Scene은 현실 세계 또는 가상의 3차원 공간에 존재하는 물체, 구조, 광원, 재질, 배경 등으로 이루어진 공간적·기하학적 정보의 집합체1. Scene 의 세부 종류와 Image:1-1. Physical Scene (물리적 장면): 현실 세계에 존재하는 3차원 구조로, 광원, 물체, 표면 재질 등이 실제로 존재하는 공간우리가 카메라로 촬영하는 실제 세계를 의미함.1-2. Geometric Scene (기하학적 표현): 거리, 크기, 방향 등의 기하 정보 포함함.3D 메쉬 (Geometric Scene의 표면을 표시), Point Cloud (Geometric Scene 의 기하학적 정보를 점으로 표현) 등으로 구성됨.Physical Scene을 3D 형태로 디지털화한 결과.SLAM, Lidar 스캔 등..

DigitizationDigitization is the process of converting analog information into digital form throughsampling,quantization, andencoding (생략되기도 함) Digitization makes signals suitable for processing, storage, and transmission in digital systems. 더보기다음 그림은 영상에서의 Digitization 과정이 어디에 위치하는 지를 잘 보여줌Sampling and Quantization:Sampling: 연속 Signal를 일정한 간격(시간 또는 공간 상에서)을 두고 순간의 값 (혹은 해당 구간의 평균값)을 취해 Discrete ..

Tensor 종류1. Scalar (0차원 tensor)하나의 숫자로 표현되는 가장 기본적인 형태.크기(magnitude)만을 가지며 방향은 없음.예시: 온도(25°C), 나이(20), 가격(1000원)# 파이썬/NumPy에서의 표현scalar = 5.02. Vector (1차원 tensor)숫자들의 순서가 있는 array(배열): Numbers' ordered list.Magnitude(크기)와 Direction(방향)을 모두 가짐.선형대수에서는 공간 상의 한 점 또는 방향을 나타내는 화살표로 해석: Vector Space의 element!기계학습 및 딥러닝에서는 데이터 instance(=single sample)의 특성(feature)들을 담는 container로 사용되어 하나의 instance를 표..

1. Locality Sensitive Hashing (LSH)란 무엇인가?Locality Sensitive Hashing (LSH): 대규모 데이터셋에서 유사한 항목을 빠르게 찾기 위한 해싱 기법.개발 연도: 1998년대표 논문:Indyk, P., & Motwani, R. "Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality." Proceedings of the 30th Annual ACM Symposium on Theory of Computing (STOC), 1998.Andoni, A. and Indyk, P. (2008) Near-Optimal Hashing Algorithms for Approximate Near..

Object Recognition(물체 인식)이나 증강현실 (”장면영상”에서 model에 matching되는 객체를 찾음)의 경우 다음이 일반적.Model Image:key point가 적은 편. (적은 수의 feature vector를 가짐.)n개의 keypoints 를 가진다고 가정Scene Image(장면영상):매우 많은 objects 와 다양한 배경이 혼재. (많은 수의 feature vectors 를 가짐.)m개의 keypoints 를 가진다고 가정matching에서는 model image 와 scene image 간에 1:1 correspondance 여부 검사를 여러 차례 수행앞서 model image의 keypoints의 수를 n개라고 하고, scene image에서의 keypoints 의..

1. 소개1975년 Nearest Neighbor Search를 위해Binary Search Tree (BST)의 개념을 활용하여k-diemensional vector space에서 동작하도록Bently가 제안한 알고리즘.Lowe와 Muja가 2014년 제안한 FLANN 에서는보다 개선된 Multiple k-d Tree가 제안되었고,이 Multiple k-d Tree가 openCV에서 matching에서 가장 많아 사용되는 방법 중 하나임.https://github.com/flann-lib/flann GitHub - flann-lib/flann: Fast Library for Approximate Nearest NeighborsFast Library for Approximate Nearest Neighb..