0. AbstractSORT는 단순하면서도 효과적인 MOT 알고리즘.본 논문에서는 SORT의 성능 향상을 위해 시각적 외형(appearance) 정보를 추가.이를 통해 물체가 가려지는(occlusion) 구간이 길어져도 같은 ID를 유지하며 추적할 수 있음. -> ID 스위치 문제 줄어듦. 1. Intoductionobject detection 기술의 발전으로 인해, tracking-by-detection 방식이 MOT의 주요 패러다임으로 자리 잡음.SORT는 칼만 필터링과 헝가리안 알고리즘 기반의 단순한 프레임워크로 높은 프레임 속도에서 우수한 성능을 달성.하지만, SORT는 상대적으로 많은 ID switch 문제를 발생, 특히 가림(occulusion) 상황을 통한 추적에 취약함.본 논문에서는 이러한..

컴파일러는 에러를 잡지 않지만 빌드하면 제목과 같은 에러들이 발생. 파일 인코딩 문제로 UTF-8 형식으로 다시 저장하면 된다고 한다.하지만 UTF-8 형식으로 다시 저장해도 오류가 사라지지 않음. 결국 한글 주석을 모두 영어로 바꿔줌 -> 해결.

서로 다른 이미지를 정렬할 때 사용. Motion ModelTranslation (MOTION_TRANSLATION)- 이미지를 (x, y) 이동(translated)한 변환 모델Euclidean (MOTION_EUCLIDEAN)- 이미지를 (x, y) 이동 및 angle 회전한 변환 모델Affine (MOTION_AFFINE)- Affine 변환은 회전, 평행이동(shift), 배율 및 shear의 조합- 정사각형이 Affine 변환을 거치면 평행선은 평행을 유지하지만 직각으로 만나는 선은 직교를 유지하지 않음Homography (MOTION_HOMOHRAPHY)- 위에서 설명한 모든 변환은 2D 변환이지만, 호모그래피 변환은 일부 3D 효과를 설명할 수 있음(전부x)- 호모그래피를 사용하여 변환된 정..

1. NSIS 설치https://nsis.sourceforge.io/Download Download - NSIS nsis.sourceforge.io 2. HM NIS Edit 설치NIS Script를 작성하기 위한 Editor를 설치해야 한다.https://hmne.sourceforge.net/ HM NIS Edit: A Free NSIS Editor/IDEHM NIS EDIT: A Free NSIS Editor/IDE | | | | | | | HM NIS Edit is the best Editor/IDE for Nullsoft Scriptable Install System (NSIS). Its useful for experts and beginners in the c..

ELBO(Evidence Lower BOund)Variatuinal inference(변분 추론)에서 중심적인 역할을 하는 개념확률 모델에서 잠재 변수(latent variable)이 있을 때, 복잡한 사후 분포를 근사하고자 할 떄 사용VAE 같은 딥러닝 기반의 생성 모델에서 핵심적인 역할을 한다 배경잠재 변수(latent variable) $z$를 포함하는 관측 데이터 $x$에 대한 확률 모델에서 사후 분포 $p(z|x)$를 알고 싶을 때,$$p(z|x)=\frac{p(x, z)}{p(x)}=\frac{p(x, z)}{p(x)}=\frac{p(x|z)p(z)}{\int p(x|z)p(z)dz}$$위 식과 같이 사후 분포의 계산은 매우 어렵다.이를 위해 복잡한 $p(z|x)$를 직접 계산하는 대신, 이를..

어떤 반의 100명의 시험 성적 데이터가 아래와 같다 90점 이상 (A)90점 미만 (-A)합계 (B/-B)공부 함 (B)30명20명50명공부 안 함 (-B)10명40명50명합계40명60명100명 결합 확률(Joint probability)$P(A,B)$ or $P(A\cap B)$두 개 이상의 사건(A, B)이 동시에 일어날 확률공부도 하고, 90점 이상인 학생 = 30/100명 = 0.3 조건부 확률(Conditioanl probability)$P(A|B)$B가 주어졌을 때 A가 일어날 확률공부한 학생 중, 90점 이상인 학생 = 30/50 = 0.6 결합 확률과 조건부 확률 관계$P(A,B)=P(A|B)\cdot P(B)$결합 확률 $P(A, B)$는 다음과 같이 조건부 확률과 주변 확률로 나타낼 ..