티스토리

다크 프로그래머

검색하기

블로그 홈

다크 프로그래머

darkpgmr.tistory.com/m

영상처리 & 프로그래밍

구독자: 182

방명록 방문하기

주요 글 목록

KITTI 데이터 사용하기 (LiDAR-카메라 변환) 최근에 LiDAR 데이터를 사용할 필요가 있어서, 테스트 목적으로 KITTI 데이터셋을 받아보았다. 최종 목적은 LiDAR 데이터를 카메라 이미지에 매핑해서 영상과 함께 거리값을 이용하는 것이다. 그런데, LiDAR를 처음 사용하다 보니 LiDAR 데이터 포맷도 모르겠고, KITTI에서 제공하는 캘리브레이션 정보도 어떻게 해석해야 할지 모르겠다. 그래서, 여기 저기 검색해 보고 테스트해 보면서 나름 파악한 내용을 정리해 본다. 1. LiDAR 데이터 포맷 KITTI에서 제공하는 LiDAR 데이터는 64채널 Velodyne 센서(HDL-64E) 데이터로서 확장자가 *.bin이다. 처음에는 거리값들이 순서대로 저장되어 있나 했는데, 그건 아니고 ray의 끝 점 (x, y, z) 좌표와 반사도(reflecta.. 공감수 21 댓글수 11 2023. 4. 16.
수학 과외 큰 아이의 수학 점수가 바닥을 긴다는 아내의 첩보를 접하고 심각한 고민에 빠졌다. 그 동안은 (가만 두면 지가 알아서 다 할거라는) 내 말만 믿고 학원도 보내지 않았는데, 이제 어떡하면 좋냐고 그런다. 아내가 아이를 살살 꼬셔서 서점에서 수학 문제집 하나는 사다가 놓았지만, 몇 주째 책상 위에서 먼지만 날리고 있다. 그렇다고 애를 억지로 앉혀놓고 수학을 가르치는 것은 섶을 지고 불에 뛰어드는 격이라 해서는 안된다. 아내의 무언의 눈빛도 있고 왠지 모를 압박감에 며칠 동안 좌뇌와 우뇌를 굴린 결과 한 가지 방안을 생각해 내었다. 아이와 함께 아이의 친한 친구를 불러서 둘을 같이 가르치는 것이다. 아이에게 물어보니 그건 아이도 좋다고 한다. 아이 친구도 OK를 해서 그쪽 부모님께도 확인을 받은 후 수학과외를.. 공감수 144 댓글수 18 2022. 6. 22.
내 어깨 위 고양이, 밥 아침에 일어나서 어제 보다 만 영화를 다시 봤다.'내 어깨 위 고양이, 밥'영화를 보고 나서 문득 내가 본 영화들을 블로그에 정리해 놓으면 좋겠다는 생각이 든다. 저녁에 특별히 할일 없이 한 두편 영화를 본 게 거진 10년이 된 것 같다. SF, 폭력, 로맨스, 일상, 스포츠, 애니메이션, 코미디, 드라마 가리지 않고 다 본다. 그 중에 어떤 것은 보고 잊어버리고 또 어떤 것은 여운이 남아서 굳이 다른 사람들이 쓴 감상평들을 뒤적여 본다. 보다 보니 안목이 생겨서인지 아니면 마음에도 나이가 들어서인지 가슴에 와 닿는 영화들이 많지는 않다. 갈수록 그렇다. 그래도 가끔 기억에 남는 영화들을 여기에 적어본다. 보면서 나도 모르게 빨려들고 보고 나서도 여운이 남는 영화들. 그냥 스스로 기록하는 의미로도 좋고,.. 공감수 9 댓글수 1 2022. 5. 5.
