취미와 밥줄사이

Datatype Conversion 예제 코드 출력 결과 1. Int to float 2. float to int

Crop and Resize 예제 코드 출력 결과

OpenCV 기본사용법 및 코드 출력결과

Open CV 기본 사용법 예제코드 import cv2 # 이미지 받아오기 imageName = 'data/images/sample.jpg' # openCV로 이미지 열기 image = cv2.imread( imageName, cv2.IMREAD_COLOR if image is None: print( '이미지 열 수 없다.') print(image) print(image.shape) # Gray Scale Image: 1개의 행렬로 만들고, 0 ~ 255까지의 숫자로 채워진 # 행렬로 변환된 이미지 grayImage = cv2.cvtColor( image, cv2.COLOR_BGR2GRAY) # grayscale로 변환 cv2.imshow('image', image) cv2.imshow( 'gray', ..

Theory 형태학적 변환은 이미지 모양으 기반으로 하는 몇 가지 간단한 작업입니다. 일반적으로 이진 이미지에서 수행됩니다. 두 개의 입력이 필요합니다. 하는 원본 이미지이고, 두 번째는 구조화 요소 또는 작동의 특성을 결정하는 커널이라고 합니다. 두 가지 기본 형태학적 연산자는 Erosion과 Dilation 입니다. 그런 다음 Opening, Closing, Gradient 등과 같은 변형 형태도 작동합니다. Erosin 침식의 기본 개념은 토양 침식과 같으며 전경 물체의 경계를 침식합니다. 항상 전경은 흰색으로 유지 커널은 이미지를 따라 이동합니다. 2D 컨볼루션에서와 같이 원본 이미지의 픽셀( 1 또는 0 )은 커널 아래의 모든 픽셀이 1인 경우에만 1로 간주되고, 그렇지 않으면 침식(0이 됨)이..

선명화(Sharpening) 샤프닝은 영상의 에지를 날카롭게 표현한다. 커널을 대체함으로써 샤프닝을 할 수 있다. 커넝을 변경함으로 이미지 가장자리를 강조하거나 강화하는 샤프닝을 구현할 수 있다. 샤프닝 필터는 아래와 같다. Sharpening 예제 코드 실행환경은 캐글의 노트북 환경에서 실행 이미지 시각화는 matplotlib.pyplot 라이브러리를 사용함 이미지 비교

Amazon이나 Netflix의 추천 시스템 User-Based Collaborative Filtering 유저 기반으로, 유저가 사거나 본 아이템을 행렬로 만든다. 유저 간의 유사도를 측정하여, 비슷한 유저를 찾는다. 비슷한 유저를 기반으로 아이템을 추천해 준다. User-Based Collaborative Filtering 한계 아이템( 제품, 영화 등) 보다 유저가 많아지면, 복잡도가 올라간다. 유저의 기호는 변한다. (오늘은 액션 장르를 봤다가, 내일은 로맨스 장르를 보고..) 따라서 유저기반의 협업 필터링보다, 아이템 기반의 협업 필터링을 사용한다. Item-Based Collaborative Filtering 사람이 아닌 아이템( 영화, 제품) 간의 관계를 기반으로 추천해 주는 시스템 두 사람..

Association Rule Learning (연관규칙 분석) A를 산 사람이 B도 같이 산다: 장바구니 분석 A를 사고나서 B를 산다: 서열분석 지지도(Support) 전체 거래항목 중 상품 A와 상품 B를 동시에 거래하는 비율을 의미한다. A ----> B라고 하는 규칙이 전체 거래 중 차지하는 비율을 통해 해당 연관규칙이 얼마나 의미가 있는 규칙인지를 확인한다. 신뢰도(Confidence) 상품 A를 포함하는 거래 중 A와 B가 동시에 거래되는 비중으로, 상품 A를 구매했을 때 상품 B를 구매할 확률이 어느 정도되는지를 확인한다. 항상도(Lift) 상품 A의 거래 중 항목 B가 포함된 거래의 비율 / 전체 상품 거래 중 상품 B가 거래된 비율( A가 주어지지 않았을 때 B의 확률 대비 A가 주어졌..