sarah0518

이미지 분류가 어려운 이유 - viewpoint variation - illumination - deformation - occlusion - background clutter ( cascade방식으로 처리 함) 고전적인 분류 방법들 - template based approach(포즈, scale 변화에 취약함) - feature-based approach (edge, curve등을 활용) - data-driven approach (feature descriptor와 classifier, svm등을 결합하여 사용) ** feature descriptor: Histogram of Oriented gradients (HOG) ** nearest neighbor도 사용할 수 있는데, class가 많아지면 성능..

얼굴 인식이 어려운 이유 - 표정변화 - occulusion(장신구) - 회전변화, 크기변화 - 조명변화 - 화장효과 - 노화 Pose-invariant 중 face와 관련된 landmark detector 3가지 방법 - AAM: Active Appearance Models (2D) - texture와 shape을 같이 씀 - ASM: Active Shape Models (2D) - Morphable Model (3D version AAM) ** 모두 PCA방법을 사용함 PCA를 활용한 face recognition (Eigenfaces) PCA는 데이터의 분산이 가장큰 방향으로 좌표축을 정렬함 scatter matrix를 최대로 하는 eigen value를 찾는 것임 (global projection..

Deep learning이 잘 수행하지 못하는 이미지분석영역 - keypoint검출 - 3d reconstruction 얼굴 검출이 보편적으로 쓰이는 이유 - 원거리 인식이 가능 - 저렴한 비용의 장비(카메라)에서도 가능함 - 비접촉식임 Face detection 활용 • Access control – Entrance door • Surveillance – Monitoring area(position 변화가 많아 난이도 높음) • Civil applications – Identify subjects based on driver’s license • Forensic application – Criminal/victim – identification Biometrics 영역에서 accuracy가 가장 좋은것..

지난 내용 복습 descriptor 사용 이유: key point를 추출하고 두 개의 이미지의 유사성을 비교하기 위해 → panorama stiching 등에 활용 너무 큰 이미지나, 중복이 많은 이미지의 압축을 위해 scale invariant특성을 가지는 descriptor: SIFT, SURF, LIFT (하지만 LIFT는 scale invarient 성능을 장담할 수 없음) (LIFT는 학습시에 다양한 scale을 사용하지만, 과정에서 scale정보를 추출하지는 않음) land mark vs. keypoint land mark: 보통 set로 사용 → 얼굴의 finger points들, skeleton points 이미지 안에있는 데이터들을 처리하기 위해서 활용됨 → data analysis ke..

Keypoint detection을 사용하여 3차원 복원 occulusion복원 카메라 앵글 image stitching(panorama) 객체인식 등을 파악할 수 있다. Kepoint detectors 1. Harris detector 2. SIFT detector 3. SURF detector 4. LIFT detector Harris detector - edge의 경우 edge direction방향으로 움직이게 되면 변화가 없음 - corner의 경우 필터를 움직이게 되면 큰 변화가 있는 것을 파악할 수 있음 - 또한 corner는 2개의 direction이 다른 edge가 만나는 것이므로 2개이상의 방향으로 gradient가 크게 변한다면 corner라고 볼 수 있다. → 이러한 특성을 통해 ke..

선형패턴 vs. Ellipse 패턴 선형패턴은 주로 인공적인 물체(책상)등에 나타남 ellipse는 자연물체 (꽃) cluttered background: 배경에 잡음이 많이 섞여있는 그림 여러그림을 이어붙이는 방법 공통의 점이나 선을 연결하여 overlap되는 부분에서 이어붙임 --> 공통의 점이나 선을 찾아야함 --> line fitting이 필요한 이유 line fitting의 어려움 1. 실제로는 직선이더라도 사진찍는 각도에 의해 사선으로 사진에서는 표현됨 2. 끊긴것처럼 사진에서는 나타날 수 있음 3. cluttered background --> 해결책 voting/RANSAC(voting이 더좋음) Voting방법 line fitting을 하기 위해서 두점을 이어야 하는데 모든 점의 조합을 보..

Edge Detection - Goal: 급격한 변화(불연속성등)을 파악하는 것 - 장점: More compact than pixels Edge Detection을 통해 얻을 수 있는 것들 1. 정보추출 2. 물체인식 3. Recover geometry and viewpoint Edge Detection에 방행되는 요인 illumination 효과 (음영효과) Edge 구성요소 1. Edge direction: intensity가 증가하는 방향에서 직교하는 방향 2. Edge strength: intensity 변화의 정도 --> 0~255 vs. 10~20 중 앞에것이 edge strength가 더 큼 3. Edge position: the image position at which the edge i..

image의 bit depth grey scale: 8bit RGB: 24bit or 32bit 24bit에서 R, G, B 이렇게 3개(8*3?)를 표현하고 32bit에서는 RGB외의 8bit를 이미지의 다른 특성을 표현하는데에 사용함 ** 참고로 analog image - film은 0~255의 discrete한 값을 갖는 것이 아니라, 연속적인 값을 갖는 것임 이미지 표현 bitmap or vector 이 외에도 matrix표현방법도 있음 ** openCV는 C++기반 library이고 (0,0)이 기준점 ** 참고로 matlab는 (1,1)이 기준점 이미지 복원 예시 (d)는 강한 high frequency영역만 취해서(threshold로 noise 제거) 만든 이미지 이미지 correction ..