내 인생에도 예쁜 꽃이 피었으면 좋겠다

http://www.okjsp.net/seq/42447 위 사마귀는 몇 년전 여름에 찍은 사진이고 실험에 사용된 것입니다. 예전에 분명히 이 자료 찾다가 못 찾았는데 결국은 찾았네요. 암튼 열심히 부지런히 웹서핑해야됩니다. ㅋㅋㅋ http://drewnoakes.com/code/exif/ 위 사이트로 가서 metadata-extractor-2.2.2.jar - compiled classes 를 다운받도록 합니다. 그리고 http://drewnoakes.com/code/exif/sampleUsage.html 에서 sample 코드를 참고하도록 합니다. import java.io.File; import java.util.Iterator; import com.drew.metadata.Tag; import co..

http://developer.android.com/design/downloads/index.html DownloadsPREVIOUSNEXTYou may use these materials without restriction to facilitate your app design and implementation.Phone & Tablet StencilsDrag and drop your way to beautifully designed Android apps. The stencils feature the rich typography, colors, interactive controls, and icons found throughout Android, along with phone and tablet out..

글을 어디에 써야할지 몰라서 일단 java에 쓴다.음.. 하이브리드 앱 수정중이고.핸드폰에서 얻은 이미지를(찍거나 이미 찍어둔) 서버에 load할 때96dpi에서 240dpi로 변경해야 한다. 일단 자료 조사.. http://yangga.me/m/post/6 jpeg DPI 변경 "신분증 스캐너" 앱 개발 도중 이미지의 DPI 변경 이슈가 있어 이것저것 R&D를 하였다. 이미지의 Metadata (Exif) 를 수정하면 될 것 같은데, read 가 가능한 코드는 많지만 write가 가능한 코드는 없었다.(하나 발견하였는데 믿음이 안가서 pass) 여러 글을 읽어보니 ImageMagick을 사용하면 되는걸 알게되었으나,공식 홈페이지에서는 java버전만을 제공할 뿐 Android는 따로 제공하지 않았다. (..

http://dimdim.tistory.com/entry/MySQL-%EB%B0%B1%EC%97%85-%EB%B0%8F-%EB%B3%B5%EA%B5%AC * 이 글에서는 mysqldump를 이용한 논리적 백업 과 복원을 위한 내용을 위주로 정리한다. (물리적 백업은 전문 DBA에게 부탁하는게 정신건강에 좋을 것 같다.) 백업 MySQL 데이터를 백업하는 방법은 크게 물리적 백업과 논리적 백업이 있다. 1. 물리적 백업 - 물리적 백업은 MySQL DB의 물리 파일을 백업하는 것이다. - 장점 + 물리적 백업은 속도가 빠르며 작업이 단순하다. - 단점 + InnoDB의 물리적 파일은 상응하는 논리 백업에 비해 상당히 크다. + 데이터 복구시에 문제가 발생할 소지가 있으면 문제발생시 원인파악 및 해결이 어렵..

영상처리에 있어서 기계학습?이 필요할 것 같다. 음.. 아직 더 알아 볼 것이 많다. - 머신러닝의 종류 : 신경망 / 데이터 마이닝 / 의사결정 트리 / 유전알고리즘 / 사례기반 추론 / 패턴인식 / 강화학습... -패턴인식은 오일석 교수님의 책 추천한다고 한다.. -학습 알고리즘으로는 CNN / SVN / bayesian등이 있다고 한다. http://eunwoopark.com/wp/2014/03/24/machine_learning/ 기계학습(Machine Learning) 의 정의 및 종류 최근 몇년간 빅데이터 분석이 각광 받으면서, 빅데이터를 활용하여 분석하는 방법 중 하나인 기계 학습 (Machine learning, 이하 머신 러닝)에 대한 관심 또한 높아지고 있다.머신 러닝이란 인공지능 (A..

