전체 글35 Classification Labeling (One Hot Encoding) Classification Label Image Classification은 위 그림처럼 이미지가 모델에 들어왔을때 어떤 class에 속하는지를 분류하는 작업을 의미합니다. 그러므로 우리가 classification 학습을 위해 데이터를 구성하려면 이미지와 그에 대응하는 카테고리 형태의 정답(Label)이 필요합니다. 일반적으로 개, 고양이, 팬더 같이 문자로 카테고리가 구성이 될텐데, 학습을 진행하는 컴퓨터는 이러한 문자열을 인식하지 못합니다. 그러므로 컴퓨터가 인식할 수 있게 숫자 형태로 변환을 시켜줘야합니다. 간단하게 생각할수 있는 방법은 개 -> 0, 고양이 -> 1, 팬더 -> 2 이런식으로 숫자를 할당할 수 있습니다. 하지만 이렇게 숫자 순서대로 할당하게 되면 개, 고양이, 팬더 같이 순서나 .. 2021. 12. 9. Histogram Equalization (히스토그램 균일화) 함수 설명 이미지의 픽셀값 분포가 특정값에 몰여있다면 그 부분에 대해 눈으로 구별하기 어렵고 이를 contrast가 낮다고 표현합니다. 반면에 픽셀값 분포가 촘촘히 몰려있지 않고 골고루 분포해 있다면 구별하기 쉬워지고 이를 contarst가 높다고 합니다. Histogram equalization 함수는 몰려있는 히스토그램을 균일하게 퍼트림으로써 이미지의 contrast를 개선하는 방법입니다. 코드 설명 python OpenCV 라이브러리를 사용하였습니다. cv2.equalizeHist(src) 1) src : 바꾸고 싶은 source 이미지 * Grayscale인 1channel 이미지만 가능합니다. 예제 Histogram을 균일하게 만들어주는 예제입니다. Color 이미지의 경우 YCrCb로 변환후 .. 2021. 12. 6. Inverse Tone Mapping Operator Using Sequential Deep Neural Networks Based on the Human Visual System 넓은 dynamic range (동적 범위)를 보여주는 디스플레이가 발전함에 따라, 기존의 좁은 dynamic range를 가지는 이미지의 range를 넓혀주는는 기술이 대두되고 있습니다. 이 기술을 inverse tone mapping operator (ITMO) 라고 합니다. 이 논문은 neural network를 활용해 low dynamic range (LDR) 이미지를 high dynamic range (HDR) 이미지로 변환시켜주는 논문입니다. 해당 논문은 IEEE ACCESS에 게재되었습니다. https://ieeexplore.ieee.org/document/8466589 Introduction 위 그림을 보면 알수 있듯이, human visual system (HVS)의 동적 범위(dynam.. 2021. 12. 2. Edge Detection (윤곽선 검출) 함수 설명 이미지에서 다른 명암을 지닌 두 영역 사이의 경계선(edge)을 추출하는 함수입니다. Edge를 추출함으로써 물체의 모양, 크기, 방향성 등의 정보를 확인할 수 있습니다. 다양한 Edge Detection 중에서 가장 유명한 Canny Edge Detection을 설명하겠습니다. Canny Edge Detection은 총 4단계를 거쳐 Edge를 Detection합니다. 1. Noise reduction 정확도를 높이기 위해 이미지 상의 노이즈를 Gaussian filter를 이용해 줄여줍니다. 2. Gradient 높은 지점 찾기 양 방향 미분 값이 급격히 변하는 지점이 주변과 달라지는 경계 값이므로 해당 부분을 선별합니다. 3. 최대값이 아닌 픽셀 제거 Edge에 기여하지 않는 픽셀을 찾아.. 2021. 12. 1. Deep-learned short tau inversion recovery imaging using multi-contrast MR images 다양한 의료영상 가운데 많이 사용되고 있는 있는 MRI는 촬영 방식에 따라 종류가 다양합니다. 이 논문은 촬영된 MRI들을 가지고 다른 contrast를 가지는 MRI를 생성하는 논문입니다. 새로운 contrast의 MRI를 생성하도록 특화된 네트워크 (CC-DNN)과 더불어, misregistration를 보정하고 noise에 덜민감하도록 만드는 loss를 추가함으로써 뛰어난 성능을 보여줍니다. 해당 논문은 MRI분야 논문지인 Magnetic Resonance in Medicine에 게재되었습니다. https://onlinelibrary.wiley.com/doi/10.1002/mrm.28327 Introduction MRI는 다양한 pulse sequence를 통해 필요한 부위를 특화시켜 볼 수 있는 .. 2021. 11. 29. Image Synthesis in Multi-Contrast MRI With Conditional Generative Adversarial Networks (2019) 다양한 의료영상 가운데 많이 사용되고 있는 있는 MRI는 촬영 방식에 따라 종류가 다양합니다. 이 논문은 하나의 MRI에서 다른 contrast를 가지는 MRI를 생성하는 논문입니다. 일반영상분야의 Style Transfer에서 활발히 사용하고 있는 GAN 네트워크를 의료영상분야에 적용시켜 좋은 결과를 낸 논문입니다. https://ieeexplore.ieee.org/document/8653423 MRI Contrast Conversion MRI는 pulse sequence라는 수식을 통해 생성되는 의료영상입니다. 그러므로 수식의 파라미터 값을 조정하면서 병을 진단하기 위해 보고자 하는 tissue가 잘 보이도록 획득합니다. 그러므로 다양한 contrast를 가지는 MRI 영상들이 존재합니다. 아래는 몇.. 2021. 11. 25. 이전 1 2 3 4 5 6 다음 728x90