디지털 피아노 건반소음 없애기 내게 가장 큰 취미 중 하나는 집에 있는 물건들을 고치거나 개선하는 것이다. 집에 중고로 구한 디지털 피아노가 한 대 있다. 아이가 심심할 때마다 한 번씩 치는데, 칠 때마다 건반에서 덜그덕 거리는 소리가 난다. 예전에는 안그랬던 것 같은데 요즘들어 소리가 갈수록 심해져서 피아노가 타악기가 된 것 같다 (원래 타악기인가?) 어떻게든 고쳐보려고 인터넷을 검색해봐도 디지털 피아노는 원래 건반에서 달그닥 거리는 소리가 난다고만 되어 있을 뿐, 딱히 해결 방법은 나와있지 않다. 바닥에 매트를 깔라는 등의 얘기는 있지만, 그건 층간소음 얘기이지 건반소음 자체가 줄어드는 것은 아니다. 최근 코로나로 집에 있으면서 혹시라도 건반의 달그닥 소리를 줄일 수 있을까 싶어 피아노 내부를 뜯어보게 되었다. 피아노를 분해하는 .. 공감수 24 댓글수 9 2022. 4. 12.
딥러닝과 Loss 함수의 이해 딥러닝.. 내겐 여전히 블랙박스 같은 존재이다. 하지만 딥러닝도 크게 보면 기계학습 방법의 하나로서 딥네트워크를 이용한 모델링과 파라미터 추정 방법으로 볼 수 있다. 그래서 전통적으로 기계학습을 연구했던 사람들은 아마도 보다 넓은 시야를 가지고 딥러닝을 이해할 수 있을 것으로 생각한다. 이 글은 딥러닝에 대한 나름의 이해를 정리한 글이다. Loss 함수, 파라미터 공간, 최적화 기법 등이 어떻게 딥러닝과 연결되는가 주 내용이다. 딥러닝의 세부적인 내용보다는 전체적인 틀을 바라보고 해석한 글로 볼 수 있다. 딥러닝과 파라미터 추정 딥러닝도 크게 보면 x에서 y로의 함수관계 fw(·)를 찾는 문제로 볼 수 있다. x → fw(·) → y 이 때 함수의 구조와 복잡도를 정하는 것이 모델링 과정인데, 딥러닝에서.. 공감수 26 댓글수 9 2021. 9. 15.
상관계수와 cross correlation 상관계수(correlation coefficient)는 통계학 쪽에서 사용되는 용어이고, cross correlation은 신호처리 분야의 용어이다. 그리고 NCC(normalized cross correlation)도 신호처리 분야 용어이다. 수식적으로 보면 상관계수 계산식과 NCC 계산식은 매우 유사하다 ($\bar{x}$: X의 평균, $\sigma_x$: X의 표준편차, $n$: 데이터 개수, $x_i$: i번째 관측 데이터의 X 속성 값, $f(x), g(x)$: x에서의 두 신호 값). $$상관계수(X, Y) = \frac{1}{n} \sum_{i=1}^{n}{\frac{(x_i - \bar{x})(y_i - \bar{y})}{\sigma_x \sigma_y}}\tag{1}$$ $$NCC(f,.. 공감수 24 댓글수 6 2021. 9. 12.
OpenCV + CUDA 직접 빌드하기 (Windows/Linux 종합) 최근에 opencv에 있는 dnn을 한번 써보려고 직접 소스를 받아서 빌드(build)해 보았다. 역시나 엄청난 삽질의 연속이고 할 때마다 이것 저것 해결책을 검색하느라 많은 시간을 소모한다 (삽질은 누구나 한다..). 그동안 opencv 빌드를 한두 번 해본 것이 아닌데도 매번 이렇다. 이게 다 앉았다 돌아서면 잊어버릴 나이인데도 기록을 잘 하지 않았기 때문이다. 이번 기회에 opencv 빌드에 필요한 내용들을 다시 한번 정리해 둔다. 먼저, windows 빌드부터 적고 linux 빌드는 끝에서 잠깐 설명한다. 1. Windows에서 OpenCV+CUDA 빌드 준비사항 (Requirements) opencv: https://github.com/opencv/opencv opencv contrib: htt.. 공감수 12 댓글수 23 2021. 6. 25.
