프로그래밍선

논문을 보다가 카메라 관련 용어 많이 등장해서 개념 정리1. Camera Intrinsic Parameters(카메라 내부 파라미터) :카메라의 내부적인 특성을 정의하며, 이미지 평면에서 픽셀 좌표와 실제 3D 공간 좌표 간의 변환에 영향을 미친다. 요약카메라 Intrinsic Parameters :1. Focal Length (초점 거리)2. Principal Point (주점)3. Pixel Size 또는 Aspect Ratio4. Skew Coefficient (기울기 계수)5. Lens Distortion Parameters (왜곡 계수) 이 모든 요소는 카메라 캘리브레이션을 통해 추정되며, 이를 바탕으로 3D 재구성, 깊이 추정 등의 작업에서 정확한 결과를 얻을 수 있습니다.Camera Cal..

Depth Estimation이란?- 사진/영상에서 깊이를 그대로 추정하는 것을 의미- 가까운 부분은 밝은색, 어두운 부분은 보라색으로 나타난다. - Depth Estimation은 Stereo와 Mono가 존재한다.Mono Depth Estimation : 하나의 image만으로 Depth를 추정하는 방식이다.Stereo Depth Estimation :Stereo Camera로 찍은 left image와 right image가 필요하다.left image와 right image로부터 차이가 얼마나는지로부터 Disparity를 파악할 수 있다. → Depth를 추정Mono depth estimation 이란?Mono depth estimation은 CV에서 depth가 포함된 Stereo camera를..

현재 연구중인 behavior classification과 관련하여sceleton을 좀 더 보완하는 방법을 알아보고자 DeepLabCut 코드 실행을 해봤다. DeepLabCut ?동물의 행동을 파악하기에 적합한 모델 중 하나로 DeepLabCut이 있다.DeepLabCut은 깊은 신경망과 전이학습을 통해 효율적인 자세 추정을 한다.행동을 파악하기에 적합한 특성을 가진다. 이러한 특성을 가진 DeepLabCut 모델을 통해 반려동물의 행동분류를 위한 신체 좌표 추출 방법으로도 사용한다. 생명 바이오 연구 하시는 분들이 자주 사용하는 툴 중 하나. 파이썬 코드로 돌리거나 쉽게 GUI 사용하는 방법도 있다. DeepLabCut download1) 빠르게 git clone하면 굳이 파일 하나하나 다운 안받고도..

The Multi-Agent Behavior Dataset: Mouse Dyadic Social Interactions 논문을 읽다가 few shot learning에 대해 나왔는데 잘 모르는 개념이라 적어본다.https://arxiv.org/abs/2104.02710Few shot learning이란,(O) “Few”한 데이터도 잘 분류할 수 있다(X) “Few”한 데이터로 학습을 한다  Few-shot Learning을 배우기 위한 용어Training Set 2) Support Set 3) Query imageTraining Set : 구분하는 방법을 배움, 모든 클래스의 샘플 수가 많은 setSupport Set : 레이블링된 적은 수의 image setQuery image 가 주어질 때, Quer..

원점 및 좌표계 설정컴퓨터 비전 및 이미지 처리에서 일반적으로 사용되는 좌표계는 다음과 같다:원점 (0, 0): 이미지의 좌측 상단 모서리X축: 오른쪽으로 갈수록 증가Y축: 아래쪽으로 갈수록 증가

CNN(Convolutional Neural Network)과 Diffusion 모델은 서로 다른 개념과 용도로 사용되는 두 가지 신경망 모델입니다.각 모델의 특징과 차이점 :CNN (Convolutional Neural Network)특징: 주로 합성곱 계층(Convolutional Layers), 풀링 계층(Pooling Layers), 완전 연결 계층(Fully Connected Layers)으로 구성이미지 분류, 객체 탐지, 세그멘테이션 등과 같은 컴퓨터 비전 작업에 주로 사용원리:합성곱 계층: 입력 이미지의 작은 패치를 필터(커널)와 컨볼루션 연산을 수행하여 특징 맵을 생성풀링 계층: 특징 맵의 공간적 크기를 줄여 연산량을 감소시키고 중요한 특징을 추출완전 연결 계층: 마지막 합성곱 계층이나 풀..