분류 전체보기

[CV] Image Sensor 크기 (CMOS기준)

1/3.2인치 (약 4.54mm x 3.42mm):주로 스마트폰 카메라에서 사용됨.1/2.3인치 (약 6.17mm x 4.15mm):주로 소형 디지털 카메라 및 일부 스마트폰에서 사용됨.1인치 (약 13.2mm x 9.6mm):주로 고급 콤팩트 카메라에서 사용됨.고급 스마트 폰에서 일부 사용됨.Full-Frame(풀프레임, 약 36mm x 24mm):고급 DSLR 및 미러리스 카메라에서 사용됨전통적인 35 mm 필름에 대응함.APS-C (약 23.6mm x 15.6mm or 22.2mm x 14.8 mm):Advanced Photo System Type C (Classic)의 약자로 제조사에 따라 약간의 차이가 있음.$20.7 \times 13.8 \text{mm}^2 - 28.7 \times 19.1 ..

[CV] 공간해상도 관련 단위: SD, HD, MP, VGA 등등

이미지 센서나 디스플레이 기기의 해상도 관련한 단위 정리.참고로 디스플레이 기기의 물리적 크기는 대각선 길이를 이용함.Image Sensor Resolution 단위:MP(MegaPixel):이미지 센서 해상도를 나타내며,100만 개의 픽셀을 의미.휴대폰 카메라 센서의 해상도에 흔히 사용.예: 12MP 카메라는 1200만 픽셀을 의미함.Image Sensor의 크기는 다음의 단위를 사용함.https://dsaint31.tistory.com/841 [CV] Image Sensor 크기 (CMOS기준)1/3.2인치 (약 4.54mm x 3.42mm):주로 스마트폰 카메라에서 사용됨.1/2.3인치 (약 6.17mm x 4.15mm):주로 소형 디지털 카메라 및 일부 스마트폰에서 사용됨.1인치 (약 13.2mm..

[CV] Median Sensor Resolution in Consumer Cameras

Median Sensor Resolution in Consumer Cameras 1996년 ~ 2000년대 초반:1996년:소비자용 디지털 카메라의 센서 해상도는 일반적으로 1~2메가픽셀(MP) 수준.당시 디지털 카메라는 주로 전문가용이었고, 일반 소비자에게는 새롭게 등장한 기술이었음.1999~2000년:2~3MP 카메라가 주류를 이루기 시작.2000년대 중반 ~ 2010년대:2005년:5~8MP의 해상도를 가진 카메라가 보편화되기 시작2008~2010년:10~12MP의 센서 해상도가 주류고해상도 센서가 카메라 시장에 본격적으로 자리잡음.2010년대 후반 ~ 2024년:2015년:16~24MP 센서가 일반화많은 스마트폰에도 12MP 이상의 센서가 탑재되기 시작.2020년대:24~50MP의 고해상도 센서가..

[DIP] Histogram Stretching

Histogram Stretching은이미지의 contrast(명암대비) 를 개선하기 위해 : Image Enhancement히스토그램을 확장(=stretching)하는 기법임.이 기법은이미지의 밝기값(=intensity)이 전체 범위에 걸쳐 고르게 분포되지 않고, 특정 범위에 집중된 경우(low contrast)에 적용됨.이를 통해 이미지의 밝기 범위를 넓혀 contrast(명암대비)를 강화하고, 보다 선명한 이미지를 얻을 수 있음.이상적인 contrast의 이미지는histogram이 균일하게 분포함.← High contrastpixel의 intensity (혹은 density)가 histogram의 전 범위에 균일하게 분포. 관련 gist https://gist.github.com/dsaint31x/..

[DIP] (Global) Histogram Equalization

Histogram Equalization에 대한 설명히스토그램 평활화(Histogram Equalization)는 이미지의 contrast(명암대비)를 개선하기 위한 기법 중 하나임: Image Enhancement일반적으로 이미지의 히스토그램이 특정 영역에 집중되어 있으면, 해당 이미지의 contrast가 낮다고 볼 수 있음: low contrast반면, 히스토그램이 이미지의 전체 범위에 고르게 분포되어 있을 때, 그 이미지는 명암 대비가 좋다고 평가됨: High contrast아래 그림의 경우와 같이 Histogram을 균일하게 해주는 작업을 Histogram Equalization이라고 부름.관련 gisthttps://gist.github.com/dsaint31x/ba25af517ac9807d39..

