Data Science (51) 썸네일형 리스트형 Object Detection | yolov8 예제1(저장된 datasets) yolov8를 이용한 object detection 예제 1. YOLOv8 설치 !pip install ultralytics 주피터노트북에서 실행할 경우 프로그래스바를 실행하기 위해서 다음을 설치한다. (필수는 아님) pip install ipywidgets or conda install -y -c conda-forge ipywidgets 2. 추론(predict) 2-1. CLI (command line interface)에서 터미널 명령어로 추론/평가/학습을 진행 2-2. Python lib 를 이용해 코드상에 원하는 추론/평가/학습을 진행 2-1. CLI (command line interface) 1. 모델 로딩 Ultralytics에서 제공하는 Pretrained Model이나 직접 학습시킨 모.. Object Detection | YOLO 모델의 구조 YOLO (You Only Look Once) 2015년 발표된 Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi이 발표한 Object Detection 모델. 최초의 One stage 계열의 object detection로 이전의 RCNN 계열의 모델과 다르게 Real time detection을 구현 - 논문: https://arxiv.org/abs/1506.02640 - 홈페이지: https://pjreddie.com/darknet/ mAP(성능) - 최신 모델이 50~70대로(DPM은 기존모델) 성능이 훨씬 좋아진 것을 볼 수 있음. FPS(1초당 인식가능 이미지수) - 기존 모델은 실시간인식이가능하지만 최신모델은 인식속도가 빠르지 않아 실시.. Object Detection | 개요 + 성능평가 컴퓨터 비전 분야 3가지 - 인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해 구현하는 방법 연구 -> 최근엔 딥러닝 이용 1. Object Detection의 원리 Object Detection = Localization + Classification Object Detection : 물체들을 boundig box로 위치를 찾아냄 localization + class를 분류 (classification)g 하는 작업 단계 1. 하나의 이미지안에서 N개의 Object를 검출(찾으려는 object 수 지정) 2. Object가 있을 최대의 개수를 정하고 모델은 무조건 그 개수만큼 bounding box(위치+분류)를 추론(출력) 3. 추론한 결과에서 후처리를 통해 최종 추론결과를 낸다. - box안에 .. 데이터 수집과 라벨링 | Open Dataset + 데이터 수집 방법 데이터수집과 라벨링 Custom dataset : 해결하려는 문제를 위해 학습시킬 데이터 1) Open Dataset(공개 데이터셋) 이용 2) 인터넷 상의 데이터를 크롤링을 이용해 수집 3) 다양한 기기(CCTV, 다양한 IoT기기 등) 으로부터 수집 Labling 작업 : 수집한 이미지에 Label(정답)을 붙이는 작업 문제 영역에 따라 Labeling 대상이 달라지며 데이터셋에 따라 다양한 format을 사용한다. - object detection, segmentation, 주요 Image Open dataset ▪️ Open Dataset - 많은 국가기관, 기업, 연구소, 개인들이 머신러닝 학습을 위해 수집후 공개한 데이터셋 - 이미지, 자연어 등 다양한 분야에 다양한 데이터셋이 공개되어 있다... GAN 실습 | DGan Convolutional Layer 를 이용한 GAN 이미지 생성 모델 논문: https://arxiv.org/pdf/1511.06434.pdf 파이 토치 튜토리얼: https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html 라이브러리 import import os import random import time import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader from torchvision import datasets, transforms import torchvision.utils as vutils import numpy as np import m.. GAN 개념 | 진짜와 구별이 안되는 Generator 모델 1) GAN - 이미지 생성모델 개념 : GAN 모델은 Generator와 Discriminator를 경쟁적으로 학습시킴 (두 모델 다 성능 향상) -> 진짜와 구별이 안되는 Generator 모델 만듦 2) DCGan 실습 원래 GAN은 fullyconnected layer를 이용해 이미지생성 -> 이미지에는 convolution layer를 사용하는 것이 더 좋음 : DCGan GAN( Generative Adversarial Network 생성적 적대 신경망 ) 실제 사진과 동일한 수준의 이미지 생성 Image to Image(Style Transfer) :다른 도메인의 이미지로 변환 추천 ITEM 생성 : 패션 카테고리의 추천시스템 - 의상을 분석해 주어진 스타일에 어울리는 새로운 아이템 생성 데.. LSTM 주가예측 | 삼성전자의 주가(시계열데이터)를 예측해보자 LSTM 1) LSTM 구조 공부 - Image에 다양한 효과를 주어 데이터양을 늘린다. 2) 삼성 주가데이터를 다운로드해 실습해보기 - 매우 큰 데이터셋으로 미리 Training한 모델을 이용해 모델을 정의한다. - 성능이 좋은모델을 다량의 데이터로 학습시킨 모델을 사용하므로 적은 데이터에도 좋은 성능을 낼 수있다. ⭐Summary RNN 개요 | RNN Sequential 데이터란 - 데이터의 순서 정보가 중요한 데이터셋으로 순서가 달라질 경우 의미가 바뀌거나 손상되는 데이터를 말한다. - 예 - 자연어 텍스트 - 일정한 주기로 샘플링된 영상, 음성 - 시계열(time series) 데이터 :순서 + 데이터가 발생한 시점 정보가 중요한 데이터셋 RNN (Recurrent Neural Network) 구조 - RNN은 Feature 추출기로 Recurrent Layer을 사용하는 딥러닝 모델을 말한다.. - Recurrent Layer는 sequential 데이터 처리에 좋은 성능을 낸다. Recurrent Layer 구조 - RNN은 순서대로 입력되는 데이터를 반복 처리하는 Recurrent Layer를 이용해 Feature vector를 추출하고+ 그.. 이전 1 2 3 4 5 6 7 다음
