모두야

OpenCV 알아보기(p35~53) OpenCV에서 이미지를 구성하는 요소로 3가지 데이터가 있다. 이미지 크기, 정밀도, 채널로 구성되어 있으며, 3가지 구성요소를 분리하는 관심영역, 관심채널이 있다. 이미지끼리 연산한다면 이미지의 세 가지 구성 요소가 모두 일치해야 하는 경우가 많으며, OpenCV 함수를 이용할 때에도 이미지의 구성 요소 주우 하나 이상이 함수의 요구사항과 일치해야 하는 조건이 있다. 또한 함수를 효율적으로 처리하기 위해 관심 영역과 관심 채널을 이미지 구성요소에 적용해 이미지의 일부분을 잘라내어 사용해야 하는 경우도 있다. 이미지의 크기 속성 정밀도 채널 관심영역(ROI:Region Of Interest) 관심채널(COI) 히스토그램 1. 이미지의 크기 속성 이미지 크기 = 데이터..

Python OpenCv 설치(p32~34) OpenCV를 사용하기 위해서는 파이썬이 필요하다. 1) skvark 깃허브 에서 미리 컴파일한 패키지 설치 2) 도커(Docker) 파일로도 설치 가능하다. - Numpy 패키지가 지원되는 파이선 버전 사용해야 한다. - pip (패키지 매니저) 를 활용하여 설치한다. - 만약, 가상환경을 구축하거나 머신러닝에 활용하기 위한 Python OpenCV를 사용하는 경우 Anaconda를 통한 설치를 권장한다. pip 를 이용한 설치 - Python OpenCV는 pip 패키지를 이용해 간단하게 설치할 수 있다. - Numpy에 의존적이므로 numpy 패키지가 자동으로 설치된다. pip install opencv-python 윈도우 cmd에서 pip가 인식되지 않..

Code up 파이썬 기초 100제 논리연산 and or xor not A and B = not(A or B) # 6054 둘 다 True 일 경우에만 True 를 출력하고, 그 외의 경우에는 False 를 출력한다. bool 이용하기 print(bool(int(a) and bool(int(b)))) 비트단위 논리연산 ~ (2의 보수not) & ( and ) | ( or ) ^ ( xor ) > ( right shift ) #6059 1은 00000000 00000000 00000000 00000001 이고, ~1은 11111111 11111111 11111111 11111110 가 되는데 이는 -2 # 비트 단위로 1 -> 0, 0 -> 1로 바꾼 후 그 값을 10진수로 출력 a=int(input())..

파이썬 enumerate Argumentpaser TFRecord - CNN으로 학습 시 이미지와 라벨을 별도로 읽어야 하는데, 이때 코드도 복잡해 지고 성능 저하가 올 수 있다. - tfrecord를 이용하여 파일에 이미지와 라벨, 이미지 정보를 바이너리 형태로 저장해서 사용한다. - 선형 이진 문자열 시퀸스로 저장한다. - tensorflow 학습 데이터를 효율적으로 저장하도록 최적화 되어있다. 가상환경 만들기 [ ] 는 제거하고 입력하기 !! 가상환경 목록 확인 conda info --envs 가상환경 새로 생성(추가) conda create -n [새로운 가상환경 이름] python=3.6 ( python=x.x 로 가상환경의 Python version 설정) 가상환경 활성화 conda activ..

Code up 파이썬 기초 100제 출력변환 # 6027 - 10진수를 입력받아 16진수(hexadecimal)로 출력 %x로 출력하면 16진수(hexadecimal) 소문자로 출력된다. %X로 출력하면 대문자로 출력 (%o로 출력하면 8진수(octal) 문자열로 출력된다. a = int(input()) print('%x'%a) #n에 저장되어있는 값을 16진수(hexadecimal) 소문자 형태 문자열로 출력 #6029 - 16진수를 입력받아 8진수(octal)로 출력해보자. int(a.16) == a를 16진수로 바꾸기 a = input() n = int(a, 16) #입력된 a를 16진수로 인식해 변수 n에 저장 print('%o' % n) #n에 저장되어있는 값을 8진수(octal) 형태 문자열로..

전이학습 이란 ? Transfer learning (TL) is a research problem in machine learning (ML) that focuses on storing knowledge gained while solving one problem and applying it to a different but related problem. [wikipedia] 머신러닝(기계학습) 에서 사용되는 방법으로, 이전에 훈련된 지식을 기반으로 비슷한 문제를 해결할 때 적용시킬 수 있다. - 학습 데이터가 부족할 때, 데이터가 풍부한 상태로 사전학습 된 모델을 이용하여 새로운 데이터 학습에 적용시킨다. 강아지, 고양이 이미지를 분류하는 CNN 모델 을 만들려고 한다. 이때, 좋은 성능의 CNN 분류기..

머신러닝 회귀 / 분류시 알맞은 metric은 무엇일까요? -- 회사가 원하는 방향으로 대답할 수 있을듯 (사용하는 모델관련, 최신모델 어필) 회귀 (Regression) - 숫자를 예측하고 싶다면 지도학습의 회귀로 해결한다. ex ) 판매량 예측, 기온 변화량, 나이에 따른 성장키 예측 분류 (Classification) - 문자/이미지를 예측하고 싶다면 지도학습의 분류로 해결한다. ex ) 스팸메일 분류, 악성 종양 음성/양성 판단 회귀 " 실제 값 vs 모델이 예측하는 값 " 의 차이를 통해 평가 진행 RSS(단순 오차 제곱 합) : 예측값과 실제값의 오차의 제곱합 MSE(평균 제곱 오차) : RSS를 데이터의 갯수만큼 나눈 값 RMSE : MSE에 루트 씌운 값 : 오차의 제곱이므로, 이상치(Ou..

리스트 : 순서가 있는 데이터를 늘어놓은 자료구조 - 선형 리스트 (배열을 이용) - 연결 리스트 (단순 연결 리스트, 원형 연결 리스트, 이중 연결 리스트) 연결 리스트 쓰는 이유 ? 배열을 이용한 선형리스트을 이용할 경우 : 선형 리스트 = ["홍길동", "김삿갓", "설까치"] 1번 자리에 인원 추가 하기 위해 3번 데이터 공간 만들기 1,2번 데이터 옮기기 "김철수" 추가 단점 : 크기가 먼저 정해져 있어서, 데이터 양에 따라 메모리 낭비 or 데이터 추가가 어렵다. 장점 : 구현하기 간단하다. 데이터 탐색 속도(접근속도) 빠르다. = 데이터 순서O , 데이터 삭제/삽입 이 없다면 선형리스트가 좋다. 연결 리스트의 기본 구조 A ~ F 까지 데이터가 순서대로 나열, 각 데이터가 화살표로 연결됨 각..