K-Means (2) 썸네일형 리스트형 [Computer Vision] Segmentation 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. Segmentation은 영상에서 특정 영역만 추출하는 기능이다. 예를 들어 의료 영상에서 종양을 식별하거나, 자율주행차가 도로와 보행자를 구분하는 데 사용된다. OpenCV에서는 K-Means 또는 Watershed 알고리즘을 통해 Segmentation을 할 수 있다. K-MeansK-Means 클러스터링은 머신러닝 중 하나로 비지도 학습 알고리즘이다.데이터를 K개의 클러스터로 나누는 기법으로 이를 통해 이미지를 색상 기반으로 분할 할 수 있다.import cv2import numpy as npimport randomif __name__ == "__main__": img = cv2.imread("cat.pn.. [기계학습/ML]14. 비지도학습 - K-평균(K-Means) Pupbani는 샘플의 이름 즉 타깃값을 모르는 상태에서의 분류를 하는 방법을 고민하다가 방법을 찾아 냈다. 바로 K-평균 군집 알고리즘이다. 평균값을 자동으로 찾아준다. 평균값은 군집의 중심에 존재한다. 이를 "클러스터 중심(Cluster Center)" 또는 "센트로이드(Centroid)" 라고 부른다. K-평균을 사용해서 비지도학습 모델을 만들어보자. K-Means 동작 방식은 다음과 같다. 무작위로 K갱의 클러스터 중심을 정한다. 각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 샘플로 지정한다. 클러스터에 속한 샘플의 평균값으로 클러스터 중심을 변경한다. 클러스터 중심에 변화가 없을 때까지 2번으로 돌아가 반복한다. 이제 K-Means 모델을 직접 만들어보자. 먼저 300개의 과일 .. 이전 1 다음
