개발자로 후회없는 삶 살기

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/playlist?list=PLpkj8RKr48wZAx6jXEcpOQca5A1yCoNJr [개정판] 딥러닝 컴퓨터 비전 완벽 가이드 www.youtube.com 본론 아직 객체탐지 설명을 상세하지 않았습니다. 근데 미리 구현해보는게 쉽게 이해할 수 있어서 해보자 OpenCV의 DDN 모듈로 객체탐지를 구현해보겠습니다. - 개요 1. 기존 프레임워크와의 연동 타 프레임워크의 모델을 readNetFromTensorflow('가중치 모델 파일', '환경 파일') 이렇게 쉽게 할 수 있습니다. 2. OpenCV에서 사용 가능한 Tensorflow 모델이 있다. 정확성 위주, 성능 위주의 모델이 있습니다. - 수..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/playlist?list=PLpkj8RKr48wZAx6jXEcpOQca5A1yCoNJr [개정판] 딥러닝 컴퓨터 비전 완벽 가이드 www.youtube.com 본론 - faster rcnn의 이해 이제 객체 탐지에 필요한 모델을 다 딥러닝에 넣은 모델이 나왔습니다. 처음에 SS를 통해서 ROI를 구했는데 RPN이라는 딥러닝으로 바꾸고 그 뒤는 Fast RCNN과 비슷합니다. 이제 비로소 딥러닝 만으로 객체 탐지를 하게 됩니다. => 구조 feature map을 구하고 두 군데로 갑니다. 하나는 RPN으로 가서 객체가 있을 만한 곳을 찾습니다. 이 ROI를 ROi pool하고 뒤에는 fast rcnn과 ..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/playlist?list=PLpkj8RKr48wZAx6jXEcpOQca5A1yCoNJr [개정판] 딥러닝 컴퓨터 비전 완벽 가이드 www.youtube.com 본론 - 객체 탐지 네트워크 개요 객체 탐지는 이렇게 구성되어 있습니다. 1. feature extraction 네트웤 2. object detection 네트웤 3. region porposal 영역( 있을 수도 있고 없을 수도 있음 ) 1은 이미지 분류를 위해 feature map을 만드는 것으로 백본이라고 부르고 원본이미지에서 점점더 사이즈는 작고 깊이는 깊은 map을 만드는 것입니다. 그리고 만들어진 feature map을 가지고 클래스 ..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/playlist?list=PLpkj8RKr48wZAx6jXEcpOQca5A1yCoNJr [개정판] 딥러닝 컴퓨터 비전 완벽 가이드 www.youtube.com 본론 - 주요 데이터 셋 1. 파스칼 20개의 카테고리에 대해 객체 탐지하는 대회에서 사용된 데이터 셋입니다. 어노테이션이 XML로 되어있습니다. 2. 코코 80개의 카테고리입니다. json format을 가집니다. 3. 구글 오픈 이미지s 600개의 카테고리이고 csv format을 가집니다. - 파스칼 데이터 세트 탐색 구조를 보면 어노테이션과 jpeg가 1 대 1로 맵핑됩니다. a.jpeg 이미지면 a.xml로 1대 1 맵핑입니다. 파스칼 ..

서론 ※ 이 포스트는 다음 강의의 학습이 목표임을 밝힙니다. https://www.youtube.com/playlist?list=PLpkj8RKr48wZAx6jXEcpOQca5A1yCoNJr [개정판] 딥러닝 컴퓨터 비전 완벽 가이드 www.youtube.com 본론 - Localization, Detection, Segmentation 1. Localization : 단 하나의 object 위치를 bbox로 지정하여 찾음 2. Detection : 여러개의 Obejct들에 대한 위치를 bbox로 찾음 3. Segmentation : Detection 보다 더 발전된 형태로 Pixel 레벨 Detection 수행 > 이들과 분류의 차이는 위치를 아냐 아니냐입니다. 로칼, 객체 탐지 둘 다 bbox reg..

서론 내가 원하는 조건 생성을 할 수 있는 Conditional GAN ※ 이 포스트는 다음 교재의 학습이 목적임을 밝힙니다. https://tensorflow.blog/gan-in-action/ GAN 인 액션 ★★★★★ GAN 을 철저하게 파헤쳐 주는 책! (책**아 님)★★★★★ GAN의 발전사를 알맹이만 쏙쏙 빼먹을 수 있어 유익했다. (아***인 님)★★★★★ GAN 입문을 위한 좋은 책 (spaci*** 님)★★★★★ tensorflow.blog 본론 - 도입부 미리 보기 : sgan이 판별자에 label을 사용했다면 cgan은 생성자와 판별자를 훈련하는데 모두 label을 사용 -> label을 학습하니 원하는 가짜 샘플을 합성 가능합니다! -> 동기 : 지금까지 gan은 실제 같은 손글씨 ..

서론 최신 GAN 기술을 파고 들어보겠습니다. 본론 - DCGAN 판별자 생성자 => 해설 1. 판별기는 그냥 합성곱 신경망을 쓰면 됩니다. 2. 생성기는 판별기 과정을 거꾸로 하면 됩니다. 이미지를 받아 처리하여 벡터를 만드는 것이(판별기가 하는 일) 아니라 벡터를 받아 크기를 늘려 이미지로 만듭니다. -> 전치 합성곱이라고 합니다. (transpose conv) -> A) 일반적인 합성곱 : 깊이를 늘리면서 입력 너비와 높이를 줄입니다.(압축 = 특징 추출) -> B) 전치 합성곱 : 깊이를 줄이는 동안 너비와 높이를 증가시킵니다.(확장 이미지 생성) - GAN 훈련의 어려움 GAN은 훈련하고 평가하기가 어렵기로 유명합니다. 빠르게 발전하는 분야이므로 새로운 정보를 탐색할 수 있는 능력을 갖추는 것이..

서론 GAN의 전체 시스템을 알았으니 두 네트워크의 비용함수를 이용한 훈련과정을 보겠습니다. 본론 - GAN의 훈련이란?(생성자 중심) 훈련 데이터 셋의 이미지는 화면에 그려질 때 행렬에 있는 픽셀 값이 이미지의 모든 시각적 요소를 표현합니다.(선, 이미지, 곡선 등) + 이 값들은 데이터 셋에 있는 각 이미지에 복잡하게 걸쳐 있는 어떤 분포를 따릅니다. ※ 어떤 분포도 따르지 않는다면 그 이미지는 랜덤한 잡음과 다를 바 없습니다. -> 이 분포를 흉내 내는 샘플을 만드는 것이 생성자가 훈련을 하는 이유입니다. - 비용함수 비용함수란 : 그림을 보고 이해했을 때는 손실 함수를 가리킨다.(U자 그래프) -> 하지만 모두 최소화되는 게 좋은 것입니다. ∴ 생성자의 비용함수도 최소가 좋은 것입니다. + 한 네..