멀티미디어정보처리 기말고사 정리본

소개글

2019년 1학기 멀티미디어 정보처리 기말고사를 보기 위해 직접 정리한 시험예상문제 정리본입니다.

목차

1. 5 장. 영상 분할과 특징 추출
2. 6-1 장. 영상 인식
3. 6-2 장. Deep Learning
4. 7 장. 멀티미디어 정보 검색

본문내용

2. 포인트기반 영상 기술
<2-1. 특징점 검출>
1. SIFT 는 기존의 Harris 코너 검출기가 영상의 스케일 변화에 민감한 문제를 해결하기 위해 제안되었다.
DoG(DIfference of Gaussian)을 사용해 여러 스케일에서 코너점을 검출하여 스케일 불변성을 확보한다. 그래디언트(방향성)의 방향이 강한 방향을 x-축이 되도록 회전시켜서 회전 불변성을 확보한다. 그래디언트의 difference 를 사용하기 때문에 조명 불변성을 확보한다.

<2-2. 특징 기술자>
2. 특징 기술자(Feature descriptor)는 특징점의 지역적 특성을 정량적으로 기술하여 특징 벡터를 추출하고 이를 이용해 특징점 간의 비교를 가능하게 해야 한다.
--> 서로 다른 특징점의 기술자는 분별가능해야 하고(분별력) 크기변화, 조명변화, 회전, 잡음 등에도 변하지 않아야(강건성/불변성) 한다. + 데이터량이 적을 수록 좋다.

3. SIFT 알고리즘
[1. 특징점 검출] : scale space 에서 작업하기 때문에 크기 불변성을 달성한다.
• Gaussian blur : 여러 스케일의 영상에 분산의 값을 바꿔가면서 gaussian 으로 convolution operation 한다.

<중 략>

5. SIFT vs HOG
SIFT 는 특징점에 대한 기술자이고 HOG 는 사각형 영역에 대한 기술자이다. 따라서 HOG 는 회전과 심한 형태변화에 보다 취약하다. HOG 는 상대적으로 물체의 내부 패턴이 단순하고 윤곽선이 명확한 경우에 유리하기 때문에 보행자 혹은 자동차 등을 검출할 때 주로 쓰인다. SIFT 는 내부 패턴이 복잡해서 특징점이 풍부한 경우에 유리하게 쓰인다.

6. 이진기술자는 동영상 등과 같이 실시간으로 처리해야 할 때 빠른 비교를 위해 기술자를 이진열로 표현하는 방법이다. (낮은 리소스, 가벼운 기술자가 필요하기 때문)

참고 자료

없음