해리스 코너 검출 방법 코너 검출 연구는 1970년대 후반부터 활발하게 진행 1988년 해리스가 개발한 코너 검출 방법은 코너 점 구분을 위한 기본적인 아이디어를 수학적으로 잘 정의하였다는 점에서 큰 의미가 있음 w(x,y): 균일한 값 또는 가우시안 형태의 가중치를 갖는 윈도우 E(△x,△y) 함수가 모든 방향으로 값이 크게 나타난다면 점 (x,y)는 코너라고 간주할 수 있음 해리스는 수학적 기법을 적용하여 코너 응답 함수 R을 유도함 k: 보통 0.01~ 0.06 R이 0보다 충분히 큰 양수: 코너 R이 0에 가까운 실수: 평탄한 영역 R이 0보다 작은 음수: 에지 Fast 코너 검출 방법(2006년) 16개의 주변 픽셀과 밝기를 비..

컬러 영상에 히스토그램 평활화 적용해보기(힌트 HSV에서 V가 밝기값, YCrCb에서 y가 밝기값) 4개의 Border Type 계산해보기 1) cv2.BORDER_CONSTANT: 단색의 경계를 추가하는 것, value에서 색을 지정 2) cv2.BORDER_REFLECT: 거울에 비춘 것처럼 경계를 지정한다. 3) cv2.BORDER_REPLICATE: 마지막 요소를 반복해서 표시한다. 4) cv2.BORDER_REFLECT_101: cv2.BORDER_REFLECT와 같지만 미세한 차이가 있다 lena filter 가우시안 블러 평균값 필터 블러링의 단점은 필터링 대상 위치에서 가까이 있는 픽셀과 멀리 있는 픽셀이 모두 같은 가중치를 사용하여 평균을 계산합니다. 멀리 있는 픽셀의 영향을 많이 받아 ..