영상 화자 분리 썸네일형 리스트형 케라스 보호되어 있는 글입니다. [데이터생성] 입 데이터 생성과 전처리(2) 1. 기본 데이터 처리1 : 사이즈 조정(size up) 처리 2 : 뚜렷하게(sharpening) 처리 3-1 : 경계 표현 (canny-edge, contouring) 크기가 작은 이미지에 대해서는 어떤 처리의 결과물이 좋지 않았다. 대표적으로 영상 이어붙이기의 stitch 작업은 수행되지 않았다. 애시당초 내가 하려는 작업과 stitch 작업은 결과물이 같은 것이지 내포하는 의미는 전혀 맞지 않기도 했다. (Stitch는 연속성이 있는 이미지의 접합, 내가 원하는 동작은 단순한 이미지 나열 동작) 결론은, 처리3번에서 한계점이 있었음. "입술에 대하여 명확한 경계" 세밀한 표현canny-edge 가능하지만 주요 외곽선의 손실되는 량 많다. 반면, contouring 함수를 이용할 경우, 섬세한 결과.. [Opencv4] Stitch error 1. Stitching images - Stitcher::Stitch err terminate called after throwing an instance of 'cv::Exception' what(): OpenCV(4.0.0) ~/opencv/opencv-4.0.0/modules/flann/src/miniflann.cpp:487: error: (-215:Assertion failed) (size_t)knn size() in function 'runKnnSearch_' knn algorithms do compare between each matrixes. Okay then, I guess that error means 2 for my cases. The one is rack of dataset. The .. [데이터생성] 입 데이터 생성과 전처리(1) (1)1. 1단계 : crop (1) 전체 이미지로부터 "입 CROP" bmp로 해야하나 싶었는데 png도 무손실 압축이라니 그냥 저대로 하기로 함. 그러나, 근본적으로, "CROP 되는 입은 정말 입인가?" 입을 인식하는 부분에서 잘못된 데이터는 분명 나왔다. 이 글을 쓰는 동시에 프로그램을 돌려놨지만 중간 중간 보면 눈과 입, 눈썹과 입을 잘못되게 인식했다. 즉슨, 눈과 눈썹이 CROP되게 나왔다. "이런 상황에서, 입을 인식하는 확률이 얼마인지 궁금했다." 총 데이터가 4,000여개라서 통계적으로 구해보았다. 한 폴더에서 미리보기로 최대 120개가 보일 때 몇 개의 오인식이 나타나느냐. 순차적 무작위(겹치는 부분 없도록, 120개 단위를 넘도록 화면을 내려서)로 내려가 10번에 대하여 통계적으로 구.. 이전 1 2 3 다음
