movie5

Autonomous Drone navigation - 이미 지정된 길을 따라 간다 - IMU와 GPS를 통해서 정보를 얻는다 - drone이 스스로 path랑 drift의 correction을 하면서 closed loop control system을 만들어서 다양한 변수들을 제어하고 사람 없이도 찾아갈 수 있도록 한다 PRobelm - Weakness of GPS GPS는 드론의 위치를 지역화 한다 근데 GPS가 malicius attackers에 당할 수 있다. 그래서 이런 error가 발생해서 정확성이 떨어진다 Proposed System - 자동으로 path를 따라가는데, 드론에 달린 mnocular camera를 통해 visual information을 얻는다 Visaul dataset은 deep..

1. Introduction - network for 6D object pose estimation - 큰 scale의 RGB_D video dataset을 6D objet pose estimation에 사용했다. - SahpeMatch-Loss, 새로운 loss function을 object estimation에 도입했다. 2. Key techincal Concept Semantic labeling - 512 dimension feature maps - original image의 1/8이나 1/16을 사용하니, 64dim convolution layer가 사용됨 - DeConv layer 사용으로 n이 semantic class의 개수가 된다. 나중에는 softmax cross entropy loss..

Goal Synergy를 배운다. pushing과 grasphing 사이의 시너지를 배워서 물건을 잘 집어서 옮기도록 한다 IDEA Learning pushing and join grasphing with RL joint policy가 action을 선택해서 가장 높은 Q를 갖도록 학습한다 Background assumption - 다른 policy간의 synergy를 탐색해보자 - pushing이 grasphing에 끼치는 영향 : cluttered object를 다시 배치할 때 도움이 된다. (arm과 finger사이의 space를 만듦) - Grasphing이 pushing에 끼치는 영향 : object를 다른 곳에 옮기는 거에 도움을 준다. Reinforcement Learning - Agent가..

Drone can solve mobile traffic? Problem - Increasing mobile traffic 은 나중에 드론 교통에 문제가 된다 - offload traffic을 해결하기 위한 대책이 필요하다 DOVE의 목적 1. DATA off loading framework using DUBs Configuration off-load purpose, cellular network를 사용해야한다. spatio-temporal set이 문제를 해결할 수 있다. 그래서 time-prediction이 대두되었다. - Dove의 알고리즘 : offloading 위치를 spatio-temproal set covering problem에 사용했다. 그래서 time-prediction based set..

Intro Navigation : 은 regulated information, path, destination등등을 위해 사용. shortest path를 제공하는 것이 가장 큰 이유 shortest path ? : 시간과 거리 면에서 가장 빨리 목적지에 도착할 수 있는 길 road condition을 따지지 않으면 교통체증에 빠지게 됨 Problem : Individual Optimization 만약 모든 vehicle이 같은 길을 선택해서 shortest way가 되면 더 이상 shortest way가 되지 않고 교통체증에 걸린다 Idea - Global optimization : spreading vehicle traffic uniformly in the road network ex) - Throu..

Fourier Series : - periodic signals can be expressed as a sum of complex exponentials - Frequencies are integer multiples of a fundamental frequency Fourier transform: - Generalization to nonperiodic signals - 1D는 f(x), f(y), 2D는 f(x,y) E = I^2 or V2

smoothing spatial filter : used for blurring and for noise reduction (i) smoothing by linear filtering : sharp transition을 줄이지만 edge를 blur하게 만드는 단점이 있다. 즉 detail을 잃는다. normalizing을 하면서 average filter를 사용한다. moving average smoothing filter 중에 center pixel을 강조하는 kernel도 있다. Example) 3x3, 5x5... 25x25로 갈 수록 더 smoothing해진다. 더 noise를 줄인다. blurring이 된다. Blurring moving average 는 noise를 없에주기도 하지만 small..

1 Histogram matching - Histogram matching을 위해 prespecified histogram을 이용해서 T로 flat하게 만들고 G의 역함수로 equalized image를 넣어서 user specified image를 만들어낸다. A. Continuous grey levels r, z B. Discrete gray levels r_k, z_k - r -> s 로 가는 T(r) 그래프와, z->v로 가는 G(z) 그래프를 그리는데, 대신 G^(-1)을 위해 보는 방향은 v->z로 본다 - s=T(r)이 I보다 위에 있는 건 bright하는 건데, 모든 것이 밝아지면 정보가 적어딘다 그래서 matching을 한다. - G part를 알고 그거에 대해서 I의 대칭을 통해 G-1..

Monotonic Transformation of a Continuous r.v (Output intensity) S=Random Variable=T(r)=(input intensity r) X PDF : Probability density function == nomalized histogram Transforming input intensity x into output y using y=T(X) Fx(X) = CDF : Cumulative distribution funciton T : monotonically increasing : if T(x1) < T(x2) for any x1

Spatial domain vs. Frequency domain Change the intensity of each pixel in order to enhance the image Simplest form : Intensity transform with smallest box 1x1 Some basic gray-level transformation functions used for image enhancement. Gamma Transformation : gamma > 1 : image getting darker Piecewise-Linear Transformation Function S=T(r) 장점 : the form of function 임의적으로 complex할 수 있다. Contrast stre..