[DIP] Contrast Limited Adaptive Histogram Equalization (CLAHE)

Global Histogram Equalization의 단점.Illumination이 불균일한 경우, 이미지에서 특정 부분은 밝고 특정 부분은 어두움.이 경우, Global Processing 기반의 Histogram Equalization은 효과가 좋지 못함. 아래 그림에서 조명이 불균일하여 global HE가 효과가 좋지 않음을 보여줌 (석고상의 대비가 오히려 나뻐짐)이를 개선한 방법이 Contrast Limited Adaptive Histogram Equalization (CLAHE)임. 관련 gisthttps://gist.github.com/dsaint31x/5606a3b51023d64f5e29ea524ac469dc dip_clahe.ipynbdip_clahe.ipynb. GitHub Gist: ..

[DIP] Histogram Matching: Image Enhancement

개념입력 영상(input image)의 히스토그램이 특정 모양의 히스토그램 분포(목표영상, target image의 histogram)를 가지도록 하여 영상의 명암 대비를 개선하는 기법: Image Enhancement히스토그램 정합 또는 히스토그램 명세화라 불리기도 함관련 gisthttps://gist.github.com/dsaint31x/601b29af3ef28ec17114d405de14cec9 dip_histogram_matching.ipynbdip_histogram_matching.ipynb. GitHub Gist: instantly share code, notes, and snippets.gist.github.com과정target image 에 대하여 Target Histogram을 구하고, 이..

[ML] Diabetes Dataset

이는 442명의 당뇨병 환자에 대한 진단 측정치로 구성됨.이는 regression models를 위한 dataset.9개의 features를 통해 당뇨병의 진행 정도를 예측.Dataset 특징샘플 수: 442특성 수: 10target: 1년 후 질병 진행의 정량적 측정치Featuresage: 나이sex: 성별bmi: 체질량 지수 (Body Mass Index)bp: 평균 혈압 (Average Blood Pressure)s1: 혈청 (Serum) 측정치 1s2: 혈청 측정치 2s3: 혈청 측정치 3s4: 혈청 측정치 4s5: 혈청 측정치 5s6: 혈청 측정치 6Target (or Label)1년 후의 질병 진행 정도를 나타내는 정량적 측정치데이터 형태모든 feature는 standardization(표준화..

[ML] Yeast Dataset

Yeast Dataset효모 유전자의microarray expression data와 phylogenetic profiles를 포함한multi-label classification용 데이터셋.설명각 인스턴스는 하나의 유전자(gene)을 나타내며,microarray expression data와gene의 발현 수준을 나타내는 데이터임.phylogenetic profiles를특정 유전자가 여러 생물종에서의 유무 등을 의미함.나타내는 103개의 features 로 구성됨.numerical data와symbolic data로 구성됨.하나의 유전자에 최대 14개의 biological function이 label로 할당됨.각 label은 binary value를 가짐.라벨은 physiological process,..

[ML] kNN Classifier (k-Nearest Neighbors Classifier)

k-Nearest Neighbors (kNN) Classifier는 Supervised Learning에 기반한 non-parametric(비모수) 및 instance-based Algorithm. 이는 Label 이 지정된 data와의 distance를 이용하여 새로운 data point가 어느 class에 속하는지 예측하는 방식. 1. 기본 아이디어: 새로운 데이터가 주어졌을 때,해당 데이터와 가장 가까운 k개의 이웃 데이터 포인트 (Nearest Neighbors)를 찾고,이웃들의 Majority Voting(=hard voting) 또는 거리로 가중치를 둔 Soft Voting에 의해 새로운 데이터의 클래스를 결정.k 값은 사용자가 지정하는 hyper-parameter이며작은 k값은 과적합(ove..