Computer Vision Techniques

Superpixel

이미지 segmentation에서 사용되는 방법으로, 기계학습관점에서 직관적으로 설명하면 한마디로 RGB색상에 대해 K-means 클러스터링을 하는 것이라 말할 수 있다. 예를 들어 포토샾에서 영역선택 툴을 사용하는 것과 동일한 메커니즘으로, SLIC라는 방법에서는 K-means의 변형을 사용한다. 물론 이외에도 graph-based 기반의 superpixel 알고리즘도 존재한다. 각 superpixel 클러스터의 크기는 평균적으로 비슷하지만, 다를 수 있다.

https://infoscience.epfl.ch/record/177415/files/Superpixel_PAMI2011-2.pdf

Lab Color space

Lab Color space는 XYZ 색 공간보다 균일한 색 체계를 목표로 하였다. 여기서 균일한 색 체계란 색 공간에서 같은 거리만큼 떨어진 색채가, 인간의 눈에 같은 크기만큼의 색 차이로 인지되는 것을 목표로 했다는 의미이다.

즉 사람이 느끼는 두가지 색상 간의 거리가 euclidean distance가 되도록 만들기 위한 변환이다.

https://ko.wikipedia.org/wiki/Lab_%EC%83%89_%EA%B3%B5%EA%B0%84

# RGB -> sRGB로 변환하여 device에 독립적으로 만듦 -> 비선형 변환을 통해 Lab space로 변환
(다시 역방향으로 Lab에서 RGB로도 변환시킬 수 있음)

https://en.wikipedia.org/wiki/Lab_color_space

여러가지 Feature Engineering(SIFT, HOG 등등)

http://darkpgmr.tistory.com/116

카메라로 찍은 빛의 세기에 log스케일을 취해서 RGB로 변환해야한다.

이는 음성인식에서 log mel을 사용하는 것과 같은 원리임.