객체 검출(Object Detection) 모델에서는 이미지 속 객체의 위치와 크기를 예측해야 한다. 이때 사용되는 중요한 개념 중 하나가 앵커 박스(Anchor Box)이다. 1. 앵커 박스란? 앵커 박스는 이미지의 각 위치에 미리 정의된 여러 크기와 비율의 바운딩 박스를 의미한다. 모델은 이 앵커 박스를 기준으로 실제 객체의 위치와 클래스 정보를 예측한다. 다양한 크기의 객체를 효과적으로 탐지하기 위해 여러 개의 앵커 박스를 각 위치마다 배치하는 방식이다. 2. 앵커 박스의 원리와 사용 방식객체 검출 모델은 각 앵커 박스에 대해 두 가지를 예측한다.해당 박스에 어떤 클래스가 존재하는지해당 박스를 어떻게 조정해야 실제 객체의 위치와 맞출 수 있는지이때, 예측된 바운딩 박스가 실제 객체의 바운딩 박스와 ..

Equirectangular image (등장방형 이미지) Equirectangular image는 구면 좌표계를 직각 좌표계로 매핑한 이미지입로 구면 좌표계의 각도를 직각 좌표계의 픽셀로 일대일 매핑하여 표현한다. 구면 좌표계에서는 위도(latitude)와 경도(longitude)로 이미지를 표현하는데, 위도는 구의 수평 방향을 나타내며, -90에서 90도까지의 범위를 가지고 경도는 구의 수직 방향을 나타내며, -180에서 180도까지의 범위를 가진다. Equirectangular 이미지는 이러한 구면 좌표계를 사용하여 이미지를 표현한다. 이미지의 너비는 360도의 경도 범위에 매핑되고, 높이는 -90에서 90도의 위도 범위에 매핑된다. 따라서 이미지의 크기는 경도와 위도의 해상도에 따라 결정된다. 이..

직각 좌표계와 구면 좌표계는 이미지 처리 및 분석에서 사용되는 좌표 시스템이다. 직각 좌표계(Rectangular Coordinates) 이미지를 다룰 때 가장 일반적으로 사용되는 좌표 시스템 이미지는 픽셀로 구성되어 있으며, 각 픽셀은 행(row)과 열(column)의 인덱스로 표현 일반적으로 왼쪽 상단 모서리가 (0, 0)으로 시작하여 오른쪽으로 갈수록 열(column)이 증가하고 아래로 갈수록 행(row)이 증가 구면 좌표계(Spherical Coordinates) 구면 좌표계는 이미지 처리에서 주로 사용되지는 않지만, 컴퓨터 비전의 특정 분야에서 사용될 수 있음 주로 3D 공간에서 사용되며, 위도(latitude), 경도(longitude), 고도(altitude)와 같은 좌표를 사용하여 지구 표..

RPN(Region Proposal Network)은 Faster R-CNN(Region-based Convolutional Neural Network) 모델에서 제안된 네트워크로, 객체 검출에서 후보 영역(proposal)을 생성하는 역할을 한다. Faster R-CNN은 물체의 위치를 찾는 RPN과 물체를 분류하고 정확한 위치를 예측하는 후속 네트워크로 구성된다.RPN의 주요 특징 및 과정은 다음과 같다. 목적 : RPN의 주된 목적은 이미지에서 물체가 있을 가능성이 있는 위치를 찾아내어 후속 처리를 위한 후보 영역을 생성하는 것 Anchor Boxes : RPN은 각 위치에서 여러 크기와 종횡비를 가지는 일련의 anchor boxes를 정의하고, 이 anchor boxes는 물체의 위치와 크기에 대..

Non-Maximum Suppression(NMS)은 객체 감지 모델에서 겹치는 Bounding Box를 제거하여 최종 결과를 정리하는 기술이다. 이를 통해 모델의 출력을 간결하게 하고 중복된 결과를 제거함으로써 정확한 객체 감지를 할 수 있게 된다.  NMS의 원리는 여러 후보 bbox 중에서 겹치는 상자들을 필터링하는 것인데, 겹치는 상자들 중에서 가장 확률이 높은 상자를 선택하고 그와 겹치는 상자들을 제거하는 방식이라고 보면 된다. 이러한 NMS는 모델의 출력을 정리하고 중복된 결과를 제거하여 더 정확한 결과를 얻을 수 있도록 하며 특히, 한 객체에 대해 여러 개의 겹치는 경계 상자가 생성된 경우 이를 정리하는 데 사용된다. Object Detection 모델 중 Faster R-CNN, YOLO..

Computer Vision (컴퓨터 비전) 컴퓨터 비전(Computer Vision)은 말 그대로 컴퓨터가 '시각'을 가지게 하는 기술이에요. 쉽게 말해, 우리가 눈으로 세상을 보는 것처럼, 컴퓨터가 이미지나 동영상을 통해 주변 환경을 인식하고 이해할 수 있도록 만드는 기술이죠. 예전에는 단순히 카메라로 찍은 사진이나 영상을 저장하고 보는 것에 그쳤다면, 이제는 컴퓨터가 그 이미지에서 정보를 추출해 내고, 분석하고, 판단까지 할 수 있게 되었어요. 아, 이제는 컴퓨터가 이미지를 생성하기도 하죠! 이러한 컴퓨터 비전은 결론적으로 컴퓨터가 인간의 시각적 지각 능력을 모방하고 인간을 뛰어넘는 시각적 지능을 갖는 것을 지향하며 자율 주행, 의료 영상, 이미지 검색, 얼굴 인식 등 다양한 분야에서 활용되고 있어..