잡동사니 블로그

1. Introduction  이미지에서는 segmentation이 잘 되었지만 이미지 수준을 넘어서는 segmentation이 필요함 즉 이미지를 넘어서는 비디오에서의 segmentation을 목표로 함. 지금까지의 비디오에서의 segmentation에서의 문제점기존 엔티티들은 동작, 변형, 조명 변화와 같은 요인으로 인해 모양이 많이 바뀜.비디오는 카메라 동작, 흐림 및 낮은 해상도로 인해 이미지보다 품질이 낮은 경우가 많음.많은 수의 프레임을 효율적으로 처리하는 것.그렇기 때문에 비디오 및 이미지 segmentation을 위한 통합 모델인 SAM2(Segment Anything Model 2)를 소개함 → 이미지를 단일 프레임 비디오로 간주 .특히 이미지 segmentation을 비디오 영역으로 일..

K-medoids의 목표는 각 데이터 포인트​가 가장 가까운 대표점(medoids)에 할당되었을 때, 그 거리를 최소화하는 것이며, 일반적으로는 유클리드 거리(Euclidean distance)기반 그 합을 최소화 하는것이 목표.(Cosine similarity도 가능) K-means: 군집의 중심을 각 군집에 속한 데이터 포인트의 평균(mean)으로 정의함. 즉, 군집의 중심은 데이터 공간의 임의의 점이 됨.K-medoids: 군집의 중심을 데이터 포인트 중 하나로 선택 되기 때문에 그 중심은 반드시 실제로 존재하는 데이터이며, 이를 통해 K-medoids는 K-means보다 이상치(outlier)에 덜 민감해짐.   import numpy as npimport matplotlib.pyplot as p..

https://www.acmicpc.net/problem/32403  상필이는 크리스마스트리 장식에 사용하려고 N$N$개의 전구를 구매했다. 이 전구에 전원을 연결하면 즉시 빛나지 않고 일정한 주기로 반짝인다. 주기가 t$t$초인 전구는 전원을 연결하고 t$t$초, 2×t$2\times t$초, 3×t$3\times t$초, ⋯$\cdots$가 지난 시각에 반짝인다.상필이는 모든 전구에 전원을 연결하고 T$T$초가 지난 시각에 모든 전구가 동시에 반짝이게 하고 싶다. 상필이는 전구에 전원을 연결하기 전에, N$N$개의 전구 중 하나를 선택해 그 전구의 주기를 1$1$초만큼 늘리거나 줄일 수 있다. 단, 주기를 1$1$초보다 작아지게 할 수는 없다.전구의 주기를 조절하는 과정을 통해 모든 전구에 전원을 연..

Dice Coefficient는 Image Segmentation에서 사용되며, 예측된 Mask와 실제 Mask 사이의 겹치는 정도를 평가하는 지표.$$\text{ Dice Coefficient } = \frac{2 \times |A \cap B|}{|A| + |B|}$$예를 들어, 실제 값은 100개의 1이 있고, 예측된 값은 50개의 1이 있으며, 이 중 30개가 겹친다면.$$\text{ Dice Coefficient } = \frac{2 \times 30}{100 + 50} = 0.4$$ 정확히 일치하면 1이기 때문에 1에 가까울 수록 많이 겹친다는 의미이다. 즉 Dice Loss Function는 Dice Coefficient를 기반으로 하는 손실 함수이며 $1 - Dice Coefficient$..