Template Matching Kernel을 통해서 pattern이 있는지 찾는 방법이다. Filter와 Image가 유사할수록 큰 값을 가진다. $c(x,y) = \sum_{s} \sum_{t} \omega(s,t) f(x+s, y+t)$ Normalization할 수 있다. $c(x,y) = {\sum_{s} \sum_{t} [\omega(s,t) - \omega_{mean}] [f(x+s, y+t)-f_{mean}] \over \sum_{s} \sum_{t} [\omega(s,t) - \omega_{mean}]^{2} [f(x+s, y+t)-f_{mean}]^{2}}$ size와 rotation의 normalization은 복잡해서 다른 방법이 필요하다. *2D rotation Linear Int..

Problem of MDC is False Positive. 그렇다고 기준 거리를 줄이게 되면 False Negative가 많아지게 된다. 그렇기에 새로운 분류 기준이 필요해지고, Error 분류시 페널티를 기준으로 분류하는 것이 Bayes classifier이다. Bayes classifier Lowest probability of committing error $x$가 $\omega_{j}$일 확률 $P(\omega_{j}|x)$와 $\omega_{i}$인데 $\omega_{j}$로 분류했을 경우의 loss인 $L_{ij}$를 사용한다. Conditional average risk(loss) $r_{j}(x) = \sum_{k=1} L_{kj} P(\omega_{k}|x)$ Use $P(A)P(B|A..

Descriptor로 Object를 인식하는 방법에 대해 다룬다. 일반적으로 object의 feature를 descriptor로 사용한다. Input pattern에 대해서 pre-defined pattern으로 분류하는 것이 목표이다. Pattern Arrangement Data의 common properties를 표현하는 방법이다. Vector : 제일 많이 사용하는 방식이다. String : primitive의 connectivity를 이용한 방법이다. Structual relationship : ridge properties를 이용한 방법이다. Hierarchical Ordering Decision Theoretic Method Decision function을 이용해 인식하는 방법이다. $d_{..

Image processing에서 segmentation 과정은 매우 중요한 과정이다. Segmentation accuracy가 높을수록 할 수 있는 일이 많아지기 때문이다. Segmentation Method Intensity의 discontinuity와 similarity가 중요하다. 1) Intensity based Threshold-based Edge-based Region-based 2) Information based 3) Data&Learning based 4) Automatic, Semi-automatic, Manual Threshold-based segmentation Region-based와 유사하다. specific intensity value로 thresholding 한다. Post..

Background - Fourier Trasnform use of sinusoids to represent temperature distribution Any continuous periodic signal can be expressed as the weighted sum of sine and cosine waves. Fourier Transform Time domain과 Frequency domain의 전환은 위와 같다. Background의 설명처럼, 어떤 신호도 주기성을 가지는 함수의 조합으로 나타낼 수 있는 점을 이용해, 우리는 신호를 분해할 수 있다. 그림처럼, 어떤 신호가 동일한 주기성을 가지는 sin함수와의 곱을 적분하면, 0이 아닌 값을 가지게 된다. 다른 한편, cosine의 역할은 주..

Filter(mask)를 만들어 Image 좌표마다 적용해, 계산된 결과값을 새로운 Intensity 값으로 교체하는 방법이다. Correlation Image의 모든 지점마다 filter를 적용해, 새로운 이미지를 얻는 과정이다. 가운데가 1이고 나머지가 0인 이미지에 필터를 correlation하면, 180도 뒤집힌 결과를 얻을 수 있다. Convolution Correlation과 같은 과정이지만, filter를 뒤집어서 적용시킨다는 차이가 있다. pre-rotate filter를 사용해 원하는 값을 얻게 된다. 위 결과를 통해, 만약 filter가 symmetric이면 Correlation=Convolution임을 알 수 있다. Correlation과 Convolution f는 symmetric이..

2D Image Fundamentals Pixel마다 Intensity가 저장되어 있는 형태 Intensity는 8bit image라면, 0~255($2^{8}-1$)의 Intensity를 표시할 수 있다. 인간의 눈은 gray scale 기준 6%의 변화가 있을 경우에만, 그 차이를 인식할 수 있다. 그럼에도 간혹 16bit의 고해상도 이미지를 사용하기도 하는데, 이는 의료용으로 level과 window를 이용해 확대해서 보기 위함이다. Image Conversion Histogram Intensity의 분포를 보여주는 plot이다. Image의 intensity 분석시 사용된다. 여러 Image의 histogram은 다음과 같다. Contrast Enhancement 1) Min-Max normali..

1. Main goal of recovery Failure가 발생하기 가장 최근의 DB를 저장 정보는 log에 저장되어 있음 백업된 DB의 copy를 다른 시스템에 저장함 2. Deferred vs Immediate update Deferred(지연갱신) Immediate(즉시갱신) 지연 갱신은 물리적 반영이 바로 되지 않음 UNDO 필요 없음 REDO 필요함 물리적으로 바로 반영됨 UNDO만 필요 (steal/force) UNDO, REDO 필요 (steal/no-force) *steal(즉시), force(전체), no-force(일부) 3. UNDO and REDO operations Undo와 Redo는 equivalent하게 진행한다. 4. Caching Disk block의 buffer로 사용..

1. Concurrency Control Techniques Serializability를 보장하기 위한 규칙이다. Two-phase locking(2PL) Locked (1) / Unlocked (2) Data를 접근했는데 Unlock 상태이면, Lock을 걸고 데이터를 사용한다. 만일 Lock 상태라면, data가 unlock이 될 때까지 기다리는 방식이다. Data의 Lock은 operation을 종료하면서 풀어준다. Lock을 관리하는 subsystem을 필요로하며, DB에 binary lock은 너무 제한적이다. --> Shared/Exclusive read/write lock을 사용한다. read_lock(X), write_lock(X) (exclusive), unlock(X) Lock con..