컴퓨터비전 (11) 썸네일형 리스트형 [Object Detection+Tracking] Yolov4+DeepSort Demo Yolov4로 이미지 내의 물체를 검출, 분류하고 DeepSort로 추적하는 프로젝트입니다. Windows10에서 anaconda를 활용하여 실행했습니다. 1. 프로젝트 다운로드 깃허브 페이지에서 프로젝트를 다운받고 적당한 위치에 압축 해제합니다. github: https://github.com/theAIGuysCode/yolov4-deepsort 2. Anaconda 가상 환경 설정 Anaconda Prompt를 실행하고 프로젝트의 압축 해제한 위치로 이동합니다. cd conda-gpu.yml을 읽어와서 Anaconda 가상 환경을 설정합니다.(gpu가 없을 경우 conda-cpu.yml 사용) conda env create -f conda-gpu.yml 가상 환경 설정 완료 후 conda activa.. 코사인 거리(Cosine distance) 두 벡터 간의 각도 차이로 유사한 정도를 구하는 방법이다. 0~1 사이의 값이 나오게된다. 두 벡터가 직교이면 D = 1로 가장 유사성이 없다고 판단한다. 두 벡터가 비슷한 방향일수록 D가 0에 가까워지므로 유사하다고 판단한다. $$ D = 1 - \frac{X \cdot Y}{||X|| \times ||Y||}$$ D : 코사인 거리 X, Y : 코사인 거리를 구하고자 하는 각각의 벡터들 https://euriion.com/?p=548 Cosine Similarity - 코사인 유사도 - 토탈 데이터 과학 블로그 - Total Data Science 코사인유사도,Cosine Similarity,벡터 내적 euriion.com 마할라노비스 거리(Mahalanobis distance) 결과값에 분산이 반영된다. 따라서 다변량(Multi variables)의 데이터 분포와의 거리를 구할 때 유클리디언 거리보다 유용할 수 있다. 다변량이므로 공분산 행렬이 적용된다. $$ D^2=(X-M)^{T}\cdot C^{-1}\cdot(X-M) $$ D: 마할라노비스 거리 X: 관측값 M: 데이터 분포의 평균 C: 데이터 분포 간의 공분산 행렬 공분산 행렬의 역행렬(precision matrix)이 사용되는데 전체 데이터 분포에 대해 조건적 독립(요소가 0일 때)적인 특징을 거리에 반영할 수 있기 때문이다. https://stephens999.github.io/fiveMinuteStats/normal_markov_chain.html Multivariate normal: the precision ma.. 이전 1 2 다음
