티스토리

kimsangmin.log
검색하기

블로그 홈

kimsangmin.log

xangmin.tistory.com/m

대학원생 개인블로그 입니다. 오디오 신호처리와 머신러닝 딥러닝을 공부하고 있습니다.

구독자
8
방명록 방문하기
공지 대학원생 tistory 블로그 시작하⋯ 모두보기

주요 글 목록

  • [Python] 2D 이미지 FFT 적용하기 python에서 2D 이미지에 FFT를 적용해서 Spectrum으로 바꾸어 보려고 한다. 2D 이미지는 크게 RGB-scale과 Gray-scale로 나뉘는데 각각의 방법에 따라 진행해보자. 먼저 Gray-scale을 보면 다음과 같다. import numpy as np import cv2 from matplotlib import pyplot as plt from PIL import Image img = cv2.imread('./lena_color.png', 0) dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dft_shift = np.fft.fftshift(dft) magnitude_spectrum1 = 20*np.log(cv2.magni.. 공감수 1 댓글수 2 2022. 10. 5.
  • 멀티 프로세스(Multi-Process) 사용하기 with Python 멀티 프로세스(Multi-Process)를 사용하고자 한다. 멀티 프로세스 사용하기 1. 멀티 프로세스 아래의 함수를 4번 실행한다고 가정한다. 이 함수는 1초간 잠들었다가 깨어나는 동작을 수행한다. def do_something(): print('1초간 잠을 잡니다...') time.sleep(1) print('잠에서 깨었습니다...') 이 함수를 4번 실행해보자. 이 때, 실행 완료 시간은 대략 4초가 걸릴 것이다. import time def do_something(): print('1초간 잠을 잡니다...') time.sleep(1) print('잠에서 깨었습니다...') if __name__ == '__main__': start = time.perf_counter() for _ in range(.. 공감수 0 댓글수 0 2022. 7. 7.
  • [Python] 히스토그램 변환 with OpenCV 히스토그램은 도수 분포표를 그래프로 나타낸 것이다. 다시 말해, 무엇이 몇개 있는지 개수를 세어 놓은 것을 그래프로 나타낸 것을 의미한다. 미지의 픽셀값을 히스토그램으로 표시하는 것은 이미지를 분석하는 데 도움된다. 예를 들어 전체 이미지에서 픽셀 값이 1인 픽셀이 몇 개이고, 2인 픽셀이 몇 개이고, 255인 픽셀이 몇 개인지까지 세는 것이다. 이렇게 함으로써 픽셀들의 색상이나 명암의 분포를 파악할 수 있다. 흑백 사진과 색상 이미지의 히스토 그램을 비교해보자. OpenCV에서는 cv2.calcHist()라는 함수를 통해 히스토그램을 구현할 수 있다. cv2.calHist(img, channel, mask, histSize, ranges) - img: 이미지 영상, [img]처럼 리스트로 감싸서 전달 .. 공감수 0 댓글수 0 2022. 6. 23.
  • 멀티 프로세스(Multi-Process) 응용하기 with Python 블로그를 참고해서 멀티 프로세스(Multi-Process)를 응용하고자 한다. 멀티 프로세스응용하기 1. 싱글 프로세스를이용한이미지 다운로드 사용할 이미지는 Corey Schafer의 Python Threading Tutorial에서 가져온 15장 이미지를 사용한다. 주어진 이미지는 고해상도 이미지를 사용하며, 다운로드에 약간 시간이 소요된다. import time import concurrent.futures import os from PIL import Image, ImageFilter img_names = [ 'photo-1516117172878-fd2c41f4a759.jpg', 'photo-1532009324734-20a7a5813719.jpg', 'photo-1524429656589-6633a4.. 공감수 0 댓글수 0 2022. 5. 19.
  • 멀티 스레드(Multi-Thread ) 응용하기 with Python 블로그를 참고해서 멀티 스레드(Multi-Thread)를 응용하고자 한다. 멀티 스레드 응용하기 1. 싱글 스레드를 이용한이미지 다운로드 사용할 이미지는 Corey Schafer의 Python Threading Tutorial에서 가져온 15장 이미지를 사용한다. 주어진 이미지는 고해상도 이미지를 사용하며, 다운로드에 약간 시간이 소요된다. import time import os import requests img_urls = [ 'https://images.unsplash.com/photo-1516117172878-fd2c41f4a759', 'https://images.unsplash.com/photo-1532009324734-20a7a5813719', 'https://images.unsplash.co.. 공감수 0 댓글수 0 2022. 5. 19.
  • 멀티 스레드(Multi-Thread ) 시작하기 with Python 파이썬으로 멀티 스레드(Multi-Thread)를 구현하는 방법에 대해서 살펴보고자 한다. 1. 싱글 스레드 import time def do_something(): print('Sleeping 1 seconds') time.sleep(1) print('Done Sleeping...') if __name__ == '__main__': start = time.perf_counter() for _ in range(10): do_something() finish = time.perf_counter() print(f'Finished in {round(finish-start, 2)} second(s)') 위 코드는 do_something 함수를 10번 실행하는 코드이고 time.perf_counter() 함수를 .. 공감수 0 댓글수 0 2022. 5. 19.
