When will you grow up?

Python을 이용하여 이미지를 보여주거나 확인할때 가장 많이 사용하는 cv2.imshow와 plt.imshow 함수의 간단한 차이점을 살펴보겠다. 사용할 이미지로는 구글 로고를 이용하겠다. 필요 라이브러리 import import cv2 import matplotlib.pyplot as plt from matplotlib.image import imread cs # image load mat_img = image.imread('90.png') # (230, 579, 4) cv_img = cv2.imread('90.png' ,0) # (230, 579) cs .png 파일로 저장되어 있기때문에, matplot 에 imread로 읽을시 원본 그대로 읽는것 같다. 그래서 4채널로 들어오게 되는데 만약 cv ..

https://github.com/fizyr/keras-retinanet fizyr/keras-retinanet Keras implementation of RetinaNet object detection. - fizyr/keras-retinanet github.com 위 깃허브를 참고하였으며, Window10 / Anaconda 환경을 이용하였으며 cuda 9버전 기준이다. 또한 우분투환경에서도 잘 동작한다. ~_~ 0. 만약 Anaconda 환경이 안깔려있으면 클릭, gpu버전을 셋팅한다. (제 그래픽 카드는 1080ti로 테스트 하였다) 1. Github에 들어가서 코드를 다운받는다. 2. anaconda 명령 프롬프트를 열어 가상화를 만들어준다. ex) conda create -n retinanet..

저번에 이에서 필터를 계속해서 알아보자. sobel fileter sobel filter는 3*3 이미지 필터를 사용하여 중심을 기준으로 각 방향의 앞뒤의 값을 비교해 변화량을 검출하는 알고리즘인데, 이미지 경사도의 계산방법이다. 예제를 통해 한번 알아보자. import cv2 import numpy as np import matplotlib.pyplot as plt origin_img = cv2.imread('image.jpg', 0) # gray scale # Sobel filter dx = cv2.Sobel(origin_img, cv2.CV_32F, 1, 0) dy = cv2.Sobel(origin_img, cv2.CV_32F, 0, 1) #visualization plt.figure(figsize..

저번 포스팅에서는 입출력과 관련된 내용을 다뤄봤다면, 이번에는 행렬조작과 색 공간 및 필터에 대해 알아보자. 행렬 조작 : 생성하고 채우고, 요소 접근하고 ROI(Region of Interest) import cv2 import numpy as np img = np.full((480, 640,3), 255, np.uint8) #img = np.full((480, 640,3), (0, 255, 0), np.uint8) # green #img = np.full((480, 640,3), (0, 255, 255), np.uint8) # yellow #img = np.full((480, 640,3), (0, 0, 255), np.uint8) # red cv2.imshow('white img', img) cv2...

컴퓨터 비전은 우리가 눈으로 보는것처럼 컴퓨터에 시각을 부여해 이미지를 분석함으로써 유용한 정보를 생성하는 기술이다. 컴퓨터 로봇 등을 통해 얼굴, 건물, 의료 등의 다양한 도움을 준다. 또한 인공지능 기술이 발전하면서 인식, 검출, 분할 등 기술의 진화 속도가 엄청나께 빠르게 발전하고 있다. 개인적인 공부를 통해 최종적으로는 SLAM(simultaneous localization and mapping) 기술을 습득하는것을 목표로 한다. 또한, 간단한 기본 예제부터 좀 더 심화된 예제를 다뤄보면서 기본기를 익히면서 진행하고 복습차원에서 블로그로 내용을 정리한다. window or ubuntu 환경을 이용하고 conda 환경을 통해 실습을 진행할 예정이다. 설치는 conda propmt에서 pip inst..

Pytorch 1.1.0 version # CUDA 9.0 conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch # CUDA 10.0 conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch # CPU Only conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly -c pytorch Tensorflow-gpu 1.12.0 version conda install tensorflow-gpu=1.12 위 명령어로 설치할 수 있으며, cuda 9.0버전을 사용하며, python version은 ..

최근 tensorflow 2.0가 정식 릴리즈 되면서 많은 사람들이 2.0 버전으로 공부 및 연구를 시작한다. 하지만 이전 버전에서 작업했던 분들은 두가지 버전을 둘 다 사용해야되는 경우가 많아서(필자 또한) conda 환경으로 간단하게 두 가지 버전다 사용을 하는 방법을 포스팅 하고자 한다. 두가지 버전 설치가 잘 되었다면, 아래 그림과 같이 gpu 사용이 True라고 뜰 것이다. 기존의 tensorflow 1.x 버전이 깔려있다고 가정하고 진행하겠다. Cuda 버전같은 경우는 tensorflow 1.x - cuda 9.0 / tensorflow 2.x - cuda 10.0 로 설치하였다. anaconda 가 깔려있다고 가정하고 시작하겠다. (만약 설치가 되어있지 않다면 클릭) 1. visual stu..

파이썬으로 코딩을 하다보면 break문, pass문, continue 문이 자주 보인다. 헷갈리는 부분을 정리하고자 각 각 사용법과 예시를 통해 정리해본다. break : 특정 반복문(while, for 문)에서 루프를 빠져나올때 이용하는데, 한번만 빠져나오게 된다. 이중 포문일때, 해당 루프만 탈출하고 다음껀 계속 반복되서 다시 또 다음루프를 들어갈 수 있다. ex) for i in range(3): print('탈출 준비') for j in range(3): print('탈출 하자') break 결과 탈출 준비 탈출 하자 탈출 준비 탈출 하자 탈출 준비 탈출 하자 위와같은 결과를 얻는데, 만약 i도는 루프를 탈출하고싶다면, 조건을 걸어서 탈출할 수 있다. ex) y = False for i in ra..

개인적인 공부 개념으로 저장해두는 공간입니다. 원본글을 기반으로 만들었습니다. 문제가 되면 지우도록 하겠습니다. https://pysource.com/2019/06/27/yolo-object-detection-using-opencv-with-python/ YOLO object detection using Opencv with Python - Pysource We’re going to learn in this tutorial YOLO object detection. Yolo is a deep learning algorythm which came out on may 2016 and it became quickly so popular because it’s so fast compared with the pre..

더욱 자세한 정보는 https://towardsdatascience.com/object-detection-with-10-lines-of-code-d6cb4d86f606 Object Detection with 10 lines of code Part 2 of this tutorial for detecting your custom objects is available via this link. towardsdatascience.com 여기 글을 참고해서 포스팅합니다. 문제가 생길시, 지우도록하겠습니다. faster rcnn, yolo 등 다양한 오브젝트 디텍션 모델들이 나와있지만, 초보자가 사용하기가 힘든 문제점이 있다. 그래서 이번에는 아주 간단하지만 괜찮은 성능을 보여주는 간단한 코딩을 해볼 예정이다. 사..