Average Filtering기법은 주변의 값들의 평균을 내서 평균화하는 필터이다. 이미지를 픽셀단위로 한칸씩 이동하면서 적용되며 주위의 픽셀의 평균값으로 대체된다. import cv2 as cv from google.colab.patches import cv_imshow img = cv.imread('/content/baseball.jpg') blur3 = cv.blur(img,(3,3)) blur5 = cv.blur(img,(5,5)) blur7 = cv.blur(img,(7,7)) cv_imshow(img) cv_imshow(blur3) cv_imshow(blur5) cv_imshow(blur7) average filter의 kernel size가 커질 수록 주변의 픽셀값의 영향을 많이 받기 때문..

Camera Calibration 이란 카메라의 파라미터 값을 추정하는 과정을 카메라 캘리브레이션이라고 한다. 여기서 파라미터 값이란 Real world(실제 세계)의 3D 점의 좌표와 카메라에 의해 캡쳐된 2D영상에서의 투영된 픽셀간의 관계를 결정하는데 필요한 카메라의 정보를 의미한다. 이때 파라미터는 크게 2가지 종류로 나뉠 수 있다. 내부 파라미터(Internel Parameter) : Focal length(초점 거리), optical center(광학 중심) 등이 존재한다. 외부 파라미터(Externel Parameter) : world coordinate system에 대한 카메라의 방향을 나타낸다. OpenCV의 Camera Calibration관련 모듈을 이용하면 내부 파라미터 변수와 외부..

https://github.com/matterport/Mask_RCNN/releases/download/v2.1/balloon_dataset.zip 에서 train에 필요한 balloon dataset을 구할 수 있었다. !pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.10.0/index.html !git clone https://github.com/open-mmlab/mmdetection.git !cd mmdetection; python setup.py install mmdetection에 필요한 설치 파일을 설치해준다. from mmdet.apis import init_detector, inference_d..

MMDetection으로 구현된 mask rcnn 기반 pretrained된 모델을 이용하여 inference를 수행해보았다. #--------------mmdetection에 필요한 설치 파일 설치--------------------- !pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.10.0/index.html !git clone https://github.com/open-mmlab/mmdetection.git !cd mmdetection; python setup.py install #--------------mmdetection에 필요한 설치 파일 설치--------------------- #kernel r..

pretrained된 weight파일과 config파일은 https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-API 에 있는 mask_rcnn_inception_v2를 사용했다. cv_net = cv2.dnn.readNetFromTensorflow('./pretrained/mask_rcnn_inception_v2_coco_2018_01_28/frozen_inference_graph.pb', './pretrained/config_mask_graph.pbtxt') blob = cv2.dnn.blobFromImage(img , swapRB=True, crop=False) cv_net.setInput(blob) boxes, masks = cv_n..

pycocotools는 coco dataset의 이미지나 annotation등의 정보를 쉽게 접근할 수 있게 지원해주는 API이다. from pycocotools.coco import COCO import numpy as np pycocotools는 이미 colab에 설치가 되어있기 때문에 별도의 설치과정을 거치지 않아도 된다. 사용법은 간단하다. 왼쪽과 같은 그림에서 coco dataset id에 속하는 person, dog, skateboard를 추출하고 싶은 object로 설정한 뒤 pycocotools를 이용하여 segmentation을 진행하면된다. catIds = coco.getCatIds(catNms=['person','dog','skateboard']); annIds = coco.getAn..