  • 멀티 프로세스 vs 멀티 스레드 1. 프로세스 1) 프로세스란? 메모리에 적재되어 CPU 자원을 할당 받아 실행되는 프로그램. 2) 할당받는 시스템 자원 CPU 시간 주소 공간 Code, Data, Stack, Heap 구조로 된 독립된 메모리 영역 3) 프로세스 특징 프로세스는 각각 독립된 메모리영역(code, data, heap, stack)을 할당받으며, 다른 프로세스의 변수나 자료구조에 접근 불가하다. 다른 프로세스의 자원에 접근하려면 파이프, 파일, 소켓 등을 이용해 통신해야한다. 프로세스는 최소 1개의 메인 스레드를 갖고 있다. 2. 스레드 1) 스레드란? 프로세스의 작업단위. 2) 스레드 특징 프로세스 내에서 stack만 따로 할당받고, code, data, heap 영역은 공유한다. 한 스레드가 프로세스 자원을 변경하면,.. 공감수 0 댓글수 0 2022. 5. 18.
  • [Python] 타입 어노테이션/힌트 파이썬 동적 프로그래밍 언어 동적(dynamic) 프로그래밍 언어인 파이썬에서는 인터프리터(interpreter)가 코드를 실행하면서 타입(type)을 추론하여 체크한다. 또한 파이썬에서 변수의 타입(type)은 고정되어 있지 않기 때문에 개발자가 원하면 자유롭게 바꿀 수 있다. >>> no = 1 >>> type(no) >>> no = "1" >>> type(no) 위 코드를 보면 no 변수의 타입이 처음에는 int였다가 str으로 바뀐 것을 알 수 있다. 자바와 같은 정적(static) 프로그래밍 언어에서는 상상도 하기 힘든 일이며 이런 코드는 컴파일(compile)조차 되지 않는다. /* java */ int no = 1; no = "1"; // compile error!! 이렇게 유연한 파이썬의 .. 공감수 0 댓글수 0 2022. 4. 11.
  • [Python] 캡슐화 캡슐화 - 객체의 일부 구현 내용을 외부 접근으로부터 막기 위함 - 객체의 속성과 행동을 하나로 묶기 위함 class Citizen: """주민 클래스""" drinking_age = 19 def __init__(self, name, age, resident_id): """이름, 나이, 주민등록번호""" self.name = name self.age = age self.resident_id = resident_id def authenticate(self, id_field): """본인이 맞는지 확인하는 메소드""" return self.resident_id == id_field def able_to_drink(self): """음주 가능 나이인지 확인하는 메소드""" return self.age >= C.. 공감수 0 댓글수 0 2022. 4. 8.
  • [Python] 추상 클래스 사용하기 (@abstractmethod) 파이썬은 추상 클래스(abstract class)라는 기능을 제공한다. 추상 클래스는 메서드의 목록만 가진 클래스이며 상속받는 클래스에서 메서드 구현을 강제하기 위해 사용한다. 먼저 추상 클래스를 만들려면 import로 abc 모듈을 가져와야 한다( abc는 abstract base class의 약자). 그리고 클래스의 ( )(괄호) 안에 metaclass=ABCMeta를 지정하고, 메서드를 만들 때 위에 @abstractmethod를 붙여서 추상 메서드로 지정한다. 여기서는 from abc import *로 abc 모듈의 모든 클래스와 메서드를 가져온다. 만약 import abc로 모듈을 가져왔다면 abc.ABCMeta, @abc.abstractmethod로 사용해야 한다. 그럼 학생 추상 클래스 St.. 공감수 1 댓글수 0 2022. 4. 7.
  • [Python] 데코레이터 사용하기 파이썬은 데코레이터(decorator)라는 기능을 제공한다. 데코레이터는 장식하다, 꾸미다라는 뜻의 decorate에 er(or)을 붙인 말인데 장식하는 도구 정도로 설명할 수 있다. 지금까지 클래스에서 메서드를 만들 때 @staticmethod, @classmethod, @abstractmethod 등을 붙였는데, 이렇게 @로 시작하는 것들이 데코레이터이다. 데코레이터 만들기 데코레이터는 함수를 수정하지 않은 상태에서 추가 기능을 구현할 때 사용한다. 예를 들어서 함수의 시작과 끝을 출력하고 싶다면 다음과 같이 함수 시작, 끝 부분에 print를 넣어주어야 한다. def hello(): print('hello 함수 시작') print('hello') print('hello 함수 끝') def world.. 공감수 0 댓글수 0 2022. 4. 7.
  • [Python] 프로퍼티 (Property) 사용하기 (2/2) class Citizen: def __init__(self, age_value): self._age = age_value @property def age(self): print("나이를 리턴합니다.") return self._age @age.setter def age(self, age_value): print("나이를 새로 설정합니다.") self._age = age_value citizen = Citizen(20) print(citizen.age) 위 코드에서 마지막 줄에 있는 citizen.age 이 부분이 실행될 때 age 변수의 값을 읽는 것이 아니라 바로 아래의 age 메소드가 실행된다. age 메소드 위에 붙은 @property 데코레이터 때문이다. 코드의 실행결과는 아래와 같다. 나이를 리턴.. 공감수 0 댓글수 0 2022. 4. 7.