DarkCompare - 동영상 비교/병합 프로그램 동영상 여러 개를 (원하는데로) 상하좌우로 붙여가면서 비교할 수 있는 간단한 프로그램입니다. 알고리즘별 결과를 프레임별로 비교하기 위해서 만든 툴인데, 필요한 분은 사용하시기 바랍니다. 동영상 비교 뿐만 아니라 동영상들을 하나로 합치는 용도로도 사용할 수 있습니다. - 화살표키/PgUp/PgDn/Home/End로 프레임 이동 (delay 없이 빠른 이동 가능) - 무설치 실행 - 윈도우즈 전용 다운로드(실행파일): darkcompare1.0.zip by 다크 프로그래머 공감수 16 댓글수 12 2021. 3. 18.
글쓰기에 대해 이 글은 그 동안 글쓰기에 대해 생각한 것들, 도움이 될 만한 것들을 정리한 글입니다. 자신의 글 가장 기본적인 것이지만 자신이 소화한 내용, 자신의 생각과 이해를 바탕으로 해야 진정한 자신의 글이라 할 수 있다. 조금 부족하더라도 비록 남들처럼 멋지진 않더라도 자신의 내용으로 글을 쓰자. 자신의 글이지만 남에게 보여주는 글 글을 쓰는 사람은 자신이지만, 글을 읽을 사람은 타인임에 유의하자. 타인의 입장에서 모호함이 없게, 타인이 이해하기 쉽게 글을 써야 한다. 글은 나의 지식과 나의 이해를 바탕으로 한다. 그래서 보통 자신이 쓴 글을 자신이 읽을 때에는 글에 비약이나 모호한 표현, 부족한 부분이 있더라도 읽는데 큰 어려움이 없다. 그 이유는 글을 있는 그대로 읽지 않고 우리의 뇌가 일종의 착시현상처럼 .. 공감수 16 댓글수 3 2021. 2. 5.
테트리스 (Tetris) 아이들에게 주려고 만든 프로그램입니다. 아빠가 만들었다고 하면 조금 느낌이 다르지 않을까 해서.. ^^ 색상이랑 화면 구성 등 아이들에게 의견을 물어가면서 재미있게 만들었습니다. 세로줄을 넣는 것은 아내의 아이디어입니다. 윈도우(windows) 프로그램이고 실행파일 하나로 동작합니다. WuKaTetris 실행파일 다운로드: Tetris.zip 컨트롤 Left/Right/A/D: 좌우 이동 Up/W/X: 시계방향 회전 (CW) Z/Ctrl: 반시계방향 회전 (CCW) Space: 아래로 떨어뜨리기 (hard drop) Down/S: 한칸 아래로 이동 (soft drop) 'n': 새로운 게임(new game) 'p': 게임 일시멈춤(pause) 'm': 효과음 온/오프 by 다크 프로그래머 공감수 29 댓글수 8 2020. 10. 18.
벡터 외적을 이용한 직선의 교점 구하기 이미지 평면위의 네 점(픽셀) p1, p2, p3, p4가 주어졌을 때, 두 직선 p1p2, p3p4의 교점을 벡터의 외적(cross product)를 이용하여 구하는 방법입니다. [두 직선의 교점 구하기] 먼저, 네 점의 픽셀 좌표를 homogeneous 좌표로 변환하고 3D 벡터로 해석한다 (카메라 원점과 이미지 평면위의 점을 잊는 벡터). 직선1: $p_1 = (x_1, y_1, 1)$, $p_2 = (x_2, y_2, 1)$ 직선2: $p_3 = (x_3, y_3, 1)$, $p_4 = (x_4, y_4, 1)$ 벡터의 외적을 이용하여 $v$를 계산 $v = (p_1 \times p_2) \times (p_3 \times p_4)$ 계산된 결과가 $v = (x, y, w)$라면 두 직선의 교점의 .. 공감수 1 댓글수 0 2020. 9. 10.
