2022.10.22 - [ICE/Database Design] - 세미 조인과 안티 조인의 개념과 사용 방법 2022.10.21 - [ICE/Database Design] - 내부 조인/외부 조인의 종류와 분류 위에 정리한 문서들을 토대로 값을 불러오는 예제 문제들을 풀어보았습니다. 다양한 형태의 SELECT 기술을 사용해서 문제를 풀어볼 것인데, 중간중간 개념설명이 끼어 있어 보기 불편할 수 있습니다. 참고해서 읽어주시면 감사하겠습니다 : ) > 각 테이블 전체 데이터 조회 결과 (전체 데이터가 궁금하면 Cntrl + F 후 select * from 테이블명으로 찾아주세요!) 더보기 SELECT-FROM-WHERE 예제 1. 이름이 John B.Smith인 사원의 생일(BDATE)와 주소(ADDRESS..
이 두 개념은 하나의 쿼리 안에 메인 쿼리(A 테이블)와 서브 쿼리(B 테이블)가 나눠져 있다는 가정 하에 정의된다. 이를 중첩 서브 쿼리라고 한다. 서로 상충되는 이 개념은 서브 쿼리의 출력 여부로 차이가 발생한다. 세미 조인(SEMI JOIN) B 테이블에 존재하는 데이터만 A 테이블에서 출력한다. 조회 조건에서 IN 이나 EXISTS 연산자를 사용한다. 즉 IN 혹은 EXISTS 뒤에 오는 조건에 부합하는 A 테이블의 Row만 가져와 출력하는 것이다. EX) mgr_start_date가 80년대인 부서에 속하는 employee의 정보를 출력하라. select * from employee a, department b -> where a.dno = b.dnumber and a.dno -> in (sel..
예시에 활용한 데이터베이스 설계 자료 사진 더보기 INNER JOIN(내부 조인)이란 ? 둘 이상의 테이블에 존재하는 공통 속성의 값이 같은 것을 결과로 추출한다. 아래 네 가지 종류로 구분된다. 1) 동등 조인 (EQUI JOIN) : 둘 이상의 테이블에 존재하는 공통 속성의 동등 비교만을 사용 2) 자연 조인 (Natural JOIN) : 둘 이상의 테이블에서 이름과 데이터 타입 및 길이가 같은 컬럼을 사용해 조인을 수행한다. 그리고 중복된 컬럼은 한 번만 출력된다. 아래 사진을 참고하면 department와 dept_location 테이블에서는 Dnumber의 역할이 같다는 것을 알 수 있고, 이를 이용해 자연 조인을 수행할 수 있다. 동등 조인으로도 똑같이 해보려면 이렇게 inner join을 이..
Image Stitching (Panorama) 1) Feature Extranction & matching 2) Robust homography estimation 3) Image warping & blending Image Alignment 전체적인 화소를 모두 사용하거나, Feature-based Alignment로 특정 화소에 대해서 Transformation을 수행한다. 우리는 특징 기반의 Alignment를 수행할 예정이다. 1) Affine Transformation 주어진 Box에 대해서 BoundingBox를 취득해 Affine Transformation을 통해서 물체를 인식 m1, m2, m3, m4, t1, t2의 인자를 추정해 Transformation의 정보를 얻을 수 있다. (x..
동차 좌표계 (Homogeneous Coordinates) 기하 연산에서의 장점 1) 공통의 행렬 연산으로 구현할 수 있다. 2) 최종 행렬 하나로서 전체 변환을 적용한다. 3) 무한 지점의 좌표를 변환할 수 있다. (1,2) 방향으로 무한히 멀리 있는 점을 표현할 수 있다. vanishing point (소실점) and lines(소실선) 직선의 방정식을 이용해 영상을 좌표로 표현할 수 있다. 2D Translation 2D Rotation 2D Scaling Rotation의 과정 1) Transation 2) Rotation 3) Translation 위와 같이 세 단계의 행렬 연산을 함축해 표현할 수 있다. 여기서 세타 값이 180이라면 특정 점에 대해 대칭으로 이동할 수 있다. Reflectio..
Local Features image에서 patch 한 부분들 중 유사한 바운더리를 가지는 것을 Match해 Parnorama Stitching을 수행할 수 있다. 밝기가 바뀌는 Edge, Corner Point를 patch화해서 특징을 본다면 Matching Point를 찾아 1:1 대응이 가능 PipeLine : Detectionn, Description, Matching 기존 이미지에서 Similarity Tranfrom 을 한 경우, 특징점을 Normalize해서 Patch의 방향을 고정 즉 Normalize를 통해 방향과 크기를 확정한다. vector 간의 distance를 구해서 Matching 여부를 판단한다. 1) Detection : Image 내에서 같은 patch를 찾는다. 2) De..
들어가기에 앞서, Detection(검출)과 Segmentation(영역화)의 중요한 기법들을 구분해보자. 1. Classification (분류) - 영상 전체에서 픽셀 단위로 물체를 찾아 단일 물체의 카테고리를 구분 (No spatial extent) 2. Semantic Segmentation - 픽셀 자체를 분류. (No objects, just pixels) - 기본적인 Segmentation은 같은 특성을 가진 물체들을 Grouping. 각 Group들을 구분지어 카테고리화하는 것을 Semanatic(문맥) Segmentation이라고 한다. 즉 주어진 영상에 대해 Grouping한 것들의 화소를 분류한다. 3. Object Detection (= Localization) - 여러 Object..
Numpy (1차원, 2차원, 3차원 배열 / 배열 인덱싱) Data Split Numpy를 사용하기 위해서, numpy 모듈을 import한다 import numpy as np Array 동일한 자료형으로 가지는 값들이 격자판 형태로 있는 것이다. 각 값들은 tuple 형태로 색인되고, rank는 배열이 몇 차원 배열인지 알려준다. shape는 각 차원이 크기를 알려주는 정수들이 모인 tuple이다. a = np.array([1,2,3]) print(type(a), a.shape, a[0], a[1], a[2]) print(a) #[5,2,3] b = np.array([[1,2,3], [4,5,6]]) print(b) ``` [[1 2 3] [4 5 6]] ``` print(b.shape) # (2, ..
