9학년 5반

https://jjoh4803.tistory.com/68 [SAM to OBB] Generate Point coord Toolhttps://jjoh4803.tistory.com/64 SAM2 (Segment Anything Model 2)에서 포인트를 이용한 세그멘테이션https://jjoh4803.tistory.com/62 SAM (OBB) 객체 추출항공 뷰 이미지 차량 객체 추출 방법론1. 배경 및 목적항공 이미지jjoh4803.tistory.com지난번 어노테이션 툴 코드가 보기에 너무 불편해서 Github로 다시 작성.  https://github.com/Oh-JongJin/OBBE/blob/master/generate_points.py OBBE/generate_points.py at master..

https://jjoh4803.tistory.com/64 SAM2 (Segment Anything Model 2)에서 포인트를 이용한 세그멘테이션https://jjoh4803.tistory.com/62 SAM (OBB) 객체 추출항공 뷰 이미지 차량 객체 추출 방법론1. 배경 및 목적항공 이미지에서 특정 객체(이 경우 차량)를 정확하게 식별하고 추출하는 것은 도시 계획, 교통jjoh4803.tistory.comSAM2의 SAM2ImagePredictor에서 Point 좌표 생성을 위한 이미지 어노테이션(annotation) 도구. 1. 이미지 열람 및 탐색- A/D 키로 이전/다음 이미지로 이동- 폴더 내의 이미지들을 순차적으로 탐색 가능2. 어노테이션 기능- 마우스 클릭으로 점 찍기 - 점들을 연결하여..

SegmentAnyRGBD 코드 분석https://github.com/Jun-CEN/SegmentAnyRGBD GitHub - Jun-CEN/SegmentAnyRGBD: Segment Any RGBDSegment Any RGBD. Contribute to Jun-CEN/SegmentAnyRGBD development by creating an account on GitHub.github.com 개요SegmentAnyRGBD는 RGB 이미지에서 객체 분할(segmentation)과 깊이 추정(depth estimation)을 동시에 수행.SAM2(Segment Anything Model 2)와 MiDaS(Depth estimation model)를 결합하여 사용합니다.주요 컴포넌트1. 초기화SAM2 모델 ..

https://github.com/Oh-JongJin/OBBE GitHub - Oh-JongJin/OBBE: Oriented Bounding Boxes EditorOriented Bounding Boxes Editor. Contribute to Oh-JongJin/OBBE development by creating an account on GitHub.github.comOBB 데이터셋 레이블 수정 가능한 툴 작성 완료OBB 데이터셋 포맷은 class_index x1 y1 x2 y2 x3 y3 x4 y4 의 형태로 이루어져 있음.위 Github 링크의 OBBE/main.py에서 if __name__ == '__main__':    try:        label_dir = "labels/DOTA-v1.5_..

https://jjoh4803.tistory.com/62 SAM (OBB) 객체 추출항공 뷰 이미지 차량 객체 추출 방법론1. 배경 및 목적항공 이미지에서 특정 객체(이 경우 차량)를 정확하게 식별하고 추출하는 것은 도시 계획, 교통 관리, 주차 시설 최적화 등 다양한 응용 분jjoh4803.tistory.com지난 번 올린 글을 이어 작성하는 중..궁극적인 목표 - YOLO OBB 학습 라벨링 데이터를 만들 때, 4개 Point를 가진 Polygon 좌표 생성을 직접 만들기엔 귀찮아서 SAM을 통해 생성. SAM2 (Segment Anything Model 2)에서 포인트를 이용한 세그멘테이션의 원리1. 프롬프트 인코더- 사용자가 이미지에서 객체의 특징적인 두 점을 선택 (포인트 뿐만 아니라 Box, ..

항공 뷰 이미지 차량 객체 추출 방법론1. 배경 및 목적항공 이미지에서 특정 객체(이 경우 차량)를 정확하게 식별하고 추출하는 것은 도시 계획, 교통 관리, 주차 시설 최적화 등 다양한 응용 분야에서 중요한 과제이며, SAM(Segment Anything Model)과 YOLO OBB(Oriented Bounding Boxes)를 결합한 접근 방식을 제안.2. 방법론SAM을 사용한 이미지 세분화YOLO OBB를 사용한 차량 객체 식별두 모델의 결과를 결합한 정확한 차량 마스킹2.1 SAM을 이용한 이미지 세분화SAM은 이미지 내의 모든 객체를 세그멘테이션하는 데 탁월한 성능을 보이지만 각 세그멘트가 어떤 객체인지 식별하지 않음.SAM 장점:높은 정확도의 세그멘테이션 제공다양한 크기와 형태의 객체 처리 가..