Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- 인사과
- 김창준
- Specification
- 와인버그
- 페북글
- 직무의사유화
- Open Computer Vision Library
- 인간
- 안좋은기억
- Agile
- xper
- OpenCV
- 엔지니어
- 맥
- Documentation
- build
- Computer Vision
- 원격면접
- Python
- 코딩 테스트
- 애자일
- 개저씨
- 회고
- 품의
- 개인성향
- 스펙
- MacOS X
- 보석들
- 인사
- 교훈들
Archives
- Today
- Total
목록수련 (1)
세상을 놀라게 하자!
문제 정의 :Computer vision의 경우
일반적으로 Computer vision을 하다보면 Pattern recognization에서 사용하는 방법들을 많이 사용하게 됩니다. 그런데 '조금' 다릅니다. 때론 '많이' 다르게 해야 합니다. 어떤 이유 때문일까요? 일반적으로 두 서너개의 집합이 있고 이에 대한 분류를 하라고 하면 Pattern recognition쪽을 하신 분들은 자연스럽게 K-Mean Clustering을 찾게 됩니다. 그런데 이것이 늘 맞을까요? 아시는 분들은 알겠지만 최소한 mean이 몇개가 어디에 있을 것이라는 것을 정해주어야만 가능하기 때문에 이것을 어떻게 정하느냐에 따라 많은 차이를 나타냅니다. 늘 맞지 않는다는 이야깁니다. 그럼 이런 분류 방식을 Computer vision에 적용해보지요. 예컨데 Thresholding..
Technical writing/Computer vision
2010. 9. 26. 03:34