High-Dimensional Signature Compression for Large-Scale Image Classification

처음으로 논문리뷰를 녹화해봤다. 9p중 1p 떼면 8p보는데 2.5h이 걸렸다. 흐음... 그래도 일부러 엄청 낯선 개념을 골라서 했으니 내가 논문보는 속도를 대충 훑어보는데 8p/2.5h를 기준으로 보면 되겠지? 그래도 최신논문은 바람직하게 이미지 결과가 많아서 아마 페이지당 시간이 줄어들것 같긴하다. 

https://www.youtube.com/watch?v=APiRtQuYeqs&t=10s 

엉망진창일것같음 ㅋㅋ(아직 업로드 중[HD])

https://drive.google.com/file/d/1fKt7Tfz_5BD_AMux6R9Vj0FMzznAzVfl/view?usp=sharing

--

이걸봤더니, 읽고나서 설명하려면 한문장씩하는게 아니라 문단별로 끊어서 해야겠다. 1문단 읽고 끊은다음 3문단을 다시 설명하는 방식으로 하는게 좋을 것 같다. 

 

참조 개념 

  - SVM(Support Vector Machine)

  - SIFT(Scale Invariant Feature Transform)

      -이미지의 크기 회전에 변하지 않는 특징점을 추출하는 알고리즘이다. 크게 4가지로 SIFT과정을 요약할 수 있다.

1. Sclae-sapce extrema detection : 이미지의 크기를 변화시켜 극대, 극소첨을 찾음으로써 keypoint candidate를 검출
2. Keypoint localization : feautre matching시 불안정한 key point를 제거하거나 keypoint위치를 정확하게 위치시킨다. 
3. Orientation assignment : 각 keypoint들의 direction, magnitude 등의 orientation 을 결정한다.
4. Keypoint descriptor : Keypoint를 표현하기 위한 descriptor를 생성한다. 

--scale invariant 하게 하려고 gaussian diff 를 통해 강건한 keypoint를 구하고 rotate inrarient 하게 하려고 keypoint들의 graidnet(방향)를 구하는게 인상깊었다. 

---

출처 : 1. https://ittrue.tistory.com/44

[ML] 5-1. 서포트 벡터 머신(SVM)이란 무엇일까?

https://velog.io/@everyman123/SIFT-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%EC%9D%B4%ED%95%B4%ED%95%98%EA%B8%B0

SIFT 알고리즘 이해하기

https://bskyvision.com/entry/SIFT-Scale-Invariant-Feature-Transform%EC%9D%98-%EC%9B%90%EB%A6%AC

SIFT (Scale Invariant Feature Transform)의 원리