개발일지

Data Clustering 개요 데이터 클러스터링(Data Clustering)은 비슷한 특성을 가진 데이터들을 같은 그룹으로 묶는 과정을 의미한다. 이를 통해 데이터를 분류하거나 단순화할 수 있으며, 레이블이 없는 데이터를 처리하므로 비지도 학습으로 분류된다. 클러스터링은 데이터의 이해를 돕고, 숨겨진 패턴을 발견하는 데 유용하게 사용된다. 데이터 클러스터링은 크게 Hard Clustering과 Soft Clustering으로 나뉜다. Hard Clustering은 각 데이터 포인트를 하나의 클러스터에 할당하는 방식이고, 대표적인 알고리즘으로 K-means Algorithm이 있다. 반면, Soft Clustering은 데이터 포인트를 여러 클러스터에 확률적으로 할당하는 방식으로, Expectatio..

본문 Piecewise-Linear Intensity Transformation 선형 변환을 여러 구간으로 나누어 적용하는 구간별 선형 변환(Piecewise-Linear Transformation)은 각 구간에서 다른 선형 변환을 적용할 수 있으므로, 이미지의 특정 영역이나 특정 강도 값을 강조하거나 약화시키는 데 유용하다. 만약 이미지의 밝기가 특정 영역에만 집중되어 있을 때, 전체 밝기 범위를 활용하여 대비를 늘리는 Contrast Stretching 방법이 가능하고, 이미지에서 관심 있는 특정 밝기 범위를 강조하고, 나머지는 약화시키는 Gray-level slicing도 가능하다. Ig = rgb2gray(imread("example.jpg")); [M,N] = size(Ig); Ip = zero..

강도 변환 개요 디지털 영상 처리 분야에서, 영상 정보는 주로 변환 도메인(Transform Domain)과 공간 도메인(Spatial Domain)과 에서 표현하고 처리한다. 전자는 이미지를 다른 형태로 변환시켜 나타내는 방식을 의미한다. 예를 들어, 푸리에 변환(Fourier Transform)이나 웨이블릿 변환(Wavelet Transform)과 같은 기법들이 이에 포함된다. 이 도메인에서의 처리는 주로 신호의 주파수 성분을 분석하고 조작하는 데 사용된다. 반면 공간 도메인은 이미지 평면(혹은 이미지 그 자체)에서 픽셀들의 직접적인 밝기 값을 다루고 조작한다. (x, y) 주변의 픽셀 값을 이용해 새로운 g(x, y)를 생성한다는 측면에서 필터링과 비슷한 성격을 띠고 있다. 이를 수식으로 표현하면 ..

ATmega AVR 개요 ATmega AVR은 ATMEL(현 Microchip) 사에서 제작한 RISC 구조의 저전력 CMOS 마이크로컨트롤러다. 이 마이크로컨트롤러는 다양한 종류의 I/O 메모리, 페리페럴(Peripheral) 옵션(CPU 외부에 위치한 장치들)을 제공하고 있어, 다양한 임베디드 시스템 개발에 활용되고 있다. 특히 AVR RISC 구조는 CISC에 비해 10배 이상 빠른 속도로 프로그램이 실행될 수 있는 코드 체계를 갖추고 있다. 즉, 대부분의 명령이 단일 클럭(1MHz당 1MIPS)으로 실행하며, 프로그램 메모리와 데이터 메모리를 동시에 접근할 수 있다. 또한 ISP(Im-System Programming) 방식을 최초로 도입해 프로그램 개발 시간을 단축하였다. 또한 레지스터를 기반으..

메모리 분류 개요 지난 컴퓨터 구조 시간에 메모리에 관해 전반적인 공부를 했었다. 이번 시간에는 메모리 분류에 초점을 맞춰 공부해 보도록 하겠다. 본문 해당 사진은 메모리를 제조 재료, 휘발성 등으로 나눈 분류표다. 우리가 중점적으로 다뤄야 하는 것은 반도체 메모리며, 이를 휘발성과 비휘발성으로 나눠 알아보자. 휘발성 메모리(RAM) 먼저 휘발성 메모리는 크게 SRAM과 DRAM으로 나눌 수 있다. SRAM은 속도가 빠르지만 가격이 비싸다는 단점이 있고, 반대로 DRAM은 속도가 느린 대신 가격이 싸다는 장점이 있다. 따라서 이 둘의 특성에 맞게 자주 접근할 수 있는 캐시 메모리는 SRAM으로 만들고, 자주 접근하지 않지만 용량이 큰 주기억장치 메모리는 DRAM으로 만든다. 비휘발성 메모리(ROM) 롬은..

