클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

마지막 한 단원이 남아있다. 여기까지 하고 아침 루틴을 수행하고 주말에 하지 않았던 큐티도 하며 중요한 일들을 실천하려고 한다. 프로그램 5-3은 꽤 정확하게 매칭 쌍을 찾았지만 여전히 부족한 점이 있다. 예를 들어 잘못된 쌍(거짓 긍정)으로 인행 건물을 버스로 착각할 수 있다. 따라서 아웃라이어를 걸러내는 과정이 필요하다. 또한 매칭 쌍을 이용하여 물체 위치를 찾는 과정이 추가되어야 한다. 호모그래피는 이런 일을 가능하게 해 준다.   1. 문제의 이해그림 5-18은 3차원 공간에 있는 평면 P의 두 점 p1과 p2를 보여준다. 카메라 A와 B는 다른 방향에서 영상을 획득한다. p1과 p2는 카메라 A의 영상 공간에 a1과 a2로 투영되며 카메라 B에서 b1과 b2로 투영된다. 이처럼 3차원 점이 2차..

매칭은 컴퓨터 비전이 풀어야 하는 물체 인식, 물체 추적, 스테레오, 카메라 캘리브레이션 등의 다양한 문제에서 핵심 역할을 한다.    1. 매칭 전략매칭 문제는 가장 유사한 특징점을 찾아 쌍을 맺어주면 되니 얼핏 쉽다고 생각할 수 있다. 하지만 프로그램 5-2의 실행 결과에서 확인했듯이 특징점이 상당히 많고 잡음이 섞인 기술자가 적지 않아 꽤 까다로운 문제다. 방법을 고안하기 전에 문제를 정확히 이해하는 일이 먼저다. 문제의 이해    매칭 전략     2. 매칭 성능 측정성능을 정량적으로 측정하는 일은 컴퓨터 비전에서 아주 중요하다. 정량적 성능은 알고리즘을 개선하거나 최선의 알고리즘을 선택하기 위한 기준이며 시스템을 현장에 투입할지 결정할 때 꼭 필요하다.  정밀도와 재현율그림 5-14는 색깔로 정..

지역 특징에 대해서 계속해서 공부해 볼 것이다.   1. 스케일이 불변한 지역 특징사람은 거리에 상관 없이 같은 물체는 같다고 인식한다. 단지 세세한 내용을 인식할 수 있는 정도에 차이가 있을 뿐이다. 친구가 멀리 있을 때는 친구라 인식하는데 그치지만 가까워지면 표정을 인식하고 건넬 말을 정한다. 컴퓨터 비전이 물체의 스케일에 대처하는 인간의 이런 능력을 갖출 수 있을까? 스케일 공간 이론은 스케일 분변의 가능성을 열어 준다.. 스케일 공간 이론에서는스케일을 모르는 상황에 대응하기 위해 알고리즘 5-1의 세 단계 전략을 사용한다.          2. SIFT알고리즘 5-1을 구현하는 다양한 변형이 제시되었는데 SIFT가 가장 성공적이고 지금까지 널리 쓰인다. SIFT는 브리티시컬럼비아 대학교의 데이빗 ..

이제 새로운 단원 학습에 들어가 볼 것이다. 개념 학습은 4시간 안에 마쳐볼 예정이다. 늦어도 7시 반까지는 다 학습해 볼 것이다. 멋진 파노라마 영상은 디지털 카메라뿐 아니라 컴퓨터 비전 프로그램으로 자동으로 이어 붙여서 순식간에 아래 그림과 같은 파노라마 영상을 만들 수 있다. 이때 컴퓨터 비전이 풀어야 하는 가장 중요한 것이 대응점 문제다. 대응점 문제란 이웃한 영상에 나타난 물체의 같은 곳을 쌍으로 묶어주는 일이다.이 문제를 해결하려면 이웃한 영상에서 같은 물체의 같은 곳에서 같은 특징을 추출할 수 있어야 한다. 대응점 문제를 안정적으로 풀 수 있다면 파노라마 영상 제작뿐 아니라 물체 인식, 물체 추적, 스테레오 비전, 카메라 캘리브레이션 등 여러 중요한 응용 문제에 적용할 수 있다. 4장에서 공..

이제 딱 세 문제가 남아있는데 이 문제도 끝까지 잘 풀어보기로 하자.   연습문제 풀기 네 번째 문제 8번OpenCV가 제공하는 Canny 함수의 선언을 보면, image, edges, threshold1, threshold2, apertureSize, L2gradient, 총 6개의 매개변수가 있다. 각각의 의미를 쓰고, 뒤에 있는 네 매개변수를 변화시키면서 효과를 분석하시오.  참고할 사이트 OpenCV: Feature Detection{ 0.0f, 369.0f }, { 10.0f, 364.0f }, { 20.0f, 358.0f }, { 30.0f, 352.0f }, { 40.0f, 346.0f }, { 50.0f, 341.0f }, { 60.0f, 335.0f }, { 70.0f, 329.0f },..

