[Computer Vision] Problem design

획득과 표현

 - 샘플링과 양자화

    - 2차원 영상 공간을 M*N으로 샘플링(M*N을 해상도라 부름)

    - 명암을 L단계로 양자화 (L을 명암 단계라 부름, 즉 명암은 [0,L-1] 사이 분포)

- 영상 좌표계

    - 화소 위치는 x=(j,i) 또는 x=(y,x)로 표기 (pixel)

    - 영상은 f(x) 또는 f(j,i), 0<= j <= M-1, 0<= i <= N-1로 표기

    - 컬러 영상은 fr(x), fg(x), fb(x)의 세 채널로 구성

 

- 영상 표기 방법

디지털 영상 표시 방법

- 컬러

    - RGB 모델로 영상 표현

        - fr, fg, fb의 세 채널로 표현

    - 가장 단순한 영상처리 방법은 세채널을 독립적으로 처리

RGB 컬러 영상

    - HSI 모델

        - 이중 콘으로 색을 표현

HSI 컬러 모델

과학적 접근과 공학적 접근

• 과학적 접근
  • 목표 1을 달성하려는 노력
  • 사람 시각의 원리를 밝혀낸 다음 컴퓨터로 모방
  • 뇌 과학의 주요 관심사
  • 지식 표현, 학습, 추론, 창작 같은 인공 지능이 필수
• 어려운 이유
  • 역 문제 (3차원 -> 2차원 (사진); 2차원 -> 3차원 정보손실)
  • 불량 문제 (ill-posed problem; 정답이 없는 문제)
  • 다양한 변형 발생 (기하학적 변환, 광도 변환)

 

• 공학적 접근
  • 목표 2를 달성하려는 노력
    • 특정상황에서특정임무를수행하는실용시스템구축
  • 성공적인 시스템
    • 많은응용현장에서쓰고있음
    • 컴퓨터비전이사람보다뛰어난경우(예,엔진실린더정밀측정,칩검사등)
  • 실용적인 성능 달성의 어려움
    • 여전히역문제,불량문제,다양한변환발생
    • 영상은숫자배열형태

Learning Task

• Improve their performance P
• at some task T
• with experience E

성능 평가

인식 성능 측정

1. 정확률

    = 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율

정밀도

2. 재현율

    = 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율

재현율

• True Positive(TP) : 실제 True인 정답을 True라고 예측 (정답)
• False Positive(FP) : 실제 False인 정답을 True라고 예측 (오답)
• False Negative(FN) : 실제 True인 정답을 False라고 예측 (오답)
• True Negative(TN) : 실제 False인 정답을 False라고 예측 (정답)