본문 바로가기

분류 전체보기

MRF and MAP Inference * 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다. Interactive Segmentation 물체의 foreground, background pixel을 구분하는 프로그램을 구현해보자. 무엇이 foreground인지 알려주지 않으면 어렵기 때문에 아래처럼 사람이 부분적으로 labeling을 한다. 그리고 labeling한 pixel에 대해 color space상에 둬서 distribution을 알 수 있다. 그 다음에 labeling하지 않은 pixel에 대해서 MLE(Maximum likelihood estimation)을 사용하면 pixel마다 classify가 가능하다. 하지만 위의 그림처럼 noise가 많이 나오게 되는데, 위의 방법이 주변 pixel간의 관계를 고려하지 .. Basic Learning/Computer Vision 2020. 11. 18.
Epipolar Geometry and Stereo * 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다. Depth with Stereo 사람의 눈은 두 개로, 각 눈은 두 개의 영상을 투영하여 depth를 추정하게 된다. 카메라도 마찬가지로 두 개의 카메라를 통해서 depth를 추정할 수 있다. Pinhole 카메라 모델에서 depth를 추정하기 위해 다음과 같은 조건이 필요하다. 1. 두 카메라 사이의 calibration을 알아야한다. 2. 3D상의 한 point에 대해 정확한 correspondence를 알아야한다. Stereo reconstruction은 다음과 같은 절차를 따른다. 1. Calibrate cameras 2. Rectify images 3. Compute disparity 4. Estimate depth Epi.. Basic Learning/Computer Vision 2020. 11. 13.
Maximum Flow and Minimum Cut * 이 포스트는 알고리즘의 기초에 대한 개인 학습용으로 작성한 포스트입니다. Minimum Cut Problem Source와 Sink가 존재하는 directed graph를 flow network라 한다. 각 edge는 capacity를 가진다. 아래 그림과 같이 cut을 정했을 때 cut의 capacity 합이 최소값을 찾는 문제를 Minimum cut problem이라 한다. Maximum Flow Problem Flow는 capacity 내에서 흐를 수 있는데, source부터 sink까지 흐를 수 있는 최대 flow를 찾는 문제를 Maximum flow problem이라 한다. Cut을 기준으로 나가는 edge와 들어오는 edge를 통해 flow를 계산할 수 있다. Weak duality flo.. Basic Learning/Algorithm Design 2020. 11. 11.
Dynamic Programming * 이 포스트는 알고리즘의 기초에 대한 개인 학습용으로 작성한 포스트입니다. Greedy : 근시안적으로 그때 그때 좋은 상태를 선택 Divide-and-conquer : 문제를 sub-problem으로 break up하여 독립적으로 해결 Dynamic programming : 문제를 overlapping sub-problem으로 break up Weighted Interval Scheduling 각 job들은 weight를 가지고 있음. 각 job이 같은 시간에 overlap하지 않으면서 maximum weight subset을 찾는 문제이다. 모든 weight가 1일때에는 Interval scheduling 문제이므로 greedy algorithm으로 해결 가능. 하지만, weighted interv.. Basic Learning/Algorithm Design 2020. 11. 9.
Homography & Alignment * 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다. Image Alignment 하나의 image를 다른 image 카메라 관점으로 align 시킨다. 이 기술은 여러 가지 응용에 사용될 수 있는데, Panorama stitching, Recognition of object instances 등에 사용될 수 있다. 이의 접근법으로 두가지가 있다. Direct (pixel-based) alignment : 이미지의 모든 pixel에 대해 align을 시키는 방법 Feature-based alignment : 이미지의 중요한 feature를 추출하고 feature point를 align 시키는 방법 다른 image로 transform하는 matrix를 T라고 하면 mapping했을 때의.. Basic Learning/Computer Vision 2020. 10. 27.
Fitting * 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다. Least Squares Line Fitting Data가 n개 있을 때, line을 fitting하는 방법으로 least square method를 사용한다. y 값에 대해 square error를 사용하여 fitting한다. 아래식에 대한 cost function을 사용한다. 최종적으로, 아래식 (dagger matrix)를 통해 b를 구할 수 있다. Total Least Squares 위의 방법으로는, line이 수직선에 가까울수록, error가 점점 커진다. 즉, 선의 모양에 따라 error크기가 달라지므로, 점과 직선간의 거리 (직선의 법선 벡터 방향) 으로 error를 측정한다. $ax+by=d$직선과 $(x_i, y_i.. Basic Learning/Computer Vision 2020. 10. 25.
Rotation, Scale, Affine Invariant Features * 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다. Invariant Features 일반적으로 컴퓨터비젼에서는 3개의 문제가 존재한다. 1. Detection : 특징 포인트를 어떻게 찾을 것인가? 2. Description : robust하게 local region을 설명하는가? 3. Matching : 신뢰성있게 각 점을 일치시킬 수 있는가? Feature는 Roation, Scale, Affine, Photometic에 invariant해야함 앞에서 포스팅한 Harris corner detector는 rotation, affine에 invaraint하지만 scale변화에는 그렇지않음 Harris corner detector와 같은 detector를 사용했을 때, scale의 .. Basic Learning/Computer Vision 2020. 10. 22.
Closest Pair of Points * 이 포스트는 알고리즘의 기초에 대한 개인 학습용으로 작성한 포스트입니다. Closest Pair of Points n개의 point들이 2D plane에 놓여져있을 때, 두 point사이의 거리가 가장 짧은 pair를 찾는 문제이다. 1D line상에 나열되어있는 것은 $O(nlogn)$으로 자명하다. 가정 : x 좌표가 같은 두개의 점은 없다. 접근 : Divide : 양쪽 점의 개수가 n/2가 되도록 vertical line을 긋는다. Conquer : 각 영역의 closest pair를 찾는다. Combine : 각 영역의 closest pair 2개와 두 영역간의 closest pair 중 거리가 짧은 것을 반환한다. 이 알고리즘에서 Combine 하는 과정이 핵심이다. 두 영역간의 모든 조합.. Basic Learning/Algorithm Design 2020. 10. 22.

티스토리툴바