저녁을 먹고 다시 연습문제를 풀어보려고 한다. 이번에는 조금 풀만한 문제가 나왔으면 좋겠다. 연습문제 풀기 세 번째 문제 3번 RANSAC 알고리즘은 에지 점을 직선으로 근사한다. 이때 에지 점의 위치 정보만 사용하는데, 에지 점은 에지 강도와 에지 방향 정보를 추가로 가지고 있기 때문에 이 정보들을 추가로 활용하면 성능을 높일 여지가 있다. 에지 강도와 에지 방향 정보를 추가로 사용해 RANSAC 알고리즘을 강화하는 아이디어를 제시하시오. RANSAC 알고리즘은 데이터 내에 있는 아웃라이어(Outlier)를 다룰 때 유용한 방법이다. 이 알고리즘은 주어진 데이터에서 가장 적합한 모델을 추정하기 위해 반복적인 무작위 샘플링과 검증을 통해 최적의 모델을 찾는다. 특히, 이미지 처리나 컴퓨터 비전에서 직선,..

연습문제가 굉장히 어려워서 한 문제를 푸는데 한 시간 이상 걸리고 있다. 그래도 난 이 모든 문제를 꼭 다 해결한 후에 다음 과정으로 넘어가려고 한다.문제 2번도 1번처럼 계산을 해서 푸는 문제이다.  연습문제 풀기 두 번째 문제 2번그림 4-18 영상에서 105 값을 가진 화소에 대해 LBP와 LTP를 그림 4-18처럼 제시하시오.  이 문제를 풀기 위해서는 그림 4-18을 이해해야 한다.   먼저 이 그림 4-18의 내용은 눈으로 봐서는 결코 이해할 수 없다는 걸 알게 되었다. 손으로 직접 풀면서 값이 맞는지 확인해 보기로 했다. 그런 다음에 연습문제를 풀어볼 것이다.   그림 4-18 문제 해결해 보기         문제 풀기         학습을 마치고이 문제도 푸는데 1시간 이상 걸렸다. 하지만..

이제 연습문제를 풀며 단원을 마무리해볼 것이다. 문제가 많이 어려운데 과연 풀 수 있을지 의문이 들지만 할 수 있는데까지 최선을 다해볼 것이다.   연습문제 풀기 문제 1번  이 문제를 풀기 위해서는 예제 4-1을 이해해야 한다.    이 자료에서는 소벨 연산자를 적용하는 과정과 그 결과로 얻어지는 그래디언트 방향과 크기를 설명하고 있다. 소벨 연산자는 이미지에서 엣지(경계)를 검출하기 위해 사용되는 미분 연산자 중 하나이다. 이를 통해 이미지 내의 픽셀 밝기 변화 정도와 방향을 계산할 수 있다. 1. 소벨 연산자란?소벨 연산자는 엣지 검출을 위해 이미지의 밝기 변화율(미분)을 구하는 연산자로, 수평과 수직 방향으로 각각 적용된다. 소벨 연산자는 두 방향(수평과 수직)에서 이미지의 밝기 차이를 계산하여 ..

이제 4단원의 마지막 개념 학습을 시작해보겠다. 잘하면 여기까지 공부해볼 수 있을 것 같다. 그림 4-17 a는 가상의 영역 분할 맵을 제시한다. 이 맵에는 1, 2, 3으로 표시한 3개의 영역이 있다.     특징의 불변성과 등변성물체는 그림 4-17 b에서 보는 바와 같이 다양한 변환을 거쳐 영상에 나타날 수 있다. 변환을 해도 특징의 값이 변하지 않는다면 불변성이 있다고 말한다. 예를 들어 성별이라는 특징은 나이가 변해도 그대로이기 때문에 성별은 나이에 불변이라고 말한다. 근력은 나이에 불편이지 않다. 그림 4-17 a에서 면적이라는 특징은 회전에 불변이지만 축소에는 불편이지 않다. 반대로 물체의 중심 축을 나타내는 주축은 회전에는 불변이지 않지만 축소에는 불변이다. 등변성은 불변성과 반대 개념이다..

오늘은 부모님이 오셔서 새벽 공부를 하다 말고 집 정리도 하고 이것저것 하느라 새벽 공부를 별로 많이 하지 못했다. 어제 수학과 영어 공부는 쉬었는데 오늘은 꼭 할 생각이다. 예배를 드리러 가기 전까지 조금 시간이 있어 공부를 마저 해보며 이 단원의 개념 학습을 마칠 예정이다. 빠르게 학습하면 충분히 할 수 있을 것 같다. 지금까지 다룬 분할 알고리즘은 자동으로 영상 전체를 여러 영역으로 나눈다. 때로 한 물체의 분할에만 관심이 있는 경우가 있다. 예를 들어 의사는 엑스레이 영상에서 특정 장기만 분할하면 된다. 이런 상황에서 사용자는 분할 알고리즘이 필요로 하는 초기 정보를 기꺼이 입력할 것이다.초기 정보를 가지고 반자동으로 동작하는 분할 알고리즘은 사용자의 의도에 맞게 출체를 분할한다.   1. 능동 ..