Deview2013 session7 Track4 - 이미지 인식을 통한 정보 추출

연사 : 민재식

- 정보 추출을 위한 이미지 분석
   - 분석의 장애물을 어떻게 극복할까?

- 이미지 분석 실무에서 느꼈던 바에 대한 트러블 슈팅이 주제

- 이미지 분석을 방해하는 요인

   - 데이터가 너무 많아서 좋은 알고리즘을 못쓴다.
   - 저화질이나 노이즈가 심한 경우
   - 쓸데없는 다양한 효과들 때문에 분석이 어려운 경우

1. 연산량 트러블 슈팅

    - 필요한 이미지를 축소 하고 처리하고 다시 결과 확대 한다.(대부분 이걸로 해결)

    - 근데 결과를 확대 했을때 이상하게 되는 경우가 있다( Ex) Image matting)

    - 해결방법중 하나로 데이터 분량 줄이기 . (Ex) Super Pixels)

      * Superpixels : 일종의 over-segmentation 데이터 수를 줄이는 효과
                       ** Grid 성질을 유지하면 다루기가 쉬움

   - 사용자의 정의에 따라 SLIC Pixel 의 강도를 정하는것이 필요하다.

 
2. 저화질 노이즈 트러블 슈팅
   - DoG : 밝기의 변화율이 강조됨 , 하지만 노이즈 역시 강조됨

   - Flow Smoothing 을 할경우 -> Structure tensor image 를 스무딩한다.

3. high -level 노이즈 트러블 슈팅
    - 사진 품질 자동측정(Mission) : 고품질 사진은 올리고 저품질사진은 삭제하거나 보정하는 기능 구현

    - 어떻게 구현하나? -> 이미지 내 주요영역을 알아 낼 필요가 있다.

    - 주요영역 검출 : Saliency map
        *내 주변의 값과 차이가 크다면 , 그것은 주요 부분이라고 설정한다.

    - Salient area detection - 원본에서 중요한 부분을 묶어 버린다.

    - 주요영역의 low-level feature 값만으로 품질을 판단.

    - 썸내일 cropping 문제 일때 쓸수 있다.

    - 즉 짤려나갈때 , 중요한 부분은 안짤려 나가게 할 수 있다.

    - 단 사진 테두리가 있을 경우 , 사전에 자동으로 제거해야 한다.