Feature

Subsample

  • 입력된 이미지를 격자 개수 만큼으로 나눠 특징을 추출한다.
  • 이미지를 나눌 격자의 개수(Grid Count)를 설정할 수 있다.
  • 단, learning 이후 학습된 model이 있을 경우에는 변경할 수 없다.

HOG

  • 입력된 이미지의 경계선을 찾고 설정된 크기의 block을 이동시켜 가며 특징을 추출한다.
  • 입력된 이미지를 grayscale로 우선 변환한 후 설정에 따라 Sobel, Prewitt, Roberts edge 중 하나로 경계선을 찾는다.(이 때 threshold ratio는 100%로 한다.) 찾은 경계선 정보에 대해 설정된 크기의 block을 이동시켜 가며 특징을 추출한다.
  • 특징 추출 시 경계선의 세기 정보를 사용할 것인지 여부(Use Edge Magnitude Value)와 block의 크기 정보를 설정할 수 있다.
  • 단, learning 이후 학습된 model이 있을 경우에는 Edge Type을 제외하고는 변경할 수 없다.
  • Block의 크기 정보
  • – Histogram Binning Count : 특징 추출 시 edge 기울기 정보의 그룹화 개수
  • – Pixel Count Per Cell (Pixel) : 특징 추출 시 이동하는 block의 cell을 구성하는 pixel의 개수
  • – Cell Count Per Block (Cell) : 특징 추출 시 이동하는 block을 구성하는 cell의 개수
  • – Stride Distance (Pixel) : 특징 추출 시 이동하는 block의 이동 거리

LBP

  • 입력된 이미지의 각 pixel에 대해 주변 pixel과의 값 차이 정보를 바탕으로 특징을 추출한다.
  • 입력된 이미지를 grayscale로 우선 변환한 후 설정에 따라 이미지 크기를 줄인다. 줄어든 이미지에 대해 16×16 크기의 block을 이동시켜 가며 특징을 추출한다.
  • 입력된 이미지를 변환할 크기(Grid Count)를 설정할 수 있다.
  • 단, learning 이후 학습된 model이 있을 경우에는 변경할 수 없다.
  • 주의 : LBP로 learning 또는 classification을 할 경우 대상 간 특징 정보의 차이가 크지 않기 때문에 learning 시 AI Engine module의 Maximum IF 값을 500 정도의 작은 수로 지정해야 한다.