Linear Discriminant Analysis 개요 선형 판별 분석(Linear Discriminant Analysis, LDA)은 데이터를 차원 축소하고 분류하는 지도 학습 기법 중 하나다. LDA는 PCA와 유사한 점을 가지고 있지만, 클래스 레이블 정보를 활용하며, 분류 목적에 최적화된 축을 찾는 데 중점을 둔다. 이번 시간에선 LDA의 원리와 적용 방법에 대해 다루어보겠다. 본문 Supervised Learning 지도 학습(Supervised Learning) 은 입력 데이터와 그에 상응하는 정답 레이블을 사용하여 모델을 학습시키는 방식을 의미한다. 이러한 방식은 모델이 입력 데이터와 출력 레이블 간의 패턴을 학습하게 해, 미래의 유사한 데이터에 대한 출력을 예측하도록 한다. LDA는 주어..

해상도 조절 개요 해상도(Resolution)는 다양한 디지털 장치나 미디어에서 세부 사항을 얼마나 정확하게 표현할 수 있는지를 나타내는 척도다. 해상도는 주로 공간 해상도와 강도 해상도로 분류되는데, 공간(Spatial) 해상도는 이미지의 세부 정보를 얼마나 정밀하게 표현할 수 있는지를 나타내는 척도다. 주로 이미지의 픽셀 차원, 즉 이미지의 너비와 높이를 기반으로 단위 inch 당 픽셀로(dpi) 정의된다. 연속적인 이미지 신호를 디지털 형식으로 변환하기 위해 일정 간격으로 샘플을 취하는 샘플링(Sampling) 빈도가 높아지면 공간 해상도가 높아진다는 특징이 있다. 반면 강도(Intensity) 해상도는 이미지의 각 픽셀에서 표현할 수 있는 밝기 또는 색상의 레벨 수를 나타낸다. 이를 이미지의 비트..

마이크로컨트롤러 분류 개요 마이크로컨트롤러는 여러 기준에 따라 분류될 수 있다. 주요 분류 기준은 비트 수, 메모리 접근 방식, 그리고 명령어 구성 방식이다. 각 분류 기준에 따라 마이크로컨트롤러의 특성과 사용법이 달라질 수 있으므로, 이를 이해하고 적절한 마이크로컨트롤러를 선택하는 능력이 필요하다. 따라서 이번 시간에는 이러한 분류법에 대해 배워보도록 하겠다. 본문 비트 수에 의한 분류 비트 수에 의한 마이크로컨트롤러의 분류는 주로 데이터 버스의 너비를 기준으로 한다. 이는 마이크로프로세서가 한 번에 처리할 수 있는 데이터의 양을 의미하는데, 비트 수에 따라 다음과 같이 주요 분류가 이루어진다. 먼저 8비트 마이크로프로세서는 주로 센서 데이터의 읽기, 기본적인 모터 제어, 그리고 간단한 통신 기능과 같..

Principle Component Analysis(PCA) 개요 남자와 여자에 대한 다양한 특징 정보가 주어졌다고 가정해 보자. 이들을 구분하기 위한 정보는 굉장히 많을 것이다. 하지만 실질적으로 우리가 성별을 구분하기 위해서 이 모든 데이터를 활용할 필요가 없다. 예를 들면, 염색체만 확인하면 생물학적으로 남녀를 구분할 수 있다. 이러한 핵심 특징을 추출한다는 아이디어에 기반하여 AI 학습 전에 학습 데이터를 전처리하면 효과적인 머신 러닝을 진행할 수 있다. 여기서 말하는 전처리는 데이터의 차원을 줄이는 것을 의미하는데, 이를 Principle Component Analysis(PCA), 주성분 분석이라고 한다. 본문 비지도학습 PCA는 비지도 학습에 속한다. 비지도 학습(Unsupervised le..

Digital Image Processing(DIP) 개요 디지털 영상 처리(Digital Image Processing, DIP)는 디지털 이미지나 비디오의 시각적 내용을 개선, 분석, 변환하는 기법들을 포함한 기술 영역이다. 즉, DIP는 컴퓨터나 전자 디바이스를 사용하여 이미지 정보를 처리하는 과정을 의미한다. 디지털 영상 처리의 주된 목적은 이미지의 개선, 변형, 복원 등을 하는 것이며, 해당 결과로 다른 이미지나 이미지의 수정된 버전이 출력된다. 즉, 이미지 자체를 개선하거나 변형하는 데 중점을 둔다. 이미지란 무엇일까? 이미지(Image)는 라틴어 이마고(Imago)에서 유래한 것으로, 모방하다는 뜻을 가진 라틴어 이미타리(Imitari)에서 파생한 것이다. 쉽게 얘기해서 대상에 대해 개인이나..