Maxima's Lab

안녕하세요, 오늘은 Tkinter 모듈을 사용하여, GUI 중 Button(버튼)을 생성하는 방법에 대해서 알아보겠습니다. 다음과 같은 과정을 통해 윈도우 창 내에 2개의 프레임을 생성 후 3개의 버튼을 생성하여, 각 버튼을 클릭 시에 2번째 프레임의 Background Color을 Blue, Green, Color로 변환하는 버튼들을 생성해보겠습니다. Window(윈도우) 창을 생성합니다. Frame 2개를 생성합니다. (Frame-1, Frame-2) Frame-2의 Background Color를 변환할 수 있는 함수를 3개(Blue, Green, Red) 생성합니다. Frame-1 내부에 3개의 버튼(Blue, Green, Red)를 생성하며, 이때 위에서 생성한 3개의 함수를 대응시킵니다. fr..

안녕하세요, 오늘은 Tkinter 모듈을 사용하여, GUI 중 Frame(프레임)을 생성하는 방법에 대해서 알아보겠습니다. 다음과 같은 과정을 통해 1개의 윈도우 창 내에 3개의 프레임을 생성해보겠습니다. Window(윈도우) 창을 생성합니다. Frame() 함수를 통해 Frame 3개를 생성합니다. 각 Frame 별 3개의 Label를 적용하여 구별합니다. 최종적으로 3개의 Frame들을 Window(윈도우) 창에 pack 할 때, 각 Frame 별 적당한 간격을 생성합니다 from tkinter import * win = Tk() win.title("Maxima") win.geometry("800x600+200+200") win.resizable(False, False) frame_1 = Frame(..

안녕하세요, 오늘은 Tkinter 모듈을 이용하여 GUI 중 윈도우 창을 생성하는 방법에 대해서 알아보겠습니다. 다음과 같은 3가지 사항들에 대해서 알아보겠습니다. 윈도우(Window) 창 Title 설정 하기 윈도우(Window) 최초 생성 시 위치(x,y)와 사이즈(Width, Height) 조절 하기 윈도우(Window) 사이즈 조절 가능 여부 설정 하기 from tkinter import * win = Tk() win.title("Maxima") win.geometry("800x600+200+200") win.resizable(True, False) win.mainloop() 먼저, from tkinter import * 를 통해 tkinter 모듈을 실행시킵니다. win.title("") : 윈..

오늘은 Tensorflow 내 Math 함수들에 대해서 알아보겠습니다. tensorflow.math 내 사용해 볼 함수들은 다음과 같습니다. tf.reduce_max(), tf.reduce_mean(), tf.reduce_min() : Tensor 내 특정 축(axis)를 기준으로 각각 최대값, 평균값, 최소값을 Tensor로 반환 tf.reduce_prod(), tf.reduce_sum() : Tensor 내 측정 축(axis)를 기준으로 각각 곱하는(더하는) 연산을 하여 Tensor로 반환 # tf.reduce_max(), tf.reduce_mean(), tf.reduce_min() x = tf.constant([[1.0, 0.5, -5.0, 5.0], [0.5, 7.0, -3.0, -9.0]]) p..

오늘은 Tensorflow 내 Math 함수들에 대해서 알아보겠습니다. tensorflow.math 내 사용해 볼 함수들은 다음과 같습니다. tf.abs() : Tensor 내 각 성분들의 절대값을 계산하여 Tensor로 반환 tf.add() : 서로 다른 두 Tensor들의 각 성분들을 더하여 Tensor로 반환 tf.multiply() : 서로 다른 두 Tensor들의 각 성분들을 곱하여 Tensor로 변환 tf.argmax(), tf.argmin() : Tensor 내 특정 축(axis)를 기준으로 각각 최대값과 최소값의 인덱스들을 찾아 Tensor로 반환 # tf.abs() import tensorflow as tf x = tf.constant([-1.5]) print(tf.abs(x)) tf.T..

안녕하세요, 오늘은 Opencv를 활용한 Mouse Event (마우스 이벤트)를 사용하는 방법에 대해서 알아보도록 하겠습니다. 마우스 이벤트를 활용하여 구현해볼 예시는 다음과 같습니다. 1. Mouse의 왼쪽 버튼을 누르는 이벤트를 발생 시 해당 위치 정보를 저장하여 시각화 2. Mouse의 왼쪽 버튼을 누르는 이벤트를 발생 시 기존 Original Image에 있었던 도형을 지우며, 지워진 도형에 대한 위치 정보를 저장하여 시각화 Mouse Event 중 cv2.EVENT_LBUTTONDOWN과 cv2.EVENT_MOUSEMOVE를 이용하여, Black Image에 Mouse의 왼쪽 버튼과 Mouse의 이동에 따른 위치 정보를 White 값으로 시각화하는 예시입니다. import cv2 import ..

오늘은 Deep Learning (딥러닝) 모델에서 많이 사용되는 Loss Function (손실 함수)에 대해서 알아보겠습니다. Cross-Entropy Loss 함수와의 합성 연산을 통해 합성 함수를 만들어서 주로 사용하는 Loss Function들은 다음과 같습니다. Binary Cross-Entropy Loss Categorical Cross-Entropy Loss Sparse Categorical Cross-Entropy Loss 3가지 Loss Function에 대해서 알아보기 전에 Cross-Entropy Function에 대해서 알아보도록 하겠습니다. ※ Cross-Entropy (CE) Function : $CE = - \sum_{i}^{C}t_i\text{log}(s_i)$ (여기서, ..

오늘은 이미지 내 연결 성분들에 대해서 Labelling를 하는 방법인 Connected Component Labelling에 대해서 알아보겠습니다. 해당 알고리즘을 적용하기 위해 Scipy 내 ndimage 패키지의 gaussian_filter() 함수와 label() 함수를 사용합니다. from scipy.ndimage import gaussian_filter() from scipy.ndimage import label() 위의 함수들을 이용해서 하단의 Original Image에 대해 Connected Component Labelling 알고리즘을 적용합합니다. 위의 Original Image 내 총 6개의 서로 다른 도형들이 존재하며, 2개의 사각형들은 연결되어 있는 것을 확인할 수 있습니다. C..