YOLO와 성능지표(mAP, AP50) 최근에 YOLO 논문들을 보다 보니 저자가 2018년 YOLOv3를 마지막으로 YOLO 연구를 중단한 것을 알게 되었다. ☞ 그리고 올해 2020년 2월 자신의 twitter를 통해 컴퓨터비전 연구를 중단한다고 선언한다. YOLOv3 논문에 보면 자신도 Google이나 군에서 fund를 지원받아서 이런 연구를 하고 있는데.. 이게 어디에 쓰일지(프라이버시 정보 수집, 군사목적 등) 뻔하기 때문에 더 이상 그런 곳에 기여할 수는 없다는 게 이유이다. 그리고 논문 말미 Rebuttal을 통해 현재 비전계의 mAP 평가방식(MS COCO)에 대해 강도 높은 비판을 하면서 이 연구계를 떠난다. Detector의 성능을 COCO 데이터셋에 대해 평가했을 때, MS COCO mAP 기준으로 YOLOv3는 33.0 .. 공감수 31 댓글수 8 2020. 9. 7.
아래한글(hwp) 멈춤 현상과 파워포인트(ppt) 아래한글로 작업을 하다가 그림을 복사한 후 무심코 파워포인트를 닫았다. 아차 싶었지만 이미 엎질러진 물이었다.. 역시나 아래한글은 이미 먹통이 되었고 마우스, 키보드 등 아무것도 먹히지 않았다. 작업관리자를 띄워서 아래한글 프로그램을 강제로 종료시킨 후, 혹시나 하는 마음을 담아서 작업하던 문서를 조심스럽게 열었지만.. 무려 2시간 30분동안 작업했던 문서 내용이 모두 날아갔다.. 글을 새로 쓰는 것보다 훨씬 더더욱 어려운 것은 썼던 글을 모두 날려버리고 다시 그 글을 써내려 가는 것이다. 한번 썼던 글을 다시 쓰는 것이니 좀더 쉬울 것 같지만 사실은 전혀 그렇지가 못하다. 키보드를 던져 버리고 싶은 마음을 꾹꾹 달래면서 지금 쓰는 글과 희미한 기억 사이를 비교하는 일은 꽤나 괴롭고 힘든 일이다. 그동안.. 공감수 57 댓글수 36 2018. 12. 22.
기술의 가치 기술의 가치에 대한 잡담입니다. 80% 성능을 가진 기술, 90%의 성능을 가진 기술, 95%, 98%, 99%, ... 60%의 성능을 가진 기술을 80%로 올리는 것은 비교적 쉽다. 하지만 95%를 96%로 또는 98%를 99%로 올리는 것은 훨씬 어렵다는 것은 누구나 알고 있는 사실이다. 98%의 기술을 99%로 올리기 위해서는 정말 엄청난 노력과 오랜 시간의 축적 또는 새로운 혁신이 필요하고 기술에 따라서는 아무리 시간을 투자해도 이루기 힘든 경우가 많다. 98%과 99%, 단지 1%의 차이지만 기술의 가치에는 숫자 이상의 큰 차이가 존재한다. 65%의 기술과 66%의 기술은 사실 같은 기술이라고 봐도 무방하다. 하지만 98% 기술과 99% 기술은 최소 2배 이상의 차이가 존재한다 (100번 중 .. 공감수 29 댓글수 7 2018. 10. 12.
구구단 암산법 어제 간만에 TV를 봤다. 어쩌다 EBS를 한 번씩 보는데, 어제는 남북한 학생들을 모아놓고 뭔가를 하는 프로가 있어서 잠시 보았다. 내용 중에 수학 스타강사라는 사람이 나와서 학생들에게 구구단 암산법이란 것을 가르쳐 주었다. 인도에서는 학생들이 19단까지 암기를 하는데, 이 암산법을 이용하면 굳이 구구단을 외우지 않아도 1초면 계산이 가능하단다. 그러면서 'ㄱ'자 법이라는 계산 방법을 알려주었다. 첫 자리가 1로 시작하는 두 자릿수의 곱셈을 빨리 하는 방법인데, 예를 들어, 18 x 14와 같이 첫 자리가 모두 1인 두 수의 곱을 'ㄱ'자 위치인 18과 4만 이용해서 계산하는 것이다. 이 때, 그 곱은 (18, 4 두 수의 합) x 10 + (18, 4 두 수의 일의 자릿수의 곱)으로 계산된다고 한다... 공감수 20 댓글수 4 2018. 10. 8.
