목차 일부

1장. 비전, 그 도전
1.1 서론: 인간의 감각
1.2 비전의 본질
1.2.1 인식의 과정
1.2.2 인식 문제 처리하기
1.2.3 객체 위치
1.2.4 장면 분석
1.2.5 역 그래픽으로서의 비전
1.3 자동 시각 검사와 감시
1.4 이 책에 대해
1.5 머신러닝에 대해
1.6 책 구성
1.7 문헌

1부. 저수준 비전

2...

더보기

목차 전체

1장. 비전, 그 도전
1.1 서론: 인간의 감각
1.2 비전의 본질
1.2.1 인식의 과정
1.2.2 인식 문제 처리하기
1.2.3 객체 위치
1.2.4 장면 분석
1.2.5 역 그래픽으로서의 비전
1.3 자동 시각 검사와 감시
1.4 이 책에 대해
1.5 머신러닝에 대해
1.6 책 구성
1.7 문헌

1부. 저수준 비전

2장. 이미지와 이미지 연산
2.1 서론
2.1.1 그레이스케일과 컬러
2.2 이미지 프로세싱 연산
2.2.1 그레이스케일 이미지 기본 연산
2.2.2 바이너리 이미지 기본 연산
2.3 합성곱과 점퍼짐 함수
2.4 순차적 연산과 병렬 연산
2.5 결론
2.6 문헌과 연보
2.7 문제

3장. 이미지 필터링과 모폴로지
3.1 서론
3.2 가우시안 스무딩을 통한 노이즈 저감
3.3 메디안 필터
3.4 모드 필터
3.5 랭크 오더 필터
3.6 샤프-언샤프 마스킹
3.7 메디안 필터로 인한 전이
3.7.1 메디안 전이 연속체 모델
3.7.2 그레이스케일 이미지 일반화
3.7.3 메디안 전이 불연속체 모델
3.8 랭크 오더 필터로 인한 전이
3.8.1 직사각형 이웃 영역의 전이
3.9 산업 비전 분야에서 필터의 역할
3.10 컬러 이미지 필터링
3.11 바이너리 이미지의 팽창과 침식
3.11.1 팽창과 침식
3.11.2 상쇄 효과
3.11.3 수정 팽창 및 침식 연산자
3.12 수학적 모폴로지
3.12.1 일반 모폴로지 팽창
3.12.2 일반 모폴로지 침식
3.12.3 팽창과 침식의 이중성
3.12.4 팽창 및 침식 연산자의 특성
3.12.5 닫힘과 열림
3.12.6 기본 모폴로지 연산 요약
3.13 모폴로지 그룹핑
3.14 그레이스케일 이미지에서의 모폴로지
3.15 결론
3.16 문헌과 연보
3.16.1 최근 연구
3.17 연습문제

4장 임계화의 역할
4.1 서론
4.2 영역 확장 방식
4.3 임계화
4.3.1 적정 임곗값 찾기
4.3.2 임곗값 선택 과정에서의 편향 문제
4.4 적응형 임계화
4.4.1 로컬 임계화 방식
4.5 더 정확한 임곗값 선택 방식
4.5.1 분산 기반 임계화
4.5.2 엔트로피 기반 임계화
4.5.3 최대 가능도 임계화
4.6 전역 골짜기 임계화
4.7 전역 골짜기 방식 예제
4.8 히스토그램 오목성 분석
4.9 결론
4.10 문헌과 연보
4.10.1 최근 연구
4.11 연습문제

5장. 외각 검출
5.1 서론
5.2 외각 검출의 기본 원리
5.3 템플릿 매칭 방식
5.4 3×3 템플릿 연산자 이론
5.5 차분 그레이디언트 연산자 설계
5.6 원형 연산자 개념
5.7 원형 연산자 실제
5.8 차분 외각 연산자 설계 체계
5.9 기존 방식의 문제점과 그 대안
5.10 히스테리시스 임계화
5.11 캐니 연산자
5.12 라플라시안 연산자
5.13 결론
5.14 문헌과 연보
5.14.1 최근 연구
5.15 연습문제

