ComputerVision Jack

영상을 읽어와 동전별로 검출한 후, 값을 결과로 출력하는 프로그램 우선 위 이미지가 입력으로 프로그램에 들어오게 된다 따라서 프로그램이 10원과 100원 500원을 각각 검출하여 동전의 총합을 구하는 프로그램을 구성했다. Mat image = imread("../_res/coin.jpg", IMREAD_GRAYSCALE); CV_Assert(!image.empty()); #우선 Mat객체에 이미지를 읽어와 작업환경을 생성합니다. 이미지가 들어 있는 폴더의 경로를 잘 설정한다. 흑백 (그레이 스케일)으로 읽어온다. Mat EdgeImage(image.size(), CV_8U, Scalar(0)); CannyEdgeDetection(&image, &EdgeImage, 4.5, 30.0, 60.0); #엣지 ..

이번엔 레고 마인드 스톰을 이용한 창의적인 주제로 구현하는 프로젝트입니다. 저희는 창의성이 많은 비중을 참여하며 실용적이고 재미의 요소까지 뽑아내려고 노력했습니다. 그래서 스마트 거치대를 착안하여 사용자의 거리에 따라 자동적으로 회전이 되며 앞뒤로 움직이게 만들었습니다. 물론 부품의 한계점이 존재하여 제품의 전체적인 크기가 커졌습니다. 레고로 창의적인 무언가를 3주안에 만들어 발표하기에 시간이 충분하지 않아 저희는 많은 생각을 했습니다. 창의적인 부분도 생각해야 하며, 만든 작품이 실용적이기 까지 해야했기 때문입니다. 거기다 재미라는 요소까지 담고 싶었습니다. ​ 그렇게해서 탄생하게 된것이 스마트 핸드폰 거치대입니다. 센서에 의해 사람의 얼굴과 몸 부분을 인식하여 자동적으로 알맞은 거리를 적당히 정해줍니..

이런식으로 알고리즘을 짜고 구성하였습니다. 피드백 부분의 PPT를 첨부하였습니다. 전문적인 코딩은 아니지만 알고리즘 및 순서를 만드는 과정에서 참 흥미롭게 다가왔습니다. 코딩에 막연한 거부감이 있는 사람이라면 제밋게 체험해 볼 수 있는 기회라고 생각합니다. 물론 대회의 결과는..(많은 조들은 하드웨어 적으로 수정 우리조는 경로 이탈..) 하지만 하드웨어적 문제를 소프트웨어적으로 접근해서 해결하려 했던 저희 발상이 참 그당시 괜찮았다고 생각합니다. 하드웨어 조립을 조금 손보고 기초적인 라인트레이서 알고리즘을 사용하면 쉽게 해결할 수 있지만, 좀 더 창의적인 방법으로 접근하려 했기 때문입니다. 그리고 무언가의 결과물을 만들어 낸건 처음이 아니지만, 그래도 이런 결과물을 조원과 힘을 합쳐 구현해본 경험이, 제..

주어진 MAP입니다. 주요 문제는 직각 부분과 U자인 코너 부분이라고 생각합니다. 기본 제공되는 하드웨어로 전 포스팅한 라인트레이서 알고리즘을 돌리면 회전 반경에 있어서 문제점이 발생합니다. 즉 센서가 앞으로 돌출 되어 있어 기계의 회전반경이 커서 경로를 이탈하게 됩니다. 동영상 파일을 찾을 수 없어 이렇게 올립니다. 쉽게 위에서 바라본 문제점으로 회전 반경이 커서 튕겨 나가게 됩니다. 물론 하드웨어적으로 해결을 할 수 있지만, 그때 무슨 오기가 생겼는지 알고리즘적으로 수정을 하고 싶었습니다. 그래서 구간을 총 3구간으로 나누었습니다. 회색을 지그재그로 움직이고 검은색 중앙을 통과하면 그 방향을 바꾸는 것입니다. 하지만 그래도 꾸준히 문제는 발생하였지만, 속도면에선 정말 빠르게 움직입니다.

처음 센서를 이용해 간단하게 라인트레이서 알고리즘을 제작했습니다. 우선 라인트레이서의 기본 원리에 대해 알아보겠습니다. 왼쪽 그림을 먼저 보시면, 검은색 부분과 흰색 부분이 있습니다. 검은색 부분을 만나면 왼쪽 방향으로 움직이고 흰색 부분을 만나면 오른쪽 부분으로 움직이는 내용입니다. 따라서 저희가 설정해야 할껀 검은색 부분에서 빛의 값과 움직일 모터 그리고 루프와 스위치문을 이용하면 간단하게 설정할 수 있습니다. 이제 만들어진 알고리즘 모양을 봐주시기 바랍니다. 검은색과 흰색 부분설정에 관해 빛의 센서를 포함한 스위치문을 만들었습니다. 제가 가지고 있는 검은색의 빛의 반사값을 알아본 결과 20정도가 나왔습니다. 그러면 빛의 센서를 20으로 두고 20안에 있을땐 위에 구문을 실행 하고 20을 넘어가면 아..

군대 복학 후, 때는 2016년도 프로그래밍 전공에 대해 흥미를 찾지 못했을 때, 친숙하게 접하기 위하여 레고 마인드 스톰을 듣게 되었습니다. 제가 코딩으로 다룬 버전은 2.0입니다. 지금은 상위 버전이 있지만 저는 2.0 버전으로 작업했습니다. 레고 마인드 스톰은 레고를 조립한 후에 미리 짜여진 프로그램을 드래그 앤 드랍 하는 방식으로 우리가 알고리즘을 만들어 갑니다. Nxt 기계에 usb포트를 연결한 후 알고리즘을 넣어주면 구동됩니다.

[개념 정리] Mnist 데이터를 이용한 신경망 학습 우선 데이터를 분석한다. mnist의 데이터는 28 * 28 사이즈의 이미지로 되어있다. X = tf.placeholder(tf.float32, [None, 784]) Y = tf.placeholder(tf.float32, shape = [None, 10]) #우리는 이미지를 통으로 집어 넣기 때문에 feature 사이즈는 28 * 28 = 784이다. 그리고 label은 (0 ~ 9) 까지 이기 때문에 10으로 설정한다. 미니 배치 : 데이터를 적당한 크기로 잘라서 학습시키는 것 배치 사이즈를 설정하고 데이터가 한바퀴 다 돌아야 1epochs 라고 한다. W1 = tf.Variable(tf.random_normal([784, 256], stddev ..

[05-1 Logistic_Regression] logistic_regresssion은 이진 분류기를 뜻한다. binary classificaiton x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_data = [[0], [0], [0], [1], [1], [1]] #x_data 한 묶음이 y_data 하나와 매칭이 된다. 전의 데이터는 회귀 예측이기 때문에 라벨이 1 0이 아닌 특정한 value로 되어 있었다. X = tf.placeholder(tf.float32, shape=[None, 2]) Y = tf.placeholder(tf.float32, shape=[None, 1]) #마찬가지로 x_data와 y_data(라벨)의 shape에 맞게..