전체 글 (47) 썸네일형 리스트형 토익스피킹(토스) IH - 150점 후기 석사 4학기에 돌입하면서 취업 준비와 졸업 준비로 고생했던 내 이야기를 써보려고 한다. 물론 졸업 준비는 생각 보다 어렵지 않았다. 석사 3학기 중 영문으로 게재했던 논문에 글을 덧붙여 마무리 했던 만큼 졸업 준비에 대한 부담감은 크지 않았지만 졸업과 동시에 대기업으로 취업을 하고 싶은 마음이 컸었다. 따라서 이 글은 대기업 취업 준비를 하기 위한 최소한의 조건 이었던 영어 말하기 시험 과정에 대한 후기이다. 대기업은 1차 서류 전형에서 주로 영어 말하기를 필수로 요구한다. 삼성, LG 등이 그랬었고 나머지는 잘 기억이 나지 않는다. 따라서 토스와 오픽 중에서 그래도 내가 2년전에 한 번 레벨6를 달성해 성공을 맛봤던 토스에 도전했다. 나는 영어를 잘하지 않는다. 독해는 어느 정도 될지 언정 듣기와 말하.. [Photogrammetry] Camera Calibration : Zhang's Method 저번시간에는 DLT를 통한 카메라 캘리브레이션을 소개했습니다. 이번에도 마찬가지로 카메라 캘리브레이션에 대한 설명을 드릴 예정입니다. 다만 Zhang's method를 활용하여 캘리브레이션 하는 과정을 공부하였고 정리해보겠습니다. DLT는 월드좌표계에서 --> 센서좌표계로 가능 변환 중 선형적인 변환만을 존재한다고 가정하여 uncalibrated 상황에서 사용했습니다. 그렇게 11개의 내,외부 파라미터를 모두 계산할 수 있었습니다. 이번 Zhang's method는 5개의 내부 파라미터만을 계산할 수 있습니다. 이 zhang's method를 사용할 때에는 2D 체크보드를 사용합니다. 2D patern의 체크보드로 크기와 구조 정보가 주어집니다. 체크보드의 각 코너를 월드 좌표계로 설정하게 되고 모든 p.. [논문 리뷰] YOLOv3 : An Incremental Improvement 이번 Yolo는 논문 형식이 참 독특했습니다. 각 논문의 구성을 따르되 소제목이 일반적이지 않아 신기하게 다가왔습니다. 이번 논문은 짧게 리뷰를 진행해 보겠습니다. 기존 yolov2 모델과의 차이점과 큰 메소드들에 대해서 설명하겠습니다. 성능을 향상시킨 첫번째 기법은 loss의 도메인 변경입니다. yolov2 까지만 해도 feature map 공간에서 물체의 위치를 예측하고 디코딩 과정을 통해 이미지 전체에서 box을 찾았습니다. v3에서는 그렇게 진행하지 않습니다. 입력 이미지에서 box를 직접 회귀 합니다. 값이 커진만큼 L2 loss를 사용한다면 값이 폭주하는 경우가 발생할 수 있으니 L1 loss를 사용합니다. IoU를 기준으로 가장 높은 값을 1로 지정하고, IoU 임계값은 0.5로 사용합니다... [논문 리뷰] RetinaNet(Focal Loss for Dense Object Detection) RetinaNet은 제가 프로젝트를 하면서 다루었던 모델입니다. 성능, 속도면에서도 좋으며 focal loss라는 개념으로 hard negative한, 객체들이 dense하게 밀집되어 있는 상황에서 좋은 성능을 보인다고 합니다. Abstact detection은 2가지 추세로 발전해 왔습니다. Two-stage detector, One-stage detector로 속도와 정확도 면에서 trade-off 갖습니다. Two-stage는 느리지만 높은 정확도를 가졌고, one-stage는 그 반대입니다. 저자들은 one-stage detector가 정확도가 낮은 이유를 꼬집습니다. Introduction FPN, Faster R-CNN 등 two-stage 모델들이 정확도 면에서 우수한 상황이었습니다. 