6장. 모서리, 특징점, 불변 특징 검출
6.1 서론
6.2 템플릿 매칭
6.3 2차 도함수 방식
6.4 메디안 필터 기반 모서리 검출
6.4.1 메디안 검출 연산 분석
6.4.2 실제 예제
6.5 해리스 특징점 연산자
6.5.1 여러 형태의 모서리 신호 및 전이
6.5.2 교차점과 삼중 분기
6.5.3 해리스 연산자의 다른 형식
6.6 모서리 방향
6.7 로컬 불변 특징 검출자 및 설명자
6.7.1 기하 변환과 특징 정규화
6.7.2 해리스 스케일 및 아핀 불변 검출자와 설명자
6.7.3 헤시안 스케일 및 아핀 불변 검출자와 설명자
6.7.4 스케일 불변 특징 변환 연산자
6.7.5 고속 강건 특징 연산자
6.7.6 최대 안정 극값 영역
6.7.7 불변 특징 검출자 간의 비교
6.7.8 그레이디언트 지향 히스토그램
6.8 결론
6.9 문헌과 연보
6.9.1 최근 연구
6.10 연습문제

7장. 텍스처 분석
7.1 서론
7.2 기본 텍스처 분석 접근법
7.3 그레이 레벨 동시출현 행렬
7.4 로스의 텍스처 에너지 접근법
7.5 에이드의 고유필터 접근법
7.6 로스 및 에이드 접근법의 비교
7.7 결론
7.8 문헌과 연보
7.8.1 최근 연구

2부. 중간 수준 비전

8장. 바이너리 형태 분석
8.1 서론
8.2 바이너리 이미지의 연결성
8.3 물체 레이블링과 카운팅
8.3.1 복잡한 레이블링 문제
8.4 사이즈 필터링
8.5 거리 함수와 그 응용
8.5.1 로컬 극댓값과 데이터 압축
8.6 스켈레톤과 세선화
8.6.1 교차수
8.6.2 병렬 및 순차 세선화 구현
8.6.3 유도 세선화
8.6.4 스켈레톤의 특징에 대한 주석
8.6.5 스켈레톤 노드 분석
8.6.6 형태 분석을 위한 스켈레톤
8.7 기타 형태 인식 기준
8.8 경계 추적 방식
8.9 결론
8.10 문헌과 연보
8.10.1 최근 연구
8.11 연습문제

9장. 경계 패턴 분석
9.1 서론
9.2 경계 추적 과정
9.3 무게중심 프로파일
9.4 무게중심 접근법의 문제점
9.4.1 해결책
9.5 (s , ψ ) 플롯
9.6 오클루전 문제
9.7 경계 길이 측정값의 정확도
9.8 결론
9.9 문헌과 연보
9.9.1 최근 연구
9.10 연습문제

10장. 선, 원, 타원 검출
10.1 서론
10.2 허프 변환을 통한 선분 검출
10.2.1 길이 방향 선분 로컬화
10.3 법선 방식
10.3.1 법선 방식의 응용
10.4 RANSAC 기반 직선 검출
10.5 복강경 도구의 위치
10.6 허프 변환 기반 원형 물체 인식
10.7 반지름 찾기 문제
10.7.1 예제
10.8 속도 문제 해결
10.8.1 예제
10.9 타원 검출
10.9.1 지름 이등분 방식
10.9.2 현-탄젠트 방식
10.9.3 나머지 타원 매개변수 찾기
10.10 홍채 위치 인식
10.11 결론
10.12 문헌과 연보
10.12.1 최근 연구
10.13 연습문제

11장. 일반 허프 변환
11.1 서론
11.2 일반 허프 변환
11.3 공간 매칭 필터링의 타당성
11.4 그레이디언트 가중치와 균일 가중치
11.4.1 민감도 계산 및 계산량
11.4.2 요약
11.5 GHT를 이용한 타원 검출
11.5.1 예시
11.6 다른 타원 검출 방식과의 비교
11.7 그래프 이론 기반 물체 위치 검출
11.7.1 예제: 크림 비스킷
11.8 계산량 감소 가능성
11.9 GHT를 사용한 특징 비교
11.9.1 계산량
11.10 최대 클릭 및 다른 접근법의 일반화
11.11 탐색
11.12 결론
11.13 문헌과 연보
11.13.1 최근 연구
11.14 연습문제

