산책길에 마주친 무지개 구름 (채운 Cloud iridescence)

 


우연히 마주친 무지개 구름...

댓글

댓글 쓰기

이 블로그의 인기 게시물

쉽게 설명한 파티클 필터(particle filter) 동작 원리와 예제

이미지
파티클 필터(particle filter)는 칼만 필터(kalman filter) 와 마찬가지로 노이즈가 있는 환경에서 측정된 데이터를 필터를 사용해 실제 위치를 추정하는 도구다. 파티클 필터(particle filter)는 보통 가우시안 분포가 아닌 측정 데이터를 다루기 위해 사용된다고 한다. 물론 가우시안 분포의 데이터에서 사용하지 말라는 건 아니다.  본 포스트에서는 파티클 필터(particle filter)의 어려운 수학적인 내용은 제하고, 쉽게 예를 들며 필터의 동작원리에 대해 알아보았다. 파티클 필터(particle filter)에 대해 검색해 보면 아래와 같은 그림을 많이 보게 된다. 아래 그림은 파티클 필터의 estimation cycle을 도식화한 것이다. <’Real-Time Tracking of Multiple Moving Objects Using Particle Filters and Probabilistic Data Association’ original scientific paper 中> 위 그림의 검은색 원들은 particle을 의미한다. 이 particle에는 보통 위치 데이터와 weight가 포함된다. 검은색 원이 큰 것이 있고 작은 것이 있는 이유는 weight가 크고 작음을 의마한다. typedef struct _particle_t {    int x;    int y;    float weight; }particle_t; 노이즈가 있는 환경에서 레이저 센서나 레이더등을 이용하여 물체의 위치를 측정할 때를 가정해 순서대로 이 필터가 동작하는 과정에 대해 알아 보겠다. (순서는 위 그림과 조금 다르다) 1. 초기 상태 측정 범위안에 랜덤 혹은 일정한 간경으로 particle을 뿌려 놓는다. 이 떄 particle...
자세한 내용 보기

간단한 cfar 알고리즘에 대해

이미지
Constant False Alarm Rate (CFAR)은 기본적으로 테스트하고자 하는 위치의 cell과 주변 cell의 관계를 보고 테스트 cell이 Target 인지 아닌지를 구분하는 알고리즘이다. 주변 cell과의 관계를 어떤 방식으로 비교하는가에 따라 여러가지 알고리즘이 존재한다. CA-CFAR, GO-CFAR, SO-CFAR, OS-CFAR, VI-CFAR, OSVI-CFAR등이 있다. 이 많은 알고리즘 중 간단하고 기본적인 CA-CFAR과 OS-CFAR에 대해 알아보자. CA-CFAR (Cell Average CFAR)   CA-CFAR의 원리는 위 그림과 같다. 좌우의 Reference Cell의 평균에 Scale Factor T를 곱하고, ADT (Average Decision Threshold)를 합하여 CUT가 타겟인지 아닌지를 구분한다. ADT는 신호의 white noise를 고려하기 위해 더해준다. Scale Factor T와 ADT는 아래와 같은 공식으로 사용할 수 있다. 사용하려는 시스템에 따라 공식은 달라질 수도 있다.   Pfa는 False Alarm 발생 확률을 나타내고, M과N는각 좌우의 Reference Cell의 개수를 나타낸다. OS-CFAR (Order Static CFAR)   OS-CFAR의 원리는 위 그림과 같다. 좌우의 reference cell중 K번째 큰 값의 cell을 Reference Cell의 대표 값으로 정해 CUT가 타겟인지 아닌지를 구분한다. 보통 전제 reference cell의 크기 순에서 (3*N)/4 번째 cell이 성능이 좋다고 알려져 있다. CFAR 사용 예 아래 사진은 위 두 cfar을 사용한 예다. 파란색은 신호이며, 붉은 색은 char을 사용해 만든 threshold이다. 이 threshold보다 큰 값의 신호가 있는 위치에 실제 Tar...
자세한 내용 보기

구글 블로그 글 목록 (post list) 수정 버전

이미지
google blogger 글 목록(post list) 자바 스크립트 수정버전. 원 스크립트 파일은 아래에서 받았다. 두 군데 모두 스크립트내용이 동일해 누가 원작자인지는 모르겠다. http://cremazer.blogspot.com/2013/09/blogger-post-list.html https://poisongodf.blogspot.com/2014/11/blog-post_28.html 수정 내용 - 리스트 항목 클릭 시 summary를 보여주던 문제를 포스트 페이지로 바로 이동하도록 수정 스크립트는 Blogger:레이아웃 > 가젯 추가 > HTML/JavaScript를 추가한 후 콘텐츠에 스크립트를 복사해 붙여 넣으면 된다.  수정된 스크립트 <div class='refer_box'>     <div align="left" id="posts"></div>     <div align="center" id="posts-pgno" style="cursor: pointer;"></div> </div> <script language="Javascript" type="text/javascript"> var request = {     parameter: function(name) { return this.parameters()[name];},     parameters: function()     {         var result = {};       ...
자세한 내용 보기

windows용 trace 함수 예제

windows visual c++에서 로그를 출력할 때 사용하는 trace 함수 예제이다. 문자 집합은 유니코드용으로 되어있다. bool _trace (TCHAR * format , ...) { TCHAR buffer [1000]; va_list argptr ; va_start( argptr , format ); vswprintf( buffer , format , argptr ); va_end( argptr ); OutputDebugString( buffer ); return true; }
자세한 내용 보기

Keras 모델 가중치 weights 파라미터 가져오기 설정하기 저장하기 및 불러오기

이미지
Keras 모델의 가중치(weights) 파라메터 검색, 설정, 저장 및 불러오기 정리 관련 포스트다. keras model에서 가중치(weights) 가져오기  Model.get_weights() return:   - 모델의 가중치 배열 Keras model에 가중치(weights) 설정하기 Model.set_weights(weights) argument:  - weights : numpy 배열의 가중치 Keras model의 가중치(weights) 파일로 저장하기 Model.save_weights(filepath, overwrite=True) arguments:  - filepath : 저장할 파일 경로, HDF5 형식으로 저장된다.  - overwrite : 덮어쓰기 여부 파일에서 Keras model 가중치(weights) 불러와 설정하기 Model.load_weights(filepath, by_name=False, skip_mismatch=False, reshpae=False) arguments:  - filepath : 가중치 파일의 경로  - by_name : 이름 또는 토폴로지 순서로 가중치를 로드 할지 여부를 나타낸다.  - skip_mismath : 가중치 개수나 모양이 일치하지 않는 레이어를 건너 뛸지에 대한 여부를 나타낸다. (by_name이 True인 경우)  - reshape : reshape 여부를 나타냄 예제 코드 from keras.layers import Input, Dense, Dropout, regularizers from keras.models import Model, load_model, save_model from keras.optimizers import Adam def build_model(i...
자세한 내용 보기