분류 전체보기 87

#2 Basic analysis for CT and DT

1. Continuous-time Signals- 푸리에 변환과 그 역변환신호 x(t)의 푸리에 변환, X(F)의 역푸리에 변환을 통해 원래의 시간 도메인 신호를 복원하는 과정이다.  푸리에 급수는 주기적인 신호를 주파수 성분으로 분해하기 위해 사용되며, 푸리에 변환은 비주기적 신호를 주기적 신호의 주기가 무한대임을 가정하여 주파수 영역으로 변환할 수 있다. 여기서 중요한 조건은 x(t)가 절대 적분 가능(absolutely integrable)해야 한다는 점이다. 주파수 영역에서 다시 말하면 에너지가 유한해야 한다는 것, 시간 영역에서 주기적이지 않거나 시간적으로 제한된 신호여야 한다는 뜻이다. - 푸리에 변환과 에너지 조건 이 조건의 물리적인 의미는 에너지가 유한해야한다는 것이다. 신호 x(t)가 물..

#2 Image Resizing && Ratation

이미지의 크기를 키워 저장하는 방법과 이미지를 회전시키는 방법에 알아보자. 그 전에 기본 연산에 대해 알아보자.1. Basic Operations- 파일 경로는 full pathFull path는 파일이 저장된 위치를 절대적으로 저장하므로 다른 파일 시스템에서든 같은 파일 시스템이든 해당 파일을 확실하게 찾을 수 있다. 이는 특히 여러 디렉토리가 존재하는 복잡한 프로젝트나 시스템에서 중요하다.이 때 Windows 경로 포기인 백슬래시는 C언어에서 이스케이프 문자이므로 C언어에서 경로를 표시할 땐 두 번 써야한다. - 이미지를 읽을 때 컬러로 처리할지 그레이스케일로 처리할지에 따라 사용하는 자료형이 달라진다.컬러 이미지(Vec3b)컬러 이미지를 처리할 때는 보통 BGR (Blue, Green, Red) 형..

#1 데이터는 어떻게 전송할 수 있을까요?: OSI 모델과 이번에는 L3

Internet이란 무엇인가부터 통신 간에 쓰이는 단어들에 대해 정리한 뒤 OSI 모델에서 각 계층에서 일어나는 일들에 대해 알아보자! 철수와 영희를 예시를 들어 전체적인 맥락을 이해한 뒤, 통신에 쓰이는 모델인 OSI 모델에 대해 알아보고, 이번 시간에서는 L3에서 주로 일어나는 일들에 대해 알아보자.1. Internet = Network of Network: 인터넷은 네트워크들의 네트워크1.1. 데이터 전송의 예시: 철수와 영희철수와 영희는 서로 데이터를 주고받고 싶다. 만약 두 사람이 LAN(Local Area Network)이라는 작은 Network로 연결되어 있다면 물리적 거리가 가까워 데이터 전송이 쉽고 간단하게 이루어질 수 있다. 단순히 선으로 연결하면 끝이기 때문이다. 하지만 철수와 영희가..

#2 반도체 기초: 재료, 구조 및 전기적 특성

1. Semiconductor Materials in Periodic Table반도체 재료는 주기율표에서 특정한 위치에 있는 원소들로 구성되며, 원소 반도체와 화합물 반도체로 나눌 수 있다. 각각의 반도체는 고유한 전기적 특성을 가지고 있으며, 그 용도와 응용 분야에 따라 적절히 선택된다. - Elemental Semconductor (원소 반도체)원소 반도체는 단일 원소로 구성된 반도체로 주기율표에서 주로 14족 원소들의 반도체로 작용한다. 실리콘 (Si): 가장 널리 사용되는 반도체 재료로, 가격이 저렴하고, 풍부하게 존재하며, 우수한 열적 안정성 및 전기적 특성으로 인해 직접 회로(IC), 트랜지스터, 태양관 패널 등에 사용된다.게르마늄 (Ge): 실리콘보다 전기적 성능이 좋지만, 비용이 더 비싸고..

#1 Semiconductor Engineering

어떤 과목을 공부하기 전 해당 개념에 대해 이해하는 것은 매우 중요하다. 자신이 무엇을 알고 있는지 명확히 파악하는 데 도움을 주며, 그에 따른 학습의 방향성을 잡을 수 있다. 그런 의미에서 공학에 대해 알아보자. - 공학이란?공학은 자연 과학과 수학의 응용을 통해 시스템을 향상시키는 데 목적을 두고 있다. 공학의 주요 목표는 이론적 지식을 실용적인 문제를 어떻게 해결해 나갸나는 것이다. - 과학과 공학의 차이과학은 자연 현상과 이를 분석하는 데 중점을 두고 있으며, 주로 현상의 본질을 이해하는 것이 중심이다. 반면, 공학은 이러한 분석을 바탕으로 특정 상황에 맞는 모델링과 응용을 강조한다. 현대의 공학은 분석된 내용을 토대로 구체적인 문제를 해결하기 위한 모델링을 수행하고, 이를 통해 실제 문제를 해결..