12장. 물체 분할과 형태 모델
12.1 서론
12.2 능동 등고선
12.3 능동 등고선 예시
12.4 물체 분할을 위한 레벨 세트 접근법
12.5 형태 모델
12.5.1 형태 모델을 사용한 물체 위치 찾기
12.6 결론
12.7 문헌과 연보

3부. 머신러닝과 딥러닝 네트워크

13장. 분류: 기본 개념
13.1 서론
13.2 최근접 알고리듬
13.3 베이즈 결정 이론
13.3.1 나이브 베이즈 분류자
13.4 최근접 접근법과 베이즈 접근법의 관계
13.4.1 수학적 표현
13.4.2 최근접 알고리듬의 중요성
13.5 최적 특징 숫자
13.6 비용 함수와 에러-탈락 트레이드오프
13.7 지도 학습과 비지도 학습
13.8 군집 분석
13.9 서포트 벡터 머신
13.10 인공신경망
13.11 역전파 알고리듬
13.12 다중 레이어 퍼셉트론 구조
13.13 학습 데이터의 오버피팅
13.14 결론
13.15 문헌과 연보
13.15.1 최근 연구
13.16 연습문제

14장. 머신러닝: 확률론적 방식
14.1 서론
14.2 가우시안 혼합과 EM 알고리듬
14.2.1 기댓값 최대화 알고리듬 상세
14.3 EM 알고리듬에 대한 일반론적 관점
14.4 예제
14.5 주성분 분석
14.6 다중 분류자
14.7 부스팅 접근법
14.8 에이다부스트 모델링
14.8.1 실수형 에이다부스트
14.9 부스팅 손실 함수
14.10 로짓부스트 알고리듬
14.11 부스팅의 효용성
14.12 다중 클래스 부스팅
14.13 수신자 조작 특성
14.13.1 에러율 기반 성능 평가
14.14 결론
14.15 문헌과 연보
14.16 연습문제

15장. 딥러닝 네트워크
15.1 서론
15.2 합성곱 신경망
15.3 CNN 구조 정의 매개변수
15.4 LeCun et al(1998)의 LeNet 구조
15.5 Krizhevsky et al(2012)의 AlexNet 구조
15.6 Zeiler and Fergus(2014)의 CNN 구조 연구
15.7 Zeiler and Fergus(2014)의 시각화 실험
15.8 Simonyan and Zisserman(2015)의 VGGNet 구조
15.9 Noh et al(2015)의 DeconvNet 구조
15.10 Badrinarayanan et al(2015)의 SegNet 구조
15.11 순환 신경망
15.12 결론
15.13 문헌과 연보

4부. 3D 비전과 모션

16장. 3차원 세계
16.1 서론
16.2 3차원 비전: 방식의 다양성
16.3 3차원 비전 투영 기법
16.3.1 양안 이미지
16.3.2 유사성 문제
16.4 셰이딩 기반 형태 추정
16.5 광도 양안법
16.6 매끄러운 표면 가정
16.7 텍스처 기반 형태 추정
16.8 구조화 조명
16.9 3차원 물체 인식 방식
16.10 호라우드 연결점 방향 기법
16.11 예제: 산업용 부품 위치 찾기
16.12 결론
16.13 문헌과 연보
16.13.1 최근 연구
16.14 연습문제

17장. n지점 원근 문제
17.1 서론
17.2 원근 역전 현상
17.3 약한 원근 투영에 대한 자세의 불확실성
17.4 자세 문제의 고유 해답
17.4.1 3지점 문제의 해답
17.4.2 등변사다리꼴을 통한 자세 추정
17.5 결론
17.6 문헌과 연보
17.6.1 최근 연구
17.7 연습문제

18장. 불변성과 원근
18.1 서론
18.2 교차 비율: ‘비율의 비율’ 개념
18.3 비동일 선상의 지점에 대한 불변성
18.3.1 5지점 구성
18.4 원뿔 곡선상 지점의 불변성
18.5 미분 및 반미분 불변성
18.6 대칭 교차 비율 함수
18.7 소실점 검출
18.8 소실점 심화
18.9 원형 및 타원형의 중심점
18.10 예술과 사진에서의 원근 효과
18.11 결론
18.12 문헌과 연보
18.12.1 최신 연구
18.13 연습문제

