dev-logs

하고 있는 프로젝트에서 그래프 자료구조를 사용해보기로 해서 정리하는 글이다. 어디에 사용할건지 서로 다른 프레임에서 추출된 _feature points_를 _graph_로 만들면 프레임간 매칭단계 구현이 좀 더 단순해 지지않을까? 좀 더 세련되지지 않을까? 하는 생각으로 시작한다. Graph similarity? Graph isomorphism? Graph matching? graph matching 이라는 키워드로 처음 검색을 했다. 나는 template matching 처럼 두 객체 사이의 유사 정도를 판단하는 의미로 graph matching 이라는 단어를 쓴건데 graph matching 이라는 키워드는 내 생각과 다른 개념이었다. graph에서 matching 이라는 단어는 _subgraph_를..

다크프로그래머님의 글을 읽고 정리했습니다. 두 선분의 사이각 구하기 영상처리에서 각도 구하는 문제를 자주 접하게 된다. 3차원 월드좌표계(x,y,z) 뿐만 아니라 이미지 자체(u,v)에서 각도를 뽑아낼 일이 있을 때 각도 구하는 공식을 적었다. 두 벡터가 이루는 각 공식 $\cos^{-1}(\frac{v_{1}\cdot v_{2}}{\left | v_{1} \right |\left | v_{2} \right |})$ 벡터내적을 벡터크기곱으로 나눈값의 코사인역수 두점 $P_{1}(x_{1}, y_{1}), P_{2}(x_{2}, y_{2})$ 과 기준점 $P_{0}(x_{0}, y_{0})$ 이 있을 때, $v_{1}=(x_{1}-x_{0}, y_{1}-y_{0}), v_{2}=(x_{2}-x_{0}, y..

계속 추가할 예정. arctan, arctan2 차이 numpy.arctan(x1, x2) arc tangent of x1/x2. 출력 범위가 [-pi/2, pi/2] 180도 이상 차이나는 각의 arctan 값은 구분이 안됨(ex: arctan(0), arctan(180) 은 같음). numpy.arctan2(x1, x2) arc tangent of x1/x2. 출력 범위가 [-pi, pi] C언어 atan2 함수와 같음.

numpy 패키지를 설치되어 있음에도 import 부분에서 아래와 같은 에러가 발생하였다. pip를 업그레이드 했더니 해결되었다. 나는 19.0.3 버전의 pip를 사용하고 있었는데 19.3.1 로 업그레이드 후 다시 numpy를 설치해주었다. 업그레이드 하는 명령어: python -m pip install --upgrade pip

인스타에서 우연히 알게된 릴리드백! 토끼처럼 생긴것이 귀여워서 구매하려보니 내가 원하던 흰색이 품절이었다..ㅠ 이제 입고계획도 없는 상품인데 b급 상품이 하나 남아있다해서 구매했다..ㅎㅎ 진짜 이쁜가방인데 인터넷엔 구매후기가 별로 없길래 하나 올리는 후기. 구매샷 ㅋㅋㅋ 핑크가 포인트인 더스트백에 담아서 왔다! 크기는 그렇게 크진않다. 벨트고리 부분 로고가 거꾸로 새겨져서 b급으로 분류됐다던데, 내가 보기엔 일반상품과 똑같다. 안에도 수납공간이 있다!!

c++ unordered_map 을 사용하여 구현했다. 그런데 그냥 배열로도 풀어도 된다! #include //#include #include #include #include using namespace std; unordered_map clock1; unordered_map clock2; int n; string func10266() { cin>>n; unordered_map::iterator finder; for(int i=0; i> tmp; int key = tmp%360; finder = clock1.find(key); if(finder != clock1.end()) { //같은 키 존재하면 개수++ finder->second = (finder->second)++; } else { //존재하지 않..

#include int main() { char x, y; x = -128; y = -x; if(x==y)printf("1\n"); if((x-y) == 0)printf("2\n"); if((x+y) == 2*x)printf("3\n"); if(x!=-y)printf("4\n"); return 0; } 결과는 1 2 3 4 ㅋㅋㅋㅋㅋㅋㅋ 다맞는거였다...

보호되어 있는 글입니다.

CNN 구조 - 합성곱 계층 convolutional layer 과 풀링 계층 pooling layer이 추가됨. - Conv계층, 활성화함수, Pool계층 순으로 이루어짐. 마지막 계층은 Affine, softmax 완전연결 계층의 문제점 - Affine 계층은 완전연결 계층이다. 계층의 뉴런이 모두 연결되고 출력의 수를 임의로 정할 수 있다. - 입력 데이터의 형상(차원)을 무시함. - CNN은 데이터의 형상을 유지함. 이미지도 3차원 데이터로 입력받고, 다음 계층에도 3차원 데이터로 전달함. - CNN 합성곱 계층의 입출력 데이터를 특징 맵 feature map 이라고 한다. 합성곱 연산 Convolution - CNN에서는 필터의 매개변수가 가중치에 해당한다. 편향도 존재할 수 있음. 편향은 항상..

매개변수 갱신 최적화: 손실 함수의 값을 가능한 낮추는 최적의 매개변수를 찾는 문제 확률적 경사 하강법 SGD 탐색 경로가 비효율적임. 그때그때 작은 범위의 기울기에 따라 경로가 결정되어서? 모멘텀 Momentum 속도 개념을 적용. AdaGrad 학습에서 중요한 요소인 학습률을 적응적으로 조정하면서 학습 진행. 과거의 기울기 제곱을 계속 더함. 매개변수의 원소 중 크게 갱신된 원소는 학습률이 낮아짐. 가중치의 초기값 가중치 값을 작게 하여 오버피팅 억제. 0.01 * np.random.randn(10,100) if 초기값을 0으로 하면? 순전파 때 모두 같은 값이 전파된다. 그러면 역전파때도 가중치가 똑같이 갱신됨 -> 의미 없는 행동 -> 초기값은 무작위로 설정하는게 좋음 (활성화값의 분포가 고르게 ..