주요 개념 BLE RSSI(Received Signal Strength Indicator) RSSI(Received Signal Strength Indicator) 방식은 실내 위치 측위를 위한 가장 간단한 방법으로 많이 사용되는 위치 측위 방법 중에 하나이며, RSS는 수신기에서 수신되는 실제 신호 전력 강도이며 일반적으로 데시벨-밀리와트(dBm) 또는 밀리와트(mW) 단위로 측정된다. 이 용어는 Bluetooth에서만 쓰이는 단어는 아니고 RF 신호를 사용하는 모든 시스템에서 사용되고 있는데, LTE 모뎀과 같은 통신 모듈에서도 RSSI라는 단어를 사용한다. RSSI값은 송신기(Tx)와 수신기(Rx) 장치 사이의 거리를 추정하는 데 사용할 수 있다. RSS 값이 높을수록 Tx와 Rx 사이의 거리가 ..
이미지에서 전처리를 해주거나 딥러닝 모델에 학습시키기 위해 ROI(Region Of Interest)라는 관심영역 설정이 필요하다. 이는 이미지에서 좌표로 직접 지정해주거나 selectROI 또는 selectROIs라는 OpenCV의 함수를 사용하여 쉽게 추출할 수 있다. 좌표 지정 좌표 지정은 roi = image[y:y+h, x:x+w]와 같이 작성해주면 된다. import cv2 img = cv2.imread('brokenEgg.jpeg') x = 232 w = 231 y = 310 h = 182 roi = img[y:y+h, x:x+w] color = (0, 255, 0) thickness = 5 cv2.rectangle(img=roi, pt1=(0, 0), pt2=(w, h), color=col..
주요 개념 모아레(Moire) 퓨리에 변환(Fast Fourier Transform, FFT) LPF(Low Pass Filter) 모아레(Moire) 현상은 선이나 점이 반복되는 물체(보통 의류)를 촬영할 때 생기는 현상을 말한다. 모아레 현상은 ‘맥놀이 현상’에 빗대어 설명하기도 하는데 이는 빛 또한 소리와 같이 파동의 성질을 갖고 있기 때문이다. 맥놀이 현상이란 진동수가 비슷한 두 개의 파동이 서로 영향을 미쳐 진동수의 폭이 일정한 주기로 변하는 현상이다. 예를 들어 큰 종을 치면 처음에는 큰 소리가 나지만 시간이 지날수록 소리가 커지고 작아지기를 반복하는 현상이 있다. 범종은 두꺼워 종을 칠 때 2개 이상의 진동수를 가진 소리가 만들어지는데, 이 소리들은 서로 간섭한다. 위상이 같을 때는 소리가 ..
BLE 기능을 사용하는 앱을 설계하며 블루투스와 BLE는 이름만 비슷한 다른 방식이라는 것을 알게 되었다. 블루투스(Bluetooth)우선 블루투스(Bluetooth)는 버전별로 아래와 같은 차이가 있다. BT 1.x 버전은 가장 초기에 나온 1.0부터 2002년에 등장한 1.1을 거쳐 1.2까지 개선하였다.1.0 버전에는 블루투스 기기에서 볼륨 조절 등을 가능하게 해주는 AVRCP 기능 포함하여 출시되었다. 하지만 1.0 버전은 초창기 규격으로 속도나 안정성의 문제가 있었다. 대표적으로 2.4Ghz의 주파수를 사용하고 무선 랜(802.11b/g)도 2.4Ghz대의 주파수를 같이 사용하므로 동시 사용에 따른 충돌 관련 문제 등이 있다. 이후 1.1 버전~1.2 버전 업데이트를 통해 안정성과 보안 그리고..
블러링(Blurring) 이미지 블러링(Blurring)이란 이미지의 고주파 부분을 조금 더 자연스럽게 바꾸어줄 수 있는 방법이다. 이를 이해하기 위해 주파수에 대한 설명이 필요하다. 영상에서 고주파는 이미지의 색의 차이가 큰 부분이고, 저주파는 색의 차이가 적은 부분을 의미한다. 또한 상대적 고주파만 통과시키기 위한 LPF(Low Pass Filter)와 상대적 저주파를 제거해주기 위한 HPF(High Pass Filter)가 있는데, 블러링은 LPF를 통해 고주파에 해당하는 부분을 매끈하게(smoothing) 하게 보이도록 만드는 효과를 낸다. 사실 이미지 상에서 픽셀의 값은 공간적으로 느리게 변한다. 따라서 픽셀 간의 상관관계(correlation)가 크다. 이를 Slow Spatial Variat..
주요 개념 데이터 증대(Data Augmentation) Salt Pepper 노이즈 이미지 분류 수행을 위한 딥러닝 모델을 만들 때 항상 학습시킬 데이터가 부족하다. 라벨링도 굉장히 귀찮다. 따라서 데이터 증대(Data Augmentation) 작업을 통해 데이터 양을 늘려주는 것이 중요하다. 마구잡이로 오목렌즈, 볼록렌즈 효과 등을 사용해 데이터를 왜곡하기보단 지금 소개할 Salt Pepper 노이즈를 추가하거나 블러링(Blurring), 반전(Flip)과 화질 저하와 같은 여러 방법을 통해 데이터 증대를 수행할 수 있다. 물론 데이터 특성(feature)에 맞는 방식을 채택해야 한다. 만약 OCR을 수행해야하는데 5를 상하 반전하여 된 데이터셋을 사용하면 2와 혼동될 수 있어 원하지 않는 결과가 나..
