개강한 공대생 개강한 공대생

Global Thresholding이란 이미지 전체에 하나의 임계값(Threshold)을 정해서 이미지를 나누는 방법이다. 기본 방법은 초기 임계값(T)을 설정한다. 대충 처음에 값 하나 잡는 거다. 그 임계값(T)을 사용해서 이미지를 두 그룹으로 나눈다. 하나는 객체, 나머지는 배경각 그룹의 평균 값(m1, m2)을 계산한다. 새로운 임계값을 T = 0.5 * (m1 + m2)로 계산한다. 즉, 두 그룹의 평균을 더하고 반으로 나누는 거다.마지막으로, 2~4단계를 반복해서 임계값이 더 이상 크게 변하지 않을 때까지 계산한다. 또한 Otsu's method를 이용해 글로벌 쓰레솔딩을 찾을 수 있느데 이는 이미지에서 최적의 임계값을 자동으로 찾아주는 방법이다.이 방법을 통해 클래스들(객체와 배경)이 명확하..

splice는 삭제, 추가, 교체 등 여러 작업을 한 번의 호출로 수행할 수 있어 매우 유용한 메서드다. 다음은 splice로 삭제하는 코드다.this.images.splice(index, 1); 이와 같이 splice 함수가 사용됐다고 해보자.이 함수는 images 배열 중 현재 선택된 index의 요소 1개를 삭제해준다.this.images.splice(index, 2);그럼 만약 이렇게 인자를 2로 두면 어떻게 될까?그러면 index와 index+1의 요소가 삭제되게 된다. 다음은 요소 추가하는 코드splice(2, 0, 'grape', 'kiwi')인덱스 2 위치에 새로운 요소들을 추가한다. 0은 제거할 요소가 없음을 나타낸다. 다음은 요소 교체 코드splice(1, 2, 'mango', 'ora..

forEach는 자바스크립트의 내장 메서드다.이 메서드는 배열의 각 요소에 대해 주어진 함수를 실행한다. 기본 구문은 다음과 같다.array.forEach(function(currentValue, index, arr), thisValue) currentValue: 현재 처리 중인 배열의 요소index: 현재 처리 중인 요소의 인덱스 (선택적)arr: forEach를 호출한 배열 (선택적)thisValue: 콜백 함수 내에서 this로 사용될 값 (선택적)  이전의 FormData 객체의 예시 코드에서도 나오는데this.uploadedImages.forEach(file => {   formData.append('photos', file); }); this.uploadedImages: 순회할 배열 (업로드된..

FormData 객체는 자바스크립트에서 지원하는 내장 객체이다.HTML 폼 데이터를 쉽게 구성하고 전송할 수 있게 해주는 인터페이스다. 주로 파일 업로드를 할 때 사용한다. 주요 메서드:append(name, value): 새로운 값을 추가delete(name): 지정된 키의 값을 삭제get(name): 지정된 키의 첫 번째 값을 반환getAll(name): 지정된 키의 모든 값을 배열로 반환has(name): 지정된 키가 존재하는지 확인set(name, value): 새로운 값을 설정다음은 예시다.const formData = new FormData(); this.uploadedImages.forEach(file => { formData.append('photos', file); }); 여러 이미지 ..

===는 엄격한 동등 비교 연산자다.두 값의 타입과 값이 모두 같을 때 참을 반환한다. ==와의 차이는==는 느슨한 동등 비교 연산자로, 타입 변환을 수행한 후 값을 비교한다.===는 타입 변환을 수행하지 않고 비교한다. 예시5 === 5    // true 5 === '5'  // false (숫자 5와 문자열 '5'는 타입이 다름) 5 == '5'   // true (타입 변환 후 비교하므로 true) 이를 쓰는 이유는 예상치 못한 타입 변환 오류를 감지할 수 있다.

초기하 분포에서 첫 번째 시도에서 성공할 확률 p는 r/N이다.여기서 r은 성공으로 분류된 요소의 수, N은 전체 모집단의 크기다.만약 모집단의 크기 N이 매우 커지면, 한 번 뽑을 때 성공 확률의 변화가 거의 없게 된다.이때는 초기하 분포가 이항 분포처럼 행동하기 시작한다. 예를 들어, 공이 2개 든 상자에서 초기하 분포를 사용한다고 하면, 첫 번째 공을 뽑은 후에 두 번째 공을 뽑을 확률은 이미 거의 정해져 있다.첫 번째 공을 뽑고 나면 남은 공은 하나뿐이니까 확률이 크게 달라지지 않겠지? 하지만 공이 1000개 있는 상자에서 한 개를 뽑는 상황을 생각해 보자. 이때 첫 번째 공을 뽑았다고 해서 다음 공을 뽑을 확률이 극적으로 변하지는 않는다.1000개 중에서 1개를 뽑는 확률과 999개 중에서 1개..

베르누이 분포는 딱 한 번의 성공과 실패를 다루는 상황에서 사용된다. 이항분포는 여러 번의 독립적인 베르누이 실험을 합친 분포다.즉, 베르누이 실험을 여러 번 반복했을 때, 성공한 횟수에 대한 분포다.n번의 독립적인 베르누이 실험에서, 성공이 몇 번 나올지를 다루는 분포라고 볼 수 있다.성공 확률이 p, 실패 확률이 1−p인 상황에서, 총 n번의 실험을 한 후 성공 횟수를 나타낸다. 베르누이 분포와 이항분포의 관계는 위를 보면 짐작가다시피베르누이 분포는 이항분포의 기본 구성 요소다.그리고 n = 1일 때, 이항분포는 베르누이 분포가 된다.한 번만 실험한다면, 그건 그냥 베르누이 분포랑 똑같은 거니까

베르누이 분포는 확률 변수가 0과 1이라는 두 가지 값만 가질 수 있는 아주 간단한 분포다.예를 들면, 동전을 던졌을 때 앞면이 나오거나 뒷면이 나오거나, 즉 성공이거나 실패일 때! 성공 확률을 p라고 하면 실패 확률은 1 - p가 된다. 왜냐면 전체 확률은 1이어야 하니까.확률 함수는 이렇게 생겼다.여기서 x는 1이거나 0인 값이다.x = 1 일 때(성공) f(1) = px = 0 일 때(실패) f(0) = 1-p 성공 확률이 p라면, 그 자체가 평균이 되는데, 여러 번 시도했을 때 성공하는 평균적인 비율이 p로 수렴하기 때문이다.베르누이 분포에서 분산은 성공할 확률과 실패할 확률을 곱해주면 구할 수 있다.예를 들어 성공확률이 0.4고 실패확률이 0.6일 때 분산은 0.24가 된다.그런데 표준편차가 0..