  • [Python] 프로퍼티 (Property) 사용하기 (1/2) 파이썬에서 사용되는 프로퍼티 (Property)에 대해 알아보자. class Citizen: def __init__(self, age_value): self._age = age_value def get_age(self): print("나이를 리턴합니다.") return self._age def set_age(self, age_value): print("나이를 새로 설정합니다.") self._age = age_value citizen = Citizen(20) print(citizen.get_age()) citizen.set_age(25) print(citizen.get_age()) 시민을 나타내는 Citizen 클래스이다. Citizen 클래스는 _age 라는 나이를 나타내는 인스턴스 변수와 get_age.. 공감수 0 댓글수 0 2022. 4. 7.
  • [Python] numpy 패키지를 이용하여 FFT 하기 Numpy에 내장함수를 이용하여 간단하게 FFT를 해보자. 다음과 같은 음원 중 일부를 가지고 FFT를 진행한다. # linear scale import matplotlib.pyplot as plt import librosa import numpy as np wav_file = '파일경로/파일명' wav, sr = librosa.load(wav_file,sr=16000) # 음원에서 FFT 시작점, N-point는 320 start = int(sr * 0.3) end = start + 320 wav = wav[start:end] signal = np.fft.fft(wav) signal = signal ** 2 / len(signal) plt.plot(abs(signal)) plt.xlabel("bin").. 공감수 1 댓글수 1 2021. 7. 28.
  • [Windows] 에서 파이썬 설치하기 1. 공식 홈페이지에서 인스톨러 다운 파이썬 공식 홈페이지(http://www.python.org/downloads)에서 다음과 같이 다운로드한다. 버전은 가장 최신 버전으로 python 3.9.1 버전의 인스톨러를 다운받았다. 2. 인스톨러 실행 인스톨러를 실행한 후 파이썬이 어느 곳에에서든지 실행될 수 있도록 "Add Python 3.9 to PATH" 옵션을 반드시 선택한다. 다음으로 "Install Now"를 클릭한다. 3. 설치 확인 다음과 같이 설치된 것을 확인할 수 있다. 공감수 0 댓글수 0 2021. 1. 16.
  • cnn example # Lab 11 MNIST and Convolutional Neural Network import tensorflow as tf import random # import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data tf.set_random_seed(777) # reproducibility mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # Check out https://www.tensorflow.org/get_started/mnist/beginners for # more information about the mnist dataset .. 공감수 0 댓글수 0 2020. 4. 20.
  • TensorFlow를 이용해서 MNIST 숫자 분류를 위한 Convolutional Neural Networks(CNNs) 구현해보기 # -*- coding: utf-8 -*- # Convolutional Neural Networks(CNNs)를 이용한 Deep MNIST 분류기(Classifier) # 절대 임포트 설정 from __future__ import absolute_import from __future__ import division from __future__ import print_function # 필요한 라이브러리들을 임포트 import argparse import sys from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf FLAGS = None def deepnn(x): """숫자를 분류하기 위한 Deep Neural .. 공감수 1 댓글수 0 2020. 4. 13.
  • Tensorflow를 이용한 Deep Neural Network 기본 예제 Deep Neural Network의 기본 예제를 Tensorflow를 통해 다루어 보고자 한다. Training Data인 입력 A가 가우시안 랜덤 분포를 따른 Neural Network를 거치면서 Target인 B를 출력하게 된다. (Feedforward) 우리는 이것을 Database(DB)로 사용할 것이다. DB의 Neural Network와 다른 Training할 Neural Network를 만든다. (Weight, Bias를 가우시안 랜덤으로 다시 초기화한다.) 그리고 입력 A와 출력 B를 가지고 새로운 Neural Network를 Training한다. (Weight, Bias Update) 그리고 Cost가 제대로 수렴하는지 확인하고 수렴한다면 그 때의 Weight와 Bias값을 기존 DB .. 공감수 0 댓글수 0 2020. 4. 13.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.