논문제목(영어) 대소문자 표기 영어로 논문제목 쓸 때마다 단어의 대소문자를 정하는 것은 항상 헷갈리는 문제입니다. 그 동안은 막연한 직감에 의지해 오다가 이번에 조금 자료를 검색해 보았습니다. 이렇게 조금만 시간을 내서 찾아보면 되는 일을.. 그동안 대충 때워왔나 싶습니다. 복잡한 규칙까지는 모르겠고 나름의 기준으로(중요도 순) 규칙을 정리해 봅니다. 개인적 참고용입니다. R1. 기본적으로는 다음 단어를 제외한 모든 단어에 대문자 사용 a, an, the, at, by, for, in, of, on, to, from, up, down, and, as, but, or, nor R2. 제목의 첫단어, 마지막 단어는 항상 대문자 사용 How to Land Your Dream Job R3. 하이픈 사용시 첫 단어는 대문자, 이후 단어는 앞서.. 공감수 26 댓글수 4 2018. 4. 30.
인상적인 동영상 링크들 (기술동향) 개인적 참고용입니다. 일종의 동영상 스크랩인데, 나이가 들수록 무언가 정리해 두지 않으면 안되는 것 같습니다. 개인적으로 인상깊었던 동영상들을 정리해 봅니다. ☞ 유투브(Youtube) 동영상 로딩 시간을 줄이기 위해 동영상 임베딩을 썸네일(thumbnail) 방식으로 바꿨습니다. 썸네일 이미지를 클릭하면 유투브 동영상이 로드 및 실행됩니다. 크롬(chrome)에서는 정상 동작합니다만 인터넷 익스플로러에서는 버전에 따라 썸네일이 정상 표시되지 않을 수 있습니다. [2018.03] YOLO v3최근 새로 나온 YOLO v3. 이전 버전에 비해 확실히 성능이 향상되었으며 속도는 비슷 [2018.02] 평창동계올림픽 1,218 드론쇼평창 동계올림픽 개막식에서 선보인 1,218대의 드론쇼. 어떻게 저런 정밀한 .. 공감수 7 댓글수 11 2017. 11. 30.
Matlab 핸드북 (참고용) Matlab을 사용하다보면 가끔 함수들이 생각나지 않아서 인터넷을 검색하는데 시간을 보냅니다. 그래서 자주 쓰는 함수 사용법 목록을 정리해 봅니다. 개인적 참고용입니다. 행렬형 데이터 파일 입출력dlmwrite('fname.txt', data, ',');data = dlmread('fname.txt', ','); 그림의 제목 및 좌표축 이름 부여title('title');xlabel('xlabel');ylabel('ylabel'); 그림의 위치 및 크기 변경h = figure;h.Position = [left bottom width height];h.Position = [400 400 560 420]; 그림의 폰트 변경h = gca;h.FontSize = 20; % default: 10h.FontWeig.. 공감수 7 댓글수 0 2017. 11. 21.
아이와 수학 공부하기 저희 아이는 저랑 수학 문제 푸는 것을 매우 좋아합니다. 아직 초등학교 저학년이라서 40 더하기 53은? 이런거 묻고 푸는 정도입니다 ^^. 그래도 어쨌든 문제 푸는걸 좋아하니 나름 문제내는 재미가 있습니다. (답을 맞추면 엄청 좋아합니다) 한번은 48 더하기 16이 얼마냐고 물으니 64라고 대답합니다. 그래서 왜 64냐 한번 설명을 해 봐라고 했더니 16에서 2를 빌려다가 48에 더하면 50이고 남은 14를 더하면 64가 나온다고 합니다. 제법 놀라운 설명이라 천재 아닌가? 하고 깜짝 놀랐었는데, 나중에 알고보니 '가르기'라고 요즘은 학교에서 그런 방식을 가르치는 것 같습니다. 그리고 가끔은 곱셈 문제도 내는데, 5 곱하기 3이 뭐냐라고 물으면 15라고 대답합니다. 그럼 왜 15냐라고 물으면 5 곱하기.. 공감수 37 댓글수 5 2017. 11. 15.
