https://arxiv.org/pdf/2208.12242v1.pdf 초록 몇개의 이미지로 주요 시각적 특징을 유지하면서 환경과 자연스러운 무수히 많은 이미지를 합성할 수 있다. 방법 특정 개와 해당 클래스 이름의 이미지 3~5개가 입력이 되면 고유 식별자를 인코딩하는 개인화된 텍스트-이미지 모델을 생성한다. 그리고 추론시 고유 식별자를 다른문장에 삽입하여 다른 맥락에서 주제를 합성할 수 있다. 두 단계로 텍스트-이미지 확산을 미세조정 한다. 식별자와 주제가 속한 클래스의 이름과 병행하여 클래스별 사전 보존 손실(Prior Preservation Loss)을 적용한다. 텍스트 프롬프트에 클래스 이름을 삽입하여 대상 클래스에 속하는 다양한 인스턴스를 생성하도록 한다. 입력 이미지 세트에서 가져온 저해상도 ..
Introduction : 여러분이 이 포스팅을 볼 시점에는 아마도 이 분야의 선구자이신 앤드류응 교수님을 이미 알고 계실 것이며 그분이 해주실 ML/DL 커리어에 대한 조언에 관심이 있을 것입니다. 강의 영상을 직접 보시면 더 많고 유익한 내용이 있습니다만, 간단히 정리드리기 위해 이 포스팅을 작성했습니다. 앤드류응 교수님의 이번 어드바이스에는 크게 두가지가 있습니다. 1. 연구 논문 읽는 법 : 딥러닝계의 새로운 토픽을 마스터하기 위해 앤드류응 교수님이 사용하시는 효과적인 논문읽기 방법입니다. 2. ML/DL 커리어에 대한 조언 논문읽기 : 효과적이고 빠르게 논문을 읽는 방법입니다. 여러분이 ML/DL 시스템이나 프로젝트를 재미로 하든 분야 최고가 되기 위해 하든, 딥러닝에 발을 담근 사람으로서 논문..
전자공학회논문지 - CI Computer and Information 2011, vol.48, no.1, pp. 44-50 발행기관 : 대한전자공학회 연구분야 : 공학 저자 :김태현 /Tae-Hyun Kim , 박동철 /PARK, DONG CHUL 명지대학교 출처 : https://scienceon.kisti.re.kr/commons/util/originalView.do?cn=JAKO201115537947331&dbt=JAKO&koi=KISTI1.1003%2FJNL.JAKO201115537947331 초록 본 논문은 다중 클래스 데이터의 효율적 분류를 위한 새로운 아다부스트 알고리즘을 제안한다. 기존의 아다부스트 알고리즘은 기본적으로 이진 분류기이므로 다중 클래스 데이터 분류의 적용에는 매우 제한적이었다..
Hand anatomy distal interphalangeal (DIP), proximalinterphalangeal (PIP), metacarpal phalangeal (MCP) D. Distal palmar crease, E. Proximal palmar crease, F. Thenar crease, Tensor voting 텐서보팅 과정은 크게 입력 자료를 텐서 형태로 변환하기 위한 텐서계산과 텐서 간 상호작용을 위한 선형 텐서보팅 과정으로 구성된다. 입력 자료인 지상라이다 포인트클라우드는 각각의 위치에서 이웃하는 자료들에 자신의 정보를 전달하는데, 그 정보는 텐서로 부호화되고 정의된 보팅영역(Voting Field)에 의해 패턴구조가 결정된다. 따라서 각각의 위치에서 수집된 정보는 보팅영역 내에..
Corner일 경우 모든 방향으로 window를 움직일 경우, intensity의 변화가 크다. Moravec corner detector Harris corner detector 변화율을 보기 위해 다음 식을 이용한다. Taylor’s expansion을 이용하여 풀면
영상에서 추적하고 싶은 부분을 정한다(ROI) cvSetImageROI(grayImg,cvRect(305,210,125,100)); 사각형 부분(피부색)에 대한 히스토그램을 얻는다. 이 히스토그램으로 backproject를 구한다. cvCalcBackProject(&grayImg, backprojectImg, cvHist ); 히스토그램 정규화 후 확률 값을 얻는다. 히스토그램 x축은 픽셀 값, y축은 확률이 된다. cvNormalizeHist(cvHist,100); BackProjection 된 이미지의 각 픽셀 값에 해당하는 확률을 히스토그램에서 찾아서 픽셀값x확률로 새로 갱신해준다(ex:픽셀값:100, 확률 0%이면 픽셀값을 0으로 갱신) p2 = (unsigned char*)backprojectI..