# Computer_Vision
컴퓨터 비전의 꽃 - Object Detection (물체 검출)
Object Detection (물체 검출) 은 이미지 내에 물체의 위치를 찾고, 그 물체가 무엇인지를 식별하는 문제입니다. Object Detection은 다양한 컴퓨터 비전 문제 영역 중에서 가장 실용적이고, 다양한 분야에 응용될 수 있는 문제영역 중 하나입니다.
[ 논문 리뷰 ] DETR: End-to-End Object Detection with Transformers
object detection의 최종 목표는, 관심 있는 각 object에 대해 category label과 bounding boxes 집합을 예측하는 것이다. 현대의 detector들은 이런 set prediction problem을 간접적으로 다룬다. (예를 들어,
Yolov5를 이용한 Object detection
오늘은 yolov5 모델을 이용하여 image detection을 해보겠습니다.저는 python==3.9,2torch==1.2.0+cu102버젼을 사용했습니다.제가 사용한 데이터는 roboflow에서 제공하는 Pothole dataset입니다.위 사진과 같이 도로에
Yolo PyTorch custom dataset 학습시키기 [4]
이번 포스팅에서는 이전 포스팅에서 만들었던 best.pt파일과 last.pt파일을 활용해 실제로 스크롤업 스크롤다운 되는 기능을 구현해보겠습니다. 비단 스크롤업과 스크롤다운 뿐만 아니라, 검출된 정보를 뽑아낼 수 있다면 여러분들이 구현하고자 하는 것대로 커스터마이징할
Yolo PyTorch custom dataset 학습시키기 [3]
이번 포스팅에서는 이전 포스팅에서 라벨링했던 정보를 yolov5s 모델에 넣어 학습시킬 예정입니다. yolov5s 같은 경우 추가적인 다운과정 없이 ultralytics github 페이지를 clone하시면 됩니다.우선 현재는 다음과 같이 data 폴더와 yolov5폴
Yolo PyTorch custom dataset 학습시키기 [2]
이번 포스팅에서는 이전 포스팅에서 수집한 데이터를 라벨링할 차례입니다.labelimg를 이용해 yolo 형식에 맞는 라벨링을 진행할 예정입니다.m1에서 lableimg 실행 방법은 이 프스팅을 읽어주세요. 윈도우의 경우 labelimg github의 README에 나와
Yolo PyTorch custom dataset 학습시키기 [1]
이번 포스팅으로 정리해볼 내용은 직접 데이터를 모으고 데이터라벨링을 거쳐 학습시킨 후 실시간으로 학습시킨 내용을 확인해보는 내용입니다. 이 포스팅은 이 유튜브에 대한 내용을 활용 및 변형 했습니다. 아직 yolo나 AI에 대한 내용이 미숙해서 구체적으로는 알지 못합
10. Color Subsampling & Segmentation
Subsampling chroma subsampling 사람의 시각은 녹색에 더 예민하다. -> 다른 채널의 resolution 낮추기 (녹색, 파랑색을 1/3만큼 낮추기) -> 1/3 이상 줄이면 artifact 발생 -> subsampling은 luminace에
14. Decision Tree and Random Forest
⚫Supervised learning – 1 ⚫ Classification performance : 정확도 측정 방법 ⚫ Decision Tree : 스무고개 놀이 ⚫ Training generalization ⚫ Parameter vs. Hyper-parame
13. KNN & K-Means Clustering
This time... K-Nearest Neighbors K-Means Data driven approach Rule based approach 사람이 하나하나 조건문 제공 Data driven approach 데이터들에서 일관된 특징 추출 수많은 데이터 +
2. What is an image
How are image created?1\. Dark room camera암실 -> 구멍으로 빛개기일식 카메라The pinhole camera빛이 들어와 각 픽셀을 생성빛은 직진Gray Img1d - vector - slice - scanline (audio)2d -
12. Handcrafted visual feature
color spacescolor histogramhistogram of oriented gradients (HOG) \- pedestrian detection, object classification 등 HSV color space \- Hue : 각도, Satu
11. Hough Transform & Corners
Gaussian BlurMedian blurMorphologicalnoise input image일 경우 엣지를 찾을 수 없다.\-> smooth 시켜준다.Canny edge detector Hough Transform for liney-mx-c=0(Dual 관계) 하
9. Color Space & Quantization
gray img -> matrixcolor img -> combination of three matrices = tensor빛과 비슷, 섞일수록 밝은색(0,0,0) = 검정(1,1,1) = 흰색, 모든 색을 섞은 색사람의 눈은 색마다 민감도가 다르다.프린트와 색칠과 비
Loss Function and Optimization
How can we tell whether weight of a linear classifier W is good or bad? To quantify a "good" W, loss function is needed.Starting with random W and fin
Feature Matching and Fitting
RANSAC (RANdom SAmple Consensus) is a learning technique to estimate parameters of a model by random sampling of observed data.The Algorithm is as f
[Torchvision] .transforms.Resize / .CenterCrop
torchvision.transforms.Resize() & CenterCrop()