분류 전체보기202 RGB+IR 기반 Wave Optic 시뮬레이션 및 센서 이미지 예측 통합 코드: RGB+IR 기반 FDTD 시뮬레이션 및 센서 예측 컬러 이미지 복원이제 네 가지 기능을 하나의 코드로 통합하여,✅ Object Image 로드 및 Bayer 필터 적용✅ Angular Spectrum Method 기반 센서 입사 Color Image 계산✅ Pixel Array 기반 MTF 계산 및 Interpolation✅ 센서에서 예측된 컬러 이미지 복원각 기능을 독립적인 함수로 구현하여, 코드 실행 시 단계별 결과를 얻을 수 있도록 설계.🔹 최종 통합 코드import numpy as npimport matplotlib.pyplot as pltfrom scipy.interpolate import griddatafrom scipy.fft import fft2, ifft2, fftshif.. 2025. 2. 10. ASM 기반 Pixel Array Center/Edge 이미지 시뮬레이션 ASM을 사용하여 Pixel Array의 센터와 특정 영역에서의 이미지 시뮬레이션 방법지금까지 Pixel Array의 특정 위치에서 단일 PSF를 분석했다면, 이제 ASM(Aangular Spectrum Method)을 활용하여 Pixel Array의 전체 영역에서 실제 이미지가 어떻게 변하는지 확인하는 방법.1️⃣ 목표✅ ASM을 사용하여 Pixel Array에서 Object Image가 어떻게 보이는지 분석✅ Pixel Array의 Center와 특정 영역(Field Edge)에서 이미지 비교✅ 광학적 영향을 반영한 실제 이미지 분석 가능2️⃣ 방법ASM을 이용한 이미지 변환1. Object Image를 Fourier Transform하여 공간 주파수 도메인으로 변환2. ASM을 사용하여 Pixel .. 2025. 2. 10. Lens PSF Complex Vectorial Field Data 1. Complex Vectorial Field Data란?전자기 시뮬레이션에서는 복소수 벡터 필드(Complex Vectorial Field) 데이터를 사용하여 전자기파의 진폭(Amplitude)과 위상(Phase) 정보를 포함한 전기장(E-field) 분포를 정의할 수 있음.CODE V에서는 zf.dat, zfPlus20.dat 형식으로 출력되며, 이를 EMW에서 사용자 정의 광원(Custom Source) 으로 활용 가능.2. CODE V 없이 Complex Vectorial Field Data를 구하는 방법CODE V 없이도 렌즈의 PSF 특성을 반영한 복소수 벡터 필드 데이터를 생성할 수 있다. 방법 1: Python 또는 MATLAB을 이용한 직접 계산 ✅ 렌즈의 회절 이론(Airy 패턴) 및.. 2025. 2. 10. AlexNet 에서 2015년 ResNet 으로의 발전 2011년 발표된 AlexNet에서 2015년 **ResNet(Residual Network, Deep Residual Learning)**이 나오기까지 CNN(Convolutional Neural Network)의 발전 과정에서 중요한 연구들이 진행되었으며, ResNet은 이러한 문제를 해결하고 더욱 강력한 성능을 보여준 모델이다.1. AlexNet(2011)의 한계점AlexNet은 딥러닝을 대중화한 첫 번째 모델이었지만, 몇 가지 한계가 있었다.1. 더 깊은 네트워크를 만들기 어려움AlexNet(8층) 이후 VGGNet(2014, 16~19층) 같은 더 깊은 네트워크가 등장했지만, 깊이가 증가할수록 기울기 소실(Vanishing Gradient) 문제가 심각해짐.층을 깊게 쌓아도 성능이 향상되지 않거.. 2025. 2. 3. 2011년 AlexNet 과 2006년 Hinton, Bengio 교수 연구차이 비교 2011년 ImageNet 대회에서 Alex Krizhevsky가 개발한 AlexNet은 당시까지의 컴퓨터 비전 성능을 극적으로 개선한 모델이다. 특히 2006년 Hinton과 Bengio 교수가 발표한 논문에서 제기된 초기값 설정의 중요성 문제와 비교하여 여러 가지 면에서 개선이 이루어졌다.1. 2006년 Hinton & Bengio의 논문과 문제점2006년 Geoffrey Hinton과 Yoshua Bengio 교수는 심층 신경망(Deep Neural Network, DNN)의 학습이 어려운 주요 원인을 분석한 논문을 발표했다.당시 DNN은 층이 깊어질수록 학습이 제대로 이루어지지 않았는데, 이는 기울기 소실(Vanishing Gradient) 문제 때문이었다.논문에서는 **가중치 초기화(Weight.. 2025. 2. 3. TCAD + MC 보호되어 있는 글 입니다. 2025. 1. 24. 이전 1 2 3 4 5 6 7 ··· 34 다음