#1 Introduction to Computer Vision

- 컴퓨터 비전이란 무엇인가요?컴퓨터가 디지털 이미지를 분석하고 이해하며, 사람과 같이 시각적인 정보를 처리하는 기술이다. - 컴퓨터가 다루는 이미지란 무엇인가요?컴퓨터가 다루는 이미지는 Matrix 형태로 이루어진 픽셀로 구성된 디지털 데이터이다. 픽셀은 색상과 밝기 값을 가지며 일반적으로 RGB 색상 공간으로 표현된다. OpenCV 같은 라이브러리에서는 이미지를 Mat 형식으로 불러오고 처리할 수 있다. - 컴퓨터 비전의 Main Topics 얼굴 인식 기술의 발전 (Face detection, recognition, and attributes)얼굴을 검출하여 신원을 확인하거나 감정을 분석하는 데 사용된다. 또한 미소 감지와 같은 추가 기능도 얼굴의 감정 상태를 분석하는 데 활용된다.  얼굴 변형 및..

#1 AI 목적과 학습과정: 인간 인지의 모방과 추상화

- 인공지능을 만드는 이유인공지능을 만드는 핵심적인 목적은 인간의 작업을 효율적으로 대체하거나 보조하기 위함이다. 사람의 뇌와 비슷한 방식으로 학습하고 문제를 해결함으로써 인간의 일상생활을 더 편리하고 효율적으로 만드는 것을 목표로 한다.  - 인공지능은 사람을 어떤 방식으로 모방하나?인공지능은 사람의 인지 과정을 모방하는 방식으로 작동한다.  사람은 눈을 통해 사물을 보고, 그 정보를 뇌의 뉴련을 통해 처리하고 학습한다. AI도 마찬가지로 카메라와 같은 센서를 사용하여 사물을 인식하고, Neural Network라는 구조를 통해 패턴을 학습한다. 이는 CPU 혹은 GPU 같은 계산 처리 장치에서 이루어지며, 이는 인간의 뇌가 정보를 처리하는 방식과 유사한다. 특히, 이 인지 과정 모방은 사람의 추상화 ..

#0 그쪽도 푸리에 변환을 아는지?

[위 글은 "3Blue1Brown"의 "그런데 푸리에 변환이란 무엇입니까? 시각적 소개."를 참고하여 제작하였다]- 여러 소리가 합해진 모양의 신호를 받았을 때 순수한 주파수들로 분해할 수 있나요?위 그래프는 1초에 440번 진동하는 순수한 가(A)음과 294번 진동하는 라(D)의 음이 합쳐진 그래프이다. 소리는 시간에 따른 기압의 변화로 나타낼 수 있다. 어떤 시점에서도, 그래프는 두 음이 각각 지녔을 값을 합한 것과 같다. 어떤 부분에선 높은 부분이 합쳐져서 매우 높은 기앞이 되며 어떤 점에서는 상쇄된다. 다른 음들을 더 더하면, 그래프는 더 복잡해진다.이는 네 개의 순수한 주파수의 합이지만 파형이 매우 복잡하다. 그렇다면 이런 모양의 신호를 받았을 때 순수한 주파수들로 분해할 수 있는 것이 핵심 질..

#1 Introduction to Digital Signal Processing

1. 왜 신호 처리를 왜 알아야 할까?현대 사회는 디지털화된 세상이다. 우리 주변의 대부분의 신호는 연속적인 형태(continuous signal)로 존재하지만, 컴퓨터와 같은 디지털 기기에서는 이를 처리할 수 없다. 따라서 이 신호를 디지털 신호(discrete signal)로 변환하는 과정이 필요하다.  2. 디지털 신호란 도대체 뭘까?디지털 신호는 연속적인 아날로그 신호를 샘플링(sampling)하고 양자화(quantization)하여 얻어진다. 그로 인해 이산적인 값들로 구성되어 있어 컴퓨터나 디지털 기기에서 처리할 수 있다. - Sampling(샘플링): 연속적인 아날로그 신호를 일정한 간격으로 값을 추출하는 것이다. 샘플링 주기가 짧을수록 원본 신호를 더 정확하게 표현할 수 있다. - Quan..

얼굴 인식을 이해하고 서비스를 만드는 방법 (3)

1. 인공지능을 만들 거면 뭐부터 해야 돼요?인공지능을 만들기 위해서는 인공지능이 해결할 문제를 명확히 정의하는 것이 첫 단계이다. 예를 들면 고양이와 개를 구분하는 모델을 만들겠다는 구체적인 목표가 필요하다! 왜냐하면 문제를 정의함에 따라 프로젝트의 목표와 상황이 달라지기 때문이다! 문제 정의와 데이터가 명확하다면 데이터셋이 우선이며, 모델 중심의 연구나 실험적 접근이 필요할 때는 모델 설정이 먼저일 수 있다. 모델 중심 연구는 여기서는 다루지 않고 문제 정의가 명확한 경우부터 생각해보자. 문제가 명확히 정해진 경우라면 그 유형에 따른 Dataset과 모델 학습 과정이 따로 있다. 예시와 함께 살펴보자 - 문제 해결 유형에 따른 데이터셋의 예시Classification(분류) 문제개나 고양이 사진을 보..