📲PROJECT

    [Projects] 3. 차량 번호판 인식 및 모자이크 처리

    github 참조 : https://github.com/ChaminLee/2019.10.28-Extracting-Car-Numbers-with-OpenCV 차량 번호판 인식기 만들기시작하기 전 구상한 프로세스는 다음과 같다.이미지 불러오기(grayscale로 변환)전처리 (Gaussian blur로 edge 강조하기, threshold(adaptive), morphology, canny)원하는 영역 찾아내기(contour)이미지 평면화 (affine transform, warp) *필요시pytesseract 라이브러리 이용결과값 = (차 번호, 용도, 차종) 출력결과값 출력이후, 번호판 모자이크 처리위 과정을 생각하고 프로젝트를 진행했다.cv2.Canny의 경우에는 사용하지 않..

    [Projects] 2. MNIST 이미지로 그림 그리기!

    https://github.com/ChaminLee/2019.11.04_Image_Mosaic In [2]:import cv2 import os import numpy as np import matplotlib.pyplot as plt from collections import defaultdict In [3]:img = cv2.imread('./shiba2.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # fx, fy가 작을 수록 픽셀이 더 크게 나뉨 imgray = cv2.resize(imgray,None,fx=0.15,fy=0.15) print(imgray.shape) plt.figure(figsize=(20,20)) plt.imshow(imgray,'..

    [Fun Projects] 3. 술자리 게임! 뚜껑 숫자 맞추기 게임! UP Down!

    02.Making_Up_Down_Game술게임에 빠질 수 없는 업다운게임....!소주 병뚜껑처럼 1~50까지의 숫자를 말하면 Up 또는 Down으로 알려주고5번안에 맞추지 못하면 Game Over가 되도록 고고고In [1]:import random In [27]:num = random.randrange(1,50,1) print("소주 뚜껑에 적혀있는 숫자를 맞춰라~!") print("----*********---") print("---*---------*---") print("--*----?-?----*--") print("--*-----------*--") print("---*---------*---") print("----*********---") n_count = 0 while(n_count 50 ..

    [Fun Projects] 2. 추억의 야구게임 만들기

    01_Making_Baseball_gameIn [4]:import random In [161]:print("야구게임에 참가하신걸 환영합니다!") print("------------------") numlist = list([1,2,3,4,5,6,7,8,9]) cnum = random.sample(numlist,3) correct = list() for i in range(3): correct += str(cnum[i]) print("맞춰야 할 숫자는 {0},{1},{2}입니다".format('?','?','?')) n_count = 0 n_strike = 0 n_ball = 0 print("!!..야구게임을 시작합니다..!!") print("----------------") while(n_strike

    [논문읽기] 12. YOLO v1

    Unified Pipeline = YOLO!0. AbstractYOLO는 이전 방식과 다르게, object detection을 공간적으로 분리된 bounding boxes와 클래스 확률로 regression을 간주한다. 단일의 뉴럴 네트워크가 한 번의 평가로 전체 이미지에서 bounding boxes와 클래스 확률을 예측한다. 전체 detection 파이프라인이 단일 네트워크이기 때문에, detection 성능에 대해 직접적으로 end-to-end로 최적화될 수 있다.이 통합된 구조는 매우 빠르다. YOLO는 localization 에러를 더 많이 만들지만, 배경에 대한 false ..

    [논문읽기] 11. WGAN-GP : Improved Training of Wasserstein GANs

    weight clipping → Gradient penalty0. AbstractWGAN에서 critic에 대해 Lipschitz constraint를 강요하기위한 weight clipping이 발생시키는 문제, 즉 undesired behavior로 이끌 수 있다 라는 것을 발견했다. 논문에서는 weight clipping 대신에 다른 것을 제안한다 : 입력에 대하여 critic의 gradient norm을 처벌하는 것이다.1. IntroductionWGAN은 discriminator(논문에선 critic)이 1-Lipshichtz function의 공간에 놓여져있기를 원한다.(저자들은 weight clippin..