Fourier Transform(푸리에 변환)의 이해와 활용 푸리에 변환(Fourier transform)에 대해서는 예전부터 한번 정리를 해야겠다고 생각만 했었는데 이번에 기회가 되어 글을 올립니다. 푸리에 변환(Fourier transform)은 신호처리, 음성, 통신 분야에서 뿐만 아니라 영상처리에서도 매우 중요한 개념으로 다양한 응용을 가지고 있습니다. 영상을 주파수 성분으로 변환하여 다양한 분석 및 처리를 할 수 있고 임의의 필터링 연산을 fft(fast Fourier transform)를 이용하여 고속으로 구현할 수도 있습니다. 그리고 푸리에 변환과 같은 근원적인 이론들은 특정 응용에 국한되지 않기 때문에 한번 알아두면 분야를 떠나서 두고두고 도움이 됩니다. 이 글에서는 푸리에 변환(Fourier transform)이 무엇이고 어디에 쓸 수 있는지, 그.. 공감수 353 댓글수 146 2017. 9. 27.
YOLO 윈도우즈(windows) 버전 얼마 전 YOLO를 다운받아서 돌려보았다. 그동안 말로만 들어왔던 딥러닝 기술을 실제로 돌려본 건 처음이다. YOLO를 돌려본 느낌은 멋지다이다. 그리고 yolo와 darknet을 만든 Joseph Redmon이란 사람도 멋있다는 생각이 든다. 사실 이 분야에 있다보니 그동안 딥러닝에 대한 것은 많이 보고 들어 왔다. 하지만, 그것을 자신이 직접 돌려 본 느낌은 또 다른 것 같다. 이 분야에 있는 사람들은 YOLO가 무엇인지는 대부분 다 알 것이다. 이 글에서는 YOLO와 딥러닝에 대한 이런 저런 생각, 그리고 YOLO를 윈도우(window)에서 빌드하고 실행시키는 방법을 소개한다. 1. YOLO (you only look once)2. YOLO 윈도우즈(windows) 빌드3. YOLO의 실행4. 딥러.. 공감수 53 댓글수 64 2017. 9. 1.
역수와 역행렬 3의 역수는? 1/3 그럼 '역수'란? ... 역수를 구하는 방법은 알아도 역수가 무엇인지는 모르는 경우가 많다. 마찬가지로 역행렬이 무엇인지 물어보면, 학생 1) 1/(ad-bc) * [d -b; -c a] 학생 2) 곱해서 항등행렬(I)이 나오는 행렬 물론 두번째 대답이 정확한 대답이다. 만일, 이와 같이 바로 답할 수 있다면 이 학생의 수학실력이나 앞으로의 공부에 대해서는 걱정할 필요가 없을 듯 하다. 그런데, 학생 2와 같이 대답한 경우에도 사실은 한번 더 확인할 필요가 있다. 그걸 그냥 지식처럼 알고 있는 것인지, 아니면 정말 이해한 것인지 만일 대학생에게 두 행렬의 곱 AB의 역행렬이 무엇이냐고 물어보면 아마도 대부분 B-1A-1라고 자신있게 대답할 것이다 (물론, A-1B-1인가? 하는 학생.. 공감수 3 댓글수 11 2017. 8. 12.
DarkLabel - 비디오/이미지 객체 레이블링 툴 (Video/Image Labeling and Annotation Tool) 동영상 또는 이미지에 ID를 가진 물체 경계사각형(bounding box)를 labeling할 수 있는 유틸러티 프로그램입니다. 인터페이스 등 사용성은 어느 프로그램보다 뛰어나다고 생각합니다. 학습 데이터 생성 외에도 비디오 편집이나 이미지들을 동영상으로 합치거나 분리할 때, 개인정보 보호를 위해 사람 얼굴 등을 모자이크하는 용도로도 활용할 수 있습니다. ※ 이 프로그램은 코드서명을 하지 않았기 때문에 Windows 및 웹브라우져에 의해 다운로드 및 실행이 차단될 수 있습니다 (참고링크). 100% 안전한 프로그램이긴 합니다만 필요한 분들만 사용하시기 바랍니다.. This is a utility program that can label object bounding boxes with ID in video.. 공감수 41 댓글수 198 2017. 7. 18.