19장. 이미지 변환과 카메라 조정
19.1 서론
19.2 이미지 변환
19.3 카메라 보정
19.4 내부 매개변수와 외부 매개변수
19.5 방사 왜곡 보정
19.6 다중 뷰 비전
19.7 일반 등극선 기하
19.8 필수 행렬
19.9 기초 행렬
19.10 필수 행렬과 기초 행렬의 특성
19.11 기초 행렬 추정
19.12 8지점 알고리듬 업데이트
19.13 이미지 정류법
19.14 3차원 복원
19.15 결론
19.16 문헌과 연보
19.16.1 최근 연구
19.17 연습문제

20장. 모션
20.1 서론
20.2 광학 플로우
20.3 광학 플로우 장 해석
20.4 확장 중심을 통한 충돌 방지
20.5 인접 시간 분석
20.6 광학 플로우 모델의 난제
20.7 스테레오 모션
20.8 칼만 필터
20.9 광간격 매칭
20.10 결론
20.11 문헌과 연보
20.12 연습문제

5부. 컴퓨터 비전의 응용

21장. 얼굴 검출과 인식: 딥러닝
21.1 서론
21.2 간단한 얼굴 검출 접근법
21.3 얼굴 특징 검출
21.4 VJ 고속 얼굴 검출
21.5 고유얼굴을 통한 얼굴 인식
21.6 얼굴 인식의 어려움
21.7 전면화
21.8 DeepID 얼굴 표현 시스템
21.9 고속 얼굴 검출 재검토
21.9.1 더 강력한 물체 검출 방식
21.10 3차원 물체로서의 얼굴
21.11 결론
21.12 문헌과 연보

22장. 감시
22.1 서론
22.2 감시: 기본 기하
22.3 전경-배경 분리
22.3.1 배경 모델링
22.3.2 배경 모델링 예시
22.3.3 직접적 전경 검출
22.4 파티클 필터
22.5 색상 히스토그램을 통한 추적
22.6 파티클 필터 구현
22.7 챔퍼 매칭, 추적, 오클루전
22.8 다중 카메라 뷰 결합
22.8.1 겹치지 않는 시야의 경우
22.9 교통 흐름 모니터링 응용
22.9.1 Bascle et al
22.9.2 Koller et al
22.10 번호판의 위치
22.11 추적을 위한 오클루전 분류
22.12 걸음걸이를 통한 보행자 구별
22.13 인간 걸음걸이 분석
22.14 모델 기반 동물 추적
22.15 결론
22.16 문헌과 연보
22.16.1 최근 연구
22.17 연습문제

23장. 차량 내 비전 시스템
23.1 서론
23.2 도로 위치 탐색
23.3 도로 표시 위치 탐색
23.4 도로 표지판 위치 탐색
23.5 차량 위치 탐색
23.6 번호판 및 다른 구조적 특징 관측을 통한 정보 취득
23.7 보행자 위치 탐색
23.8 안내와 에고모션
23.8.1 단순 경로 탐색 알고리듬
23.9 농업용 차량 안내
23.9.1 3차원 관점
23.9.2 실시간 구현
23.10 결론
23.11 첨단 운전자 보조 시스템 관련 연구 및 문헌
23.11.1 차량 검출 연구
23.11.2 보행자 검출 연구
23.11.3 도로 및 차선 검출 연구
23.11.4 도로 표지판 검출 연구
23.11.5 경로 탐색, 내비게이션, 에고모션 연구
23.12 연습문제

24장. 결론: 비전에 대한 전망
24.1 서론
24.2 머신 비전에서의 중요도 매개변수
24.3 트레이드오프
24.3.1 주요 트레이드오프
24.3.2 2단계 템플릿 매칭 트레이드오프
24.4 무어의 법칙
24.5 하드웨어, 알고리듬, 처리
24.6 표현 방식 선택의 중요성
24.7 과거, 현재, 미래
24.8 딥러닝 열풍
24.9 문헌과 연보

부록 A. 강건 통계
부록 B. 샘플링 정리
부록 C. 색상 표현
부록 D. 분포 샘플링

더보기 닫기