[REVIEW] Cellpose: A generalist algorithm for cellular segmentation 리뷰, review
안녕하세요, HELLO 이미지 분야 (computer vision)로 도메인 지식을 넓히기 위해, object detection, classification, segmentation, ocr, generative AI 등에 대해서 스터디를 진행하며, 논문을 리뷰하고 있습니다. 이번에 살펴본 논문은 세포 이미지, celluar segmentation 문제를 개선하기 위해 제안된 U-net 기반 모델인 Cellpose: A generalist algorithm for cellular segmentation입니다. Cellpose는 Convolutional Neural Netowrk에 기반한 딥러닝 접근 방식을 사용하여 이미지 분할을 수행합니다. 세포, 핵, 박테리아, 기타 작은 구조물 등 생물학적 이미지에서..
2023. 4. 30.
[CV] 세포 분할 (Cellular segmentation) 해설, 정리, 요약
안녕하세요, HELLO 세포 (셀) 분할 cell segmentation은 이미지 또는 일련의 이미지에서 개별 세포를 식별하고 묘사하는 프로세스입니다. 세포의 형태, 행동, 상호작용을 정량적으로 분석할 수 있기 때문에 생물학, 의학, 컴퓨터 비전 등 다양한 분야에서 중요한 작업입니다. 세포 분할에는 임계값 설정 thresholding, 에지 감지 edge detection, 영역 확대(확장) region growing, 머신 러닝 기반 방법 machine learning-based methods 등 여러 가지 접근 방식이 있습니다. 임계값 설정은 픽셀 강도 값을 임계값으로 설정하여 그 이상의 픽셀은 셀의 일부로 간주하고 그 이하의 픽셀은 배경으로 간주하는 것입니다. 에지 감지에는 픽셀 강도 값의 변화를 ..
2023. 3. 4.
[CV] 3차원 색상 표현 방법 HSV, HSL, HSB 해설, 정리, 요약
안녕하세요, HELLO computer vision 컴퓨터 비전에서 색상을 표현하는 방법은 대표적인 RGB, CMYK 등이 있습니다. 이번에는 3차원으로 표현하는 방법인 HSV, HSL 및 HSB을 3차원을 표현하는 방식과 실제로 사용되는 방식에 따라서 정리하려고 합니다. 마지막에는 각 방법의 공통점과 차이점을 살펴보고자 합니다. CHAPTER 1. 'HSV (Hue, Saturation, Value)' 정리 CHAPTER 2. 'HSL (Hue, Saturation, Lightness)' 정리 CHAPTER 3. 'HSB (Hue, Saturation, Brightness)' 정리 CHAPTER 4. 'HSV, HSL, HSB 공통점 및 차이점' CHAPTER 1. 'HSV (Hue, Saturatio..
2023. 3. 1.
[REVIEW] Character Region Awareness for Text Detection (CRAFT) 리뷰
안녕하세요, HELLO 이미지 분야 (computer vision)로 도메인 지식을 넓히기 위해, object detection, classification, segmentation, ocr, generative AI 등에 대해서 스터디를 진행하며, 논문을 리뷰하고 있습니다. 이번에 살펴본 논문은 OCR 분야에 있어, 수직, 곡선, 다양한 언어 등에서 높은 인식율을 보인, 네이버 Clova의 OCR 딥러닝 모델인 Character Region Awareness for Text Detection (CRAFT)입니다. CRAFT는 단어 (word) 단위의 문자 인식에서, 개별 글자 (character) 단위로 pseudo-Ground Truth를 만들어서 문자 인식을 진행하여, 띄어쓰기가 없는 일본어, 중국..
2023. 2. 26.
[REVIEW] U-Net: Convolutional Networks for Biomedical Image Segmentation 리뷰, review
안녕하세요, HELLO 이미지 분야 (computer vision)로 도메인 지식을 넓히기 위해, object detection, classification, segmentation, ocr, generative AI 등에 대해서 스터디를 진행하며, 논문을 리뷰하고 있습니다. 이번에 살펴본 논문은 Semantic Segmentation 문제를 위해 제안된 딥러닝 모델인 U-Net: Convolutional Networks for Biomedical Image Segmentation입니다. U-Net은 Semantic Segmentation 모델을 위해 이미지 분류(Classification)에서 좋은 성능을 보인 CNN 기반 모델, Full Convolutional Network를 바탕으로, expans..
2023. 2. 12.
