2번째 수업(0313)

과제1 .

행렬 숙제를 np array ( import numpy as np ) 로 바꿔서 해볼것 다음 시간까지

A = np.array( [  ], [  ], [  ] ) 

행렬 곱하기 함수 만들어서 하기 (ex.  def mtx_mul( A, ar, ac, B, br, bc)  )

 

과제2.

행렬 A가 3x3, 행렬 B가 3x3 이고 A, B의 거리 구하기 (이것도 np array)

def scr_dist(A, B, row ,col)

    D = 0

    for i<row

       for j<col

           D+= (A[i][j] - B[i][j]) 의 제곱

    return D 

 

 

 

구조적 특징이란 0은 시작과 끝점이 가깝고, 1은 시작과 끝점이 일자로 이어진 경우처럼 구조적으로 특징을 분류하여 인식한다.

얼굴인식 / 표정인식은 구조적 특징을 이용하여 하기 쉽지 않다. 

 

 

 

탬플릿을 매칭한다는 것은 입력 데이터를 원형 데이터에 그대로 매치했을 때 일치하는 정도를 통해 인식한다.

위 그림에서 d 는 distance 의 약자로 거리를 나타내며 거리가 0에 수렴할수록 원형데이터와 입력데이터가 매칭된다.

 

 

 

위 그림에서 d 거리 값은 (원형데이터의 픽셀 값) - (입력데이터의 픽셀 값) 을 한다.

그리고 그 값에서 절댓값과 제곱, 루트를 통해 거리를 구해야한다. 

루트 ㅣ( 원형데이터 수 - 입력데이터 수) ㅣ 제곱 + ㅣ( 원형데이터 수 - 입력데이터 수) ㅣ 제곱  +.. 을 통해 거리를 구한다.

 

 

 

 

인간이 갖고 있는 학습능력을 기계에 구현하는 것을 기계학습이라 한다.

 

 

 

 

 

원형영상을 놓지 말고 숫자 5의 다양한 변형의 평균을 구해 평균영상을 구하여 데이터를 학습시킨다.

 

 

 

학습단계는 예를 들면 지폐를 구별하는 기계가 천원짜리는 어떻게 생겼고, 만원짜리는 어떻게 생겼는지 학습시키는 단계이다.

 

인식단계는 기계가 지폐를 인식하여 구별하는 단계이다.