http://blog.daum.net/pg365/62 지금까지 로봇 분야에서 일해오면서 RANSAC이라는 말은 여러 번 들은것 같은데, 제대로 파악을 못하고 있다가 SIFT 알고리즘을 분석하면서 자세히 알게되었습니다. 그래서 여기에 간단한 예제와 함께 소개하도록 하겠습니다. 기본개념:RANSAC ("RANdom SAmple Consensus") 알고리즘은 측정 노이즈가 심한 원본 데이터로부터 모델 파라미터를 예측하는 방법으로Fischler 과Bolles에 의해서 제안되었다.RANSAC은 전체 원본 데이터 중에서 모델 파라미터를 결정하는데 필요한 최소의 데이터를 랜덤하게 샘플링하면서 반복적으로 해를 계산함으로써 최적의 해를 찾는다. 이 방법은 전통적인 통계적 방법과는 반대의 개념을 가진다. 즉, 대부분의 ..

http://darkpgmr.tistory.com/61 영상처리 하면서 이 분 블로그는 꼭 다시 읽게 되는듯. 설명도 참 잘하시고.. 역시나 또 도움을 받아야 겠다. 영상처리나 컴퓨터 비전을 하면서 RANSAC을 모르면 간첩일 정도로 RANSAC은 너무나 유명한, 그리고 널리 사용되는 방법이다. RANSAC이 유명한 만큼 이미 인터넷에 관련된 글들이 꽤 있다. 그럼에도 또 이렇게 RANSAC에 대한 글을 쓰는 건 무언가 다른 플러스 알파(?)가 있기 때문일 것이다. 그 플러스 알파가 무엇인지는 이어지는 글을 살펴보도록 하자 ^^ RANSAC 자체는 특정 분야에 국한되지 않는 일반적인 방법론이다. 하지만 본 블로그가 주로 영상처리에 관련된 주제를 다루기 때문에 영상처리 관점에서 이야기를 풀어가고자 한다. ..

http://blog.daum.net/pg365/140 k-d tree(k-dimensional tree)는 k-차원의 공간 내에서 점들을 구성하기 위한 공간 분할 자료구조로 binary tree의 특수한 경우입니다. K-d tree는 다차원의 탐색 키를 사용하는 탐색 알고리즘에 유용하게 사용됩니다. 예를 들자면, SIFT나 SURF로 추출한 특징점들은 높은 차원의 벡터로 표시되는데 이 특징점들을 DB에 저장된 특징점들과 비교하여 유사도가 가장 높은 것을 찾기위해 사용됩니다. Insertionk-d tree에 노드를 삽입하는 방법은 binary search tree와 유사하게 동작합니다. binary search tree의 insertion을 참고하면 이해가 쉽습니다. Searchk-d tree에서 노드..

SURF를 사용한 이미지 ㅇ매칭을 한다. 매칭 이미지를 보면 엉뚱한 곳이 매칭 포인트라며 집어주기도 하고한 곳에 여러 매칭 포인트가 모여있기도 한다. 엉뚱한 매칭 포인트를 줄이는 방법을 찾아봤다. 소스는 아직 없지만 일단 내용정리만 해보려고 한다. http://cafe.naver.com/opencv/27179 - 유클라디언 거리를 이용하는데 실제로 모두를 매칭하게 되면 시간이 너무 오래 걸린다.-> k-트리를 이요해서 트리에서 디스크립터를 넣어두고 비교한다. (k-트리는 가장 유사한 노드끼리의 검색을 손쉽게 할 수 있다.)- 매칭 후에 missmatching딘 것을 inlier와 outlier로 걸어내서 inlier부분만 매칭되게 해야 한다.-> RANSAC , StarSAC 등을 이용 - 보통 특징점 ..

검색어 : engine mysql 테이블을 만들어야 해서 기존의 스크립트를 보니 ENGINE=MyISAM 이런게 쓰여 있어서 찾아보게 됨 [ MYSQL ] table 의 ENGINE 설정 (MEMORY, InnoDB, MyISAM) http://shonm.tistory.com/category/MY-SQL/table%20%EC%9D%98%20ENGINE%20%EC%84%A4%EC%A0%95 MYSQL 에서는 Table 마다 다른 ENGINE 을 사용 할 수 있다. 사용 할 수 있는 ENGINE 에 대해서 간단히 특징을 설명 하자면 MyISAM : 읽기 위주 요청에 높은 성능 테이블 단위로 locking (트랜잭션 안됨) InnoDB : 트랜잭션 지원 빈번한 수정, 삭제시 처리 능력 뛰어남 디스크, 전원 등..