riodohee

Feature Detector( = Kernal, Filter) : 필터(인공지능이 학습한 것) W값(Wx+b = z)

Feature Map : 결과 이미지

Convolution : Filter를 Input Image에 적용하는 것(곱하기)

Image(= Input Image) / Convolved Feature(= Feature Map)

CNN?
Convolution 연산의 특징은 속도가 빠르다는 것이다. 그 이유는 Feature 즉, 특징을 뽑기 때문이다. 정확히 똑같은 이미지를 뽑는 것이 아닌 Filter에 의한 Feature 이미지를 뽑는다. 

Layer : 얕다(가장 큰 특징을 잡음, 단순) / 깊다(복잡 detail한 feature를 잡음) 

Channel : 필터링을 통해서 계산되어 나온 하나의 특성을 가진 이미지. 1개의 필터는 feature map의 channel이 된다. channel의 수는 feature map의 filter의 개수와 동일하다.

위 이미지에서 네모들의 집합을 layer(동시에 feature maps임), 네모 한장 한장은 channel이자 feature map이라고 생각하면 된다. 네모들이 Convolution연산되어 이미지를 만든 것을 feature map이라 한다. 

필터는 Input Image의 matrix를 일정 간격으로 돌면서 합성곱을 계산한다. 
'일정 간격'을 Stride라고 한다. 

위 예제에서 Stride는 1로 필터를 Input Image에서 돌면서 Convolution 연산을 통하여 Feature Map을 만드는 과정을 보여준다. 만약, Stride가 2이면 2칸씩 이동하게 된다. 

Gradient : 변화량

Score : benefit 점수

MultiScale : 원본 이미지를 가공하여 여러 사이즈의 이미지를 합하여 본다. 

Octave : 단계
ex) octave_scale = 1.4 / 1번 옥타브가 올라가면 1.4만큼 이미지의 크기를 키운다. 

피라미드 제너레이션

이미지에서 특징점을 뽑아 블러처리하여 이미지 사이즈를 줄이는 방식

파스칼 피라미드

가우시안 필터는 연속적이기 때문에 가우시안 필터와
유사한 수치를 가진 파스칼 피라미드를 사용한다.

라플라시안 피라미드 

L0 = g0 – EXPAND (g1)

g0에서 확장된 g1값을 빼주면 g0가 고유하게 가지고 있는 feature를 뽑아낼 수 있다.  

render_lapnorm(T(layer)[:,:,:,139], img0)

render_lapnorm 함수이름

T(layer)[차원, width, height, channel]
channel을 변경해주면 다른 filter가 적용된 것을 볼 수 있음. 

img0에 함수 적용 

[참고]

GoogleLeNet인셉션 리뷰

3-1 GCD LCM

Recursion사용. m,n 최대공약수/최소공배수

양의 두 수 

3-2 strike & ball 게임 - 세자리 수 

strike ball 게임 할래?

맞춰보시오.

s0 b1

맞춰보시오. input( )

더 게임할래?

random num 사용.

srand( ); 사용해서 숫자 생성. 

3가지 ver으로 만들기 

a. main으로 작성

b. function 2개 만들기  s_f( ); b_f( );

c. s_b_ function (a, b, c)

a, b(방 3개) 배열만들고 값을 두 개 받는 c(방 2개) 만들기 

평균, 분산, 표준편차

sort 다음시간에 배울 계획임 

break 반복문을 탈출

continue 명령을 뛰어넘고 반복문 재실행 

for i in [5, 4, 3, 2, 1] :

print(i)

print('Blastoff')

none자료형은 상수이다. 공백을 쓰기 위해서 사용한다. 

smallest = None

print('Before')

for value in [9, 41, 12, 3, 74, 15] :

if smallest is None :

smallest = value:

elif value < smallest :

smallest = value

print(smallest, value)

print('After', smallest)

is ==

is not != 

is & is not이 더 강함 

ex) 0 is 0.0 (false) /  0 == 0.0 (true)

자료형과 값 모두 동등하길 요구하기 때문에 

숫자나 문자열을 사용한다면 is를 사용하지 마시오. 

헷갈릴 수 있음 . 

is 는 bool 자료형 이나 None 자료형에만 사용한다. 

정적 다차원 배열 

1차원적인 메모리 구조를 2차원으로 사용할 수 있게 해주는 것 

2차원 배열 rows & columns 

<result>