지콩빵

2편에서 실행한 코드 결과, 신뢰도가 50-60%인 경우 추가 분석을 수행하여 정확도를 높이는 방법을 적용했다. -신뢰도가 낮은 영역에 대해 이미지 전처리를 강화-다른 OCR 엔진(예: Tesseract)을 보조적으로 사용-결과를 한국 번호판 형식과 비교하여 검증import cv2import numpy as npimport easyocrimport pytesseractimport refrom google.colab.patches import cv2_imshow# 한국 번호판 패턴license_plate_pattern = re.compile(r'^\d{2,3}[가-힣]\s?\d{4}$')def preprocess_image(image): gray = cv2.cvtColor(image, cv2.COLO..

1편에서 Tesseract OCR과 OpenCV를 사용하여 차량 번호판을 인식하는 방법은 정확도가 현저히 떨어져 번호판 특화 데이터셋으로 학습된 OCR 모델 (CRAFT 텍스트 감지기와 딥러닝 기반 OCR 엔진인 EasyOCR을 결합) 을 사용해보았다.!pip install easyocr!pip install torch torchvision!pip install opencv-python-headlessimport cv2import numpy as npimport easyocrfrom google.colab.patches import cv2_imshowdef detect_text(image_path): # EasyOCR 리더 초기화 reader = easyocr.Reader(['ko', 'en'..

# 필요한 라이브러리 설치!pip install pytesseract!sudo apt-get install tesseract-ocr!sudo apt-get install tesseract-ocr-kor# 필요한 라이브러리 임포트import cv2import numpy as npimport matplotlib.pyplot as pltfrom google.colab.patches import cv2_imshowimport pytesseract# 이미지 전처리 함수def preprocess_image(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5,5), 0) edged = cv2.Ca..

앙상블에 대해 공부하다가 "큰 수의 법칙" 이라는 개념이 나왔는데 이해가 되지 않아, 뤼튼에 물어보았다.  내 질문: "동전을 던졌을 때, 앞면이 51%, 뒷면이 49% 나오는 조금 균형이 맞지 않는 동전이 있다고 가정하겠습니다. 이 동전을 1000번 던진다면 대략 510번은 앞면, 490번은 뒷면이 나올 것이므로 다수는 앞면이 됩니다. 수학적으로 계산해보면 1000번을 던진 후 앞면이 다수가 될 확률은 75%에 가깝다는 것을 확인할 수 있습니다." 라는 말이 이해가 안가요. 1000번 던져서 510번 앞면이 나온다면 앞면이 다수가 될 확률은 51%아닌가요? 답변:아니요, 그렇지 않습니다. 1000번 던져서 510번 앞면이 나오는 것은 51%의 확률이 맞습니다. 그러나 앞면이 다수가 될 확률은 75%에 ..