A.I.인공신경망 교육자료
Convolutions 학습자료로, 하드코딩에 익숙하지 못한 학생들이 눈으로 직접 데이터를 보면서
신경망에 대한 흥미와 이해를 높이기 위해 직접 자료를 자체 개발 하였습니다.
필터의 개념과 합성곱, 에지 디텍션, 이미지 전처리에 대해 학습 할 수 있도록 구성되었습니다.
0:00 전처리로 10진수로 표현된 폴리 캐릭터의 이미지를 16진수로 변환 및 패딩
0:36 RGB 채널분리 "255"에 가까운 데이터는 각각 채널에서 Red, Green, Blue를
"0"에 가까운 데이터는 검은색으로 표시되도록 하여, 시각적으로 RGB채널을 확인 할 수 있습니다.
0:50 Green 채널, "255"에 가까운 데이터는 녹색, "0"에 가까운 데이터는 검은색으로 시각화
1:00 Blue 채널, "255"에 가까운 데이터는 파란색, "0"에 가까운 데이터는 검은색으로 시각화
1:14 kernel(Filter) 시트 입니다. 크게, Identity(합성곱 해도 자기자신), Sharpen(이미지 선명하게 하기), Edge detection(경계 검출), Blur(이미지 흐릿하게 하기) 로 구분 되어 있습니다.
1:19 Identity 적용
1:40 Sharpen1
1:54 Sharpen3 : Sharpen1 보다 더 강도가 높은 선명함 행렬내 합은 "1"로 Sharpen1과 동일
2:11 Edgen detectios
2:18 Sobel ( X-Direction )
2:31 Sobel ( Y-Direction )
2:52 Prewitt ( X-Direction )
3:10 Prewitt ( Y-Direction )
3:30 Laplacian
3:48 Laplacian(include diagonals) 대각성분 가중치 포함. 행열 내 sum값은 Lplacian과 동일하게 "0"
4:04 Blur 전후를 비교하기 위한, 이미지 초기화
4:18 Box blur (1/9)
4:48 Gaussian blur
5:10 Box blur (1/9) 와 Gaussian blur 이미지 결과 비교
5:17 초기화 후 마무리.