인터뷰 얼마 전 한 친구와 인텨뷰를 가졌다. 이력서와 자기소개서는 훌륭했다. 하지만 이력서와 자기소개서는 참고일 뿐 그것만으로는 판단이 힘들다. 그래서 자신이 그동안 한 것에 대해서 발표를 부탁했다. 발표는 나쁘지 않았고 딥러닝을 이용해서 실제 문제에 적용한 결과도 나쁘지 않았다. 그리고 사용한 알고리즘이나 발표하면서 사용한 기술적인 용어들로 봤을 때 이 정도면 컴퓨터 비전에 필요한 기본적인 소양은 갖추었다고 판단됐다. 하지만 그것은 성급한 판단이었다. 발표만으로는 확실한 판단이 어렵기 때문에 발표 후 간단한 구술 테스트를 진행했다. 이른바 인터뷰이다. 그런데 인터뷰에서는 전혀 다른 결과가 나왔다. 테스트는 수학, 기계학습, 프로그래밍, 영상처리에 대한 질의응답 형식으로 진행했다. 예를 들어, 그 친구가 발표 .. 공감수 30 댓글수 4 2017. 7. 13.
파워포인트(ppt) 동영상 재생하는 다양한 방법 파워포인트(ppt)에서 동영상을 재생하기 위해 발표 도중에 마우스로 동영상을 클릭하는 것은 매우 불편한 일이다. 그렇다고 '자동 실행'으로 재생 옵션을 설정하면 ppt 페이지가 바뀌자마자 (마음의 준비를 하기도 전에) 동영상이 재생되어서 발표의 호흡이 흐트러지는 경우가 있다. 그리고 컴퓨터 사양이 낮은 경우에는 간혹 동영상 로딩을 위해 딜레이나 버벅거림이 발생할 수 있다. 이러한 문제점을 해결하는 한 방법은 처음 페이지에 진입했을 때에는 동영상이 정지되어 있다가 스페이스를 한번 눌렀을 때 재생이 시작되도록 만드는 것이다. 언뜻 그게 왜 좋지? 하는 생각이 들 수도 있다. 하지만 이러한 방식에 익숙해지면 이게 유용한 방식임을 수긍하게 될 것이다. 그렇게 하면 (정지된) 화면을 보면서 미리 호흡을 가다듬을 .. 공감수 43 댓글수 13 2017. 6. 16.
책읽기 얼마전 간만에 웹검색을 하다가 '글에 자신만의 개성을 입히는 법'(http://ppss.kr/archives/19882)이란 글을 읽게 되었다. 인상적인 문구로 '책은 이 세상 무엇과도 비교할 수 없는 남는 장사'라는 말을 보고 문득 책을 읽어야겠다는 생각이 들었다. 책 한권에는 작가의 수년에 걸친 혹은 평생에 걸친 깨달음과 지식, 경험이 녹아들어 있으니 그것을 단 몇시간에 걸쳐서 얻는 것은 시간이라는 측면에서 봤을 때 엄청나게 이익이라는 것이다. 물론 나도 책이라면 많이 읽었다. 하지만 그것이 대부분 무협지, 판타지였다는 것이 문제이다. 역사, 인문학 등 좋은 책도 많은데..., 내 머리속에는 내공, 경신술, 현경, 신검합일 뭐 그런 것들만 가득하다. 학창시절 그 좋았던 시절에 뭐 했나 싶지만 뭐 어쩌.. 공감수 10 댓글수 3 2017. 5. 24.