왜냐하.. [Photogrammety] DLT(Direct Linear Trasnfrom) 지난 시간에 카메라 파라미터를 통해서 내부, 외부 파라미터의 특성과 좌표계의 변환을 학습하였습니다. 이번 시간에는 그런 카메라 파라미터를 구하는 방법 중 하나인 DLT에 대해서 학습해보았습니다. DLT(Direct Linear Trasnfrom) 말 그대로 처럼 3D에서 2D로 가는 변환 중 선형적인 변환에 있어서 파라미터를 계산하는 과정을 말합니다. 그림에서는 초록색 부분까지가 선형적인 연산이며 그 외의 왜곡 부분은 비선형적이기 때문에 DLT 처리 과정 중 빠지게 됩니다. 월드 좌표계에서 2가지 방정식을 통해서 이미지 좌표로 변환이 가능합니다. 그러면 언제 DLT를 써야될까요? 써야하는 상황을 알아보겠습니다. Calibrated 와 Uncalibrated로 상황을 나눌 수 있습니다. Calibrated.. [논문 리뷰] YOLO9000 : Better, Faster, Stronger yolo는 계속해서 성장해 나아가고 있습니다. 그 중에서 2번째 yolo에 대한 이야기를 읽어보았습니다. Abstract 저자들은 Object detction의 경우 레이블링 된 데이터 셋이 매우 부족하다고 말하고 있습니다. 특히 class의 갯수가 부족하다고 말하고 있습니다. 따라서 이번 학습에는 detection 데이터 셋만 사용하는게 아니라 classfication 데이터 셋도 포함해서 같이 사용했다고 서술합니다. Better, Faster, Stronger 라고 논문명을 지었는데 이는 성능의 향상, 빠른 속도, 다양한 class를 예측할 수 있는 yolo에 향상된 능력을 말합니다. 다만 두개의 다른 모델을 통해 구분 짓습니다. 성능의 향상과 빠른 속도를 보인 YOLOv2와 다양한 class를 예측.. [영상처리/C++/OpenCV] Calibration 카메라 캘리브레이션을 공부하고 코드실습을 진행해 보았습니다. Calibration 실제 눈으로 보게되는 세상은 3차원으로 이루어져 있지마나 카메라를 통해 얻는 이미지는 2차원으로 구성되어있습니다. 3차원의 점들이 2차원 이미지 상에서 어디에 투영되는지는 당시의 카메라의 위치 및 방향 사용되는 렌즈, 렌즈와 이미지 센서와의 거리, 렌즈와 이미지 센서가 이루는 각 등 카메라 내부의 영향을 크게 받습니다. 내부적인 영향을 줄여 3차원 -> 2차원, 2차원 -> 3차원으로의 정확한 계산을 하기 위해 내부 요인의 파라미터 값을 구하는 과정을 Calibration이라고 합니다. 2차원 이미지는 3차원 공간상의 점들을 perspective projection을 통해 얻어집니다. 핀홀 카메라 모델에서는 3차원 점들이 .. [논문 리뷰] SSD(Single Shot Multi Box Detection) YOLO 이후 성능과 속도를 다 개선한 모델이 등장하게 됩니다. Single shot Multi Box Detection을 의미하는 SSD입니다. 잘 읽고 정리를 해보겠습니다. Abstract Real-time이 가능한 yolo 모델이 작은 object에 대한 성능을 한계를 해결하기 위한 구현된 모델이라고 말합니다. PASCAL VOC 2007 기준으로 74.3 mAP와 59fps 성능을 보입니다. Introduction 자신들 모델들의 Contribution에 대해서 설명합니다. End-to-end 학습이 가능해졌으며, 저해상동에서도 높은 정확도를 보임 카테고리와 물체의 위치를 예측하기위해서 3x3 convolution layer를 활용 Stage를 구분해서 feature map을 통해 위 작업을 실행.. 이전 1 2 3 4 ··· 6 다음
