Study6 [DIP STUDY] CH01_04&05 1 Introduction1.1 What is Digital Image Processing?1.2 The Origins of Digital Image Processing1.3 Examples of Fields that Use Digital Image Processing1.4 Fundamental Steps in Digital Image Processing1.5 Components of an Image Processing System 스터디 내용 도서:1.4 Fundamental Steps in Digital Image Processing 디지털 영상 처리는 단순히 영상을 예쁘게 만드는 기술이 아니다. 현실 세계에서 얻은 복잡하고 불완전한 데이터를, 컴퓨터가 이해하고 판단할 수 있는 정보로 변환하는 일련의.. 2025. 12. 22. [DIP STUDY] CH01_03 1 Introduction1.1 What is Digital Image Processing?1.2 The Origins of Digital Image Processing1.3 Examples of Fields that Use Digital Image Processing1.4 Fundamental Steps in Digital Image Processing1.5 Components of an Image Processing 스터디 내용 도서: 앞에서 살펴본 디지털 영상 처리의 사례들은 대체로 사람이 결과를 보고 해석하는 상황을 전제로 했다. 그런데 디지털 영상 처리의 응용은 거기서 멈추지 않는다. 본 장 서두에서 언급한 것처럼 또 하나의 큰 축은 기계 인지와 관련된 문제 해결이다. 여기서는 사람이 보기 좋은.. 2025. 12. 22. [DIP STUDY] CH01_01&02 1 Introduction1.1 What is Digital Image Processing?1.2 The Origins of Digital Image Processing1.3 Examples of Fields that Use Digital Image Processing1.4 Fundamental Steps in Digital Image Processing1.5 Components of an Image Processing System 스터디 내용 도서:1.1 What is Digital Image Processing? 디지털 영상의 기본 개념영상은 2차원 함수 f(x, y)로 정의할 수 있다. 여기서 x와 y는 평면상의 공간 좌표이고, 각 좌표에서의 함수값은 해당 위치의 밝기를 의미한다. 이 값은 보통 강.. 2025. 12. 22. U-Net 모델 데이터셋 변경 1. 원래 U-Net 모델이 사용한 데이터셋은?- ISBI 2015 Cell Tracking Challenge사용 목적: U-Net 원 논문에서 사용된 주요 데이터셋데이터 특징: Electron Microscopy(EM)로 촬영된 세포 이미지, 픽셀 단위 세분화데이터 형태: 흑백 이미지, 분할 마스크 포함사용 이유: 세포 경계를 정확히 분할하는 데 최적화되어 있어, U-Net의 픽셀 단위 분할 능력을 잘 평가할 수 있음 2. U-Net 모델에 활용 가능한 대체 데이터셋데이터셋 이름설명용도이미지/마스크 형태다운로드 링크ISBI 2015 Cell TrackingU-Net 원 논문 사용. 전자현미경(EM) 세포 이미지. 흑백 이미지에 세포 경계 분할 마스크 포함세포 분할Grayscale 이미지 (2D), PN.. 2025. 5. 2. Foundation models for generalist medical artificial intelligence 2025. 4. 9. 인공지능 NLP * RNN 계열의 Model들 : 고정된 크기의 context vector 사용 / 단어의 순서를 학습 1. RNN : Recurrent neural network based language model (2010) (처음 등장은 1986) 2. LSTM : Long Short Term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling (2014) (처음 등장은 1997) 3. GRU : Learning Phrase Representation using RNN Encoder-Decoder for Stistical Machine Translation (2014) 4. Seq2Seq : Sequence to .. 2024. 4. 5. 이전 1 다음