Gram–Schmidt(그람-슈미트) 직교화 Gram-Schmidt(그람-슈미트) 직교화.. 오늘 최적화 관련 글을 읽다가 Gram-Schmidt에 대한 내용이 나왔다. 옛날 학생 때 배웠던 것 같긴 한데 기억이 가물가물하다. 주어진 벡터들로부터 수직인 벡터들을 새로 만들어내는 방법이란 정도는 알고 있지만 명확하지 않다. '떡 본 김에 제사 지낸다'고 Gram-Schmidt 직교화에 대해 간단히 정리해 본다. 그람-슈미트(Gram-Schmidt) 직교화란? 주어진 벡터들을 이용해서 서로 수직인 벡터들을 만드는 방법이다. 좀더 고상한 말로 표현하면 주어진 벡터들에 대한 직교기저(orthogonal basis) 또는 정규직교기저(orthonormal basis)를 구하는 과정이다.그람-슈미트 직교화(Gram-Schmidt orthogonalizatio.. 공감수 37 댓글수 12 2017. 5. 17.
곱셈과 덧셈 초등학교 다니는 아이가 있다. 아빠, 수학 문제 하나 내주세요 그래.. 7 곱하기 8이 뭐지? 음... 몰라요 그럼, 5 곱하기 3은? 15? 그래, 왜 그렇지? 보세요, 5가 3개 있으니까 5 + 5 + 5 해서 15 잖아요 오 대단한데. 곱셈은 이제 완벽하게 이해했구나? ^^ ☞ 수학은 (모든 공부도 마찬가지) 원리와 이해가 중요하다고 알지만 막상 실천은 어렵습니다. 어른들은 유치원 정도 어린아이가 구구단을 줄줄 외면 기특하다며 놀라워합니다. 하지만 구구단을 줄줄 외는 것보다는 곱셈이 무엇인지 이해하는게 백만배 더 대단합니다. 많은 초등학생들이 학습지를 합니다. 좋은 학습지도 있겠지만 대다수의 학습지는 반복연습을 통한 문제풀이의 숙달입니다. 아이가 풀고 있는 학습지를 본인도 직접 풀어봤는지 궁금합니다.. 공감수 18 댓글수 2 2017. 4. 26.
색의 항상성(Color Constancy)의 이해 개인적으로 색의 항상성(color constancy)에 관심을 갖게 된 이유는 영상 추적(tracking)과 관련이 있다. 영상에서 물체를 추적하는 가장 기본적인 방법은 물체의 색상(color)을 추적하는 것이다. 즉, 빨간색 옷을 입은 사람을 추적하기 위해서 영상에서 빨간색 영역을 찾아서 추적하는 방식이다. 그런데 막상 영상 추적 기술을 컴퓨터로 구현하면 잘 하지 못하는 경우가 많다. 중간에 추적하던 물체를 잃어버리고 엉뚱한 물체를 추적하는 경우가 종종 발생한다. 반면에 인간은 주변 환경에 바뀌더라도 (그래서 실제 물체의 색이 바뀌더라도) 물체 본연의 색을 잘 구분하고 인지해 낸다. 이러한 차이는 어디서 오는 걸까? 그건 컴퓨터는 색을 곧이 곧대로 입력된 정보로만 해석하는 반면 인간은 입력된 색을 넘어.. 공감수 33 댓글수 39 2017. 4. 26.
precision, recall의 이해 자신이 어떤 기술을 개발하였다. 예를 들어 이미지에서 사람을 자동으로 찾아주는 영상 인식 기술이라고 하자. 이 때, 사람들에게 "이 기술의 검출율은 99.99%입니다"라고 말하면 사람들은 "오우...!!!" 하면서 감탄할 것이다. 반면에 "이 기술의 검출율은 50%입니다"라고 말하면 사람들은 별 관심을 보이지 않거나 "그것도 기술이라고..." 생각할 것이다. 이것은 전형적인 일반인의 반응이다. 이러한 반응이 크게 잘못된 것은 아니지만 이러한 반응에는 명시되지 않은 한 가지 전제가 깔려있다. 그것은 '이 기술은 절대로 오검출을 하지 않는다' 이다. 문제를 조금 바꿔보자. A와 B라는 기술이 있다. A라는 기술은 이미지에 있는 사람을 99.99% 잡아내지만 이미지 1장 당 평균 10건 정도의 오검출이 발생한.. 공감수 85 댓글수 70 2017. 1. 2.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.