functional plot and image plot.Functional plot $f(x,y)$라는  function으로 image를 모델링할 수 있음.2개의 독립변수 $x,y$의 함수로 볼 경우, 3D graphics로 그릴 수 있음.2개의 독립변수에 의해  intensity 또는 brightness가 결정됨.(color 의 경우엔 dependent variable이 여러개로 vector라고 볼 수 있음) 다음은 matplotlib 로 functinal plot 을 수행하는 code snippet 임.from scipy import datasetsimport cv2import numpy as npimport matplotlib.pyplot as pltimg = datasets.face()img_gr..

Gradient Descent Method (경사하강법) 정의 및 수식 Steepest Gradient Descent Method로도 불리는 Gradient Descent Method(경사하강법)는 여러 Optimization 방법 중 가장 많이 사용되는 방법들 중 하나임. training set $X$와 현재 $t$에서의 모델의 parameters $\boldsymbol{\omega}_t$의 Loss function $L(\boldsymbol{\omega}, X)$에서 모델의 parameters $\boldsymbol{\omega}$에 대한 Gradient vector $\nabla_{\boldsymbol{\omega}} L(\boldsymbol{\omega}_t,X)$를 구하고, 이 Gradient ..

Image Quality 관련 정량화 지표들다음은 Image Restoration등에서 사용되는 Image Quality를 나타내는 정량적 지표들에 대한 간략한 소개임.(image acquisition에 사용된 장비의 성능의 비교에도 사용됨) 참고로 이 문서에서 다룬 지표들과 달리 ideal image가 존재하는 경우엔 해당 ideal image와의 비교를 통해 얼마나 차이가 나는지를 정량화하는 경우도 있음. 이들 지표들에 대해선 다음 URL를 참고.https://dsaint31.me/mkdocs_site/DIP/cv2/etc/dip_metrics/ BME228Metrics for Image Quality Image restoration의 경우, image degradation의 원인을 modeling하..

Image는 수학적으로 independent variable이 2개인 multi-variable function $f(x,y)$로 표시할 수 있음. gray-scale image일 때는 multi-variable scalar-valued function (또는 multi-variate function이라도 부른다) color image라면 multi-variable vector-valued function color image 의 경우, 함숫값이 RGB와 같이 3개의 component를 가진 vector임 용어관련 참고 : https://dsaint31.tistory.com/389 [Math] Multi-variable vs. Multi-variate and Multiple Regression 1. Mu..

0. Remappingmatrix equation으로 표현할 수 없는 형태(non-linear)의 이미지 모양 변환을 위한 기능.OpenCV에서 cv2.remap() 함수를 통해 제공되며,lens distortion 및radial distortion등을모델링하거나 제거하는데 사용가능함.dst = cv2.remap(src, mapx, mapy, interpolation, dst, borderMode, borderValue)src: 입력 이미지mapx, mapy: x축과 y축으로 이동할 좌표, src와 동일한 크기, dtype=float32 임.dst : 결과 이미지, optional그 외 : cv2.warpAffine()과 동일mapx[0][0] = 9.0, mapy[0][0] = 3.0 인 경우,입력 i..

Underfit이란ML 모델이 주어진 훈련데이터를 제대로 학습하지 못하여 Training dataset에서도 나쁜 performance를 보이는 경우를 가르킴. Underfit의 경우 훈련데이터에서도 performance measure의 결과가 매우 나쁘게 나오기 때문에 훈련데이터에서 bias가 매우 크고, 대신 모델의 variance는 작은 특징을 보임.bais 높다 = performance 가 나쁘다variance가 낮은 이유는, 워낙 performance가 나쁘기 때문에 어떤 dataset에서도 일관되게 낮은 performance를 보이기때문임.발생원인Data의 features가 task를 해결하기 위한 정보가 부족한 경우 (non-representative data),Model의 가설공간이 tas..