ggangni

1. circuit modelling 1) structral model : gate와 component들이 어떻게 객체화 되어 있는지 describe한 것 : 서로 어떻게 연결되어 있는지 built-in gate module instantiation -> built-in gate를 사용해서 user-defined module 생성 -> user-defined module을 instantiate -> instantion 순서는 상관없음 -> 모든 인스턴스들은 병렬적으로 실행 2) dataflow model data의 flow와 operation으로 combinational circuit을 describe함. explicit한 gate대신 bitwise operators 사용 continurous-assig..

1. Module verilog에서 design과 programming의 기본단위 하나의 source(text) file로 주어짐 declarations and statemetns로 구성 2. Specification Models 1) behavior model : hardware의 logical procedure가 명시됨 -> 보통 if-else 구문 사용하여 구현 2) structural models : 여러개의 module을 interconnection한 것 3. Logic system 1) 1-bit 가 가질 수 있는 값 0: Logical 0, false 1 : Logical1, true x : unknown logical value z : high impedance 2) Boolean oper..

1. 비디오 출력 동영상 파일을 읽으려면 컴퓨터에 동영상 코덱을 읽을 수 있는 라이브러리가 설치되어야 함 import cv2 # 비디오 출력 클래스(cv2.VideoCapture)를 통해 동영상 파일 정보를 받아옴 capture = cv2.VideoCapture("Image/Star.mp4") while cv2.waitKey(33) < 0: # CAP_PROP_POS_FRAMES: 현재 프레임수, CAP_PROP_FRAME_COUNT: 동영상의 총 프레임 수 # 위 두 파라미터가 같다는 것은 영상이 끝났다는 것을 의미 if capture.get(cv2.CAP_PROP_POS_FRAMES) == capture.get(cv2.CAP_PROP_FRAME_COUNT): capture.set(cv2.CAP_PRO..

cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\grabcut.cpp:557: error: (-5:Bad argument) image must have CV_8UC3 type in function 'cv::grabCut' 이거는 grayscale을 grabcut에 input으로 넣어서 그럼... 따라서 grabcut에 넣으면 grayscale을 RGB로 변경해야한다. 즉, grabcut의 input은 RGB 형태 (당연한가...?) img_RGB = cv.cvtColor(image_bnz,cv.COLOR_GRAY2RGB) 추가!

AttributeError: module 'numpy' has no attribute 'unit8' mask 지정할 때나 , 이미지 변환할 때 변수형 지정안해줘서 그런듯 지정안해주면 그냥 int8로 되니까, 이미지 연산이나 이미지를 input으로 널때, 연산할 numpy 배열은 uint8로 지정해주기!(부호없는 정수) ... 가 아니라 unit8은 오타였고 unit8과 uint8에 차이가 있는게 아니라 unit8은 그냥 오타라 없는 거다.. 근데 unit8 어디서 많이 봤는데... 그래도 습관을 고치자면 1 ) numpy 선언할 때, 자료형 같이 정해주기 -> float, int.... 2) numpy 인지 list인지 정확히 정하기 -> 예를 들어, 함수 코드 짤 때, input 객체를 numpy로 했..

LG aimers 해커톤을 준비하기 위해 데이터 분석을 공부해보려 한다. 원래 비전 쪽 conv 나 vit 중심으로 공부해왔었는데,,, 머신러닝 쪽, 데이터 전처리, 데이터 시각화도 파볼려고 한다. 교재 정해놓고 하기 보다는 그냥 이것 저것 해보면서 야금야금 공부할 생각이다..! 일단 kamp 사이트 가이드북으로 읽어보면서 공부하자고 - site : https://www.kamp-ai.kr/front/dataset/AiDataDetail.jsp?AI_SEARCH=&page=1&DATASET_SEQ=10&EQUIP_SEL=&GUBUN_SEL=&FILE_TYPE_SEL=&WDATE_SEL=

작업정의 -> 모델 개발 -> 모델 배포 6.1 작업 정의 6.1.1 문제정의 1) 입력 데이터는 무엇인가? 어떤 것을 예측하려고 하나? : 가용 데이터의 유무 확인 2) 당면한 문제가 어떤 종류인가? : 이진/다중 분류 / 스칼라 회귀/ 벡터 회귀/ 이미지 분할/ 랭킹 등등 : 문제의 종류에 따라 사용하는 모델이 달라질 것임 3) 기존의 솔루션은 어떤 것 이 있나? : 수동적인 알고리즘을 파악 -> ai -> 자동화 4) 고려해야 할 특별한 제약 : 실제 시스템이 적용되는 상황에서의 제약 고려해야 할 것 a. 암호화 -> 적용할 앱에 접근 어려움 (ex, 스팸 필터링, 신용카드 부정 거래 감지) b. 시간 제약 (ex, 쿠키 필터링 : 원격 서버를 이용할 경우, 시간 지연이 발생 -> 공장의 임베디드 ..

conda create는 되는 데, conda activate가 안됨... conda activate 가상환경명 했는데, 아래와 같은 오류 발생! " CommandNotFoundError : Your shell has not been properly configured to use 'conda activate'. To initialize your shell, run $ conda init " conda 대신에 $ source activate 가상환경명 으로 하면 들어가지네.. 다음에는 리눅스 쉘 스크립트랑 명령어 좀더 공부해야겠다.. ****근데 다음날에 그냥 conda 했는데 됨..

ABSTRACT large-scale image recognition setting에서 convolution network depth에 따른 정확도 효과를 조사함 매우 작은(3*3) convoltuion filter를 가진 아키텍쳐를 사용하여 depth를 증가시킴 1. INTRODUCTION Krizhevsky의 original architecture를 improve하기 위하여 많은 시도들이 있었는데, 그 중 best-performing한 제출은 첫번째 conv층 보다 수용 가능한 정도로 작은 window size와 작은 stride층을 활용하였다. 이 논문에서는 ConvNet achitecture의 다른 중요한 측면을 다룰 것이다. 그건 바로 depth 아키텍처의 다른 파라미터들은 고정시키고 convo..

모르는 개념 위주로 정리했습니다! (계속 update 예정!) # pseudo coloring (의사 색채) : 단색 화상의 각 픽셀에 대해 그 농도 레벨에 따라 색을 할당하고 색채 화상화하는 수법 : 각 농도 레벨에 색을 할당 함으로써 미소한 농도 레벨 변화를 명확히 표시할 수 있다. : 따라서 농도레벨 차가 작은 화상 정보의 식별이나 판단을 쉽게 할 수 있다. : ex) 동맥혈과 정맥혈 구분 # 픽셀(화소)값 명암도 범위 : [0,255] = 256 레벨 -> 8bit 컬러 영상 : R,G,B 각각 명암도로 표현 -> 각 8bit, 총 3byte # 히스토그램(histogram) - 히스토그램 : 영상 내 화소값들의 발생 빈도 - 히스토그램 평활화(histogram equalization) : 균일한..