일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- 회고록
- NEXT
- 2023
- pytorch
- 분할 정복
- c++
- BFS
- 가끔은_말로
- 미래는_현재와_과거로
- DP
- back propagation
- tensorflow
- 이분 탐색
- 백트래킹
- 조합론
- 다익스트라
- 세그먼트 트리
- 문자열
- 우선 순위 큐
- 알고리즘
- 자바스크립트
- 너비 우선 탐색
- lazy propagation
- 크루스칼
- object detection
- Overfitting
- 가끔은 말로
- dfs
- dropout
- 플로이드 와샬
- Today
- Total
목록resize (2)
Doby's Lab

Center Cropping을 하고 나서 궁금했던 점은 width와 height는 같아졌는데 input_shape와 맞지 않아서 어떻게 처리해야 할지가 의문이었습니다. 예를 들어 아래의 경우처럼 input_shape보다 작게 나와서 이미지를 확대해야 하는 경우가 있습니다. 그리고, 다른 경우는 input_shape보다 크게 나오는 바람에 이미지를 축소해야 하는 경우도 생깁니다. 확대와 축소 둘 다 방법이 떠오르지 않았었습니다. 그래서 확대를 해야 하는 경우는 Zero Padding을 하고, 축소는 input_shape에 맞게 Cropping을 해줘야겠다 싶었습니다. Interpolation OpenCV 라이브러리에서 제공하는 cv2.resize()로 이 문제를 해결할 수 있었습니다. 이때, Interpo..

데이터셋의 이미지를 전처리하는 과정에서 모델에 학습시키기 위해 input_shape를 모델과 같게 맞춰주어야 합니다. 즉, 사이즈를 바꿔주어야 하는데 이 과정에서 어떤 과정을 거칠지는 엔지니어의 몫입니다. 사이즈를 바꿔주는 과정에는 크게 3가지가 있습니다. Warping Center Cropping Padding 3가지 과정을 설명하기 위해 아래의 고양이 사진으로 진행해 보겠습니다. Warping Warping은 이미지를 왜곡시켜서 사이즈를 맞추는 기법입니다. 이미지를 왜곡시키다 보니 이미지의 정보에 대한 손실이 있기 때문에 저는 잘 사용하지 않습니다. Padding (= Zero Padding) Padding은 특정한 사이즈에 빈칸이 남는다면 pixel 값을 0(=검은색)으로 채워 이미지 사이즈를 맞추..