코린이의 공부일기

오늘 포스팅은 길 예정 ! Conditional generative model 서로 다른 두메인을 translation 하는 것 "sketch of a bag" -> condition(조건) 이 주어진 상태에서 결과가 도출되는 것 즉 조건이 주어진 상태에서 X(이미지)가 나올 확률 Generative model vs Condtional Generative model 기본적인 generative model에서는 조작이 불가능하고 Random 하게 생성만 가능하다. Conditional generative model은 주어진 조건에서 생성이 가능하다. 기존 generative adversarial model 구조 Z -> random noise( latent vector) Generator -> 위조지폐범이..

what is object detection ? Instance segmentation과 Panoptic segmentation은 Semantic segmentation과 달리 같은 class이지만 다른 개체들(instance)들 도 분류하며 더 많은 정보를 제공해줄 수 있는 advanced 된 기법이다. → 이렇게 개체들을 구분하는 기술이 Object detection에 적용된다. output값으로 X좌표와 Y좌표 그리고 width,height 값, Class을 도출하는 방식이다. 위치 정보, class 정보의 사례는 Autonomous Driving, Optical Character Recognition(OCR) 많이 쓰인다. Two-stage-detector Faster CNN Region Prop..

Semantic Segmentation 이란 무엇일까? 물체를 픽셀 단위로 분류하는 방식 주의할 점 : 같은 class이지만 다른 물체라면 구분하지 않는다.(같은 색) instance segmentation :같은 class여도 다른 물체라면 구분하는 방식 그렇다면 semantic segmentation은 어디에 사용될까? 영상에 대한 전면적인 컨텐츠를 이해하기 위해 사용한다. 영상을 편집하는데에 필수적인 기술이라고도 할 수 있다. 왜냐하면 semantic segmentation을 이용해 object detection을 통해 선별하여 편집을 진행할 수 있기 때문이다. Semantic segmentation architectures 1. Fully Convolutional Networks (FCN) 입력 ..

AI 란 ? 사람의 지능을 컴퓨터 시스템으로 구현하는 것 그 지능은 어디까지 일까? 기억과 이해 및 사고능력, 인지능력 등 넓은영역을 다룸. 그렇다면 computer vision과 사람의 시각은 어떤 연관성이 있을까? *사람이 사용하는 오감 중 시각에 가장 많이 의존함. 1. 사람의 관점 2. 컴퓨터 관점 1. Computer Graphics (Rendering) 도출된 정보를 통해서 2D이미지를 Drawing하는 것 2. Computer Vision(Inverse rendering) 1번과 반대로 어떠한 이미지의 정보를 컴퓨터가 읽을 수 있는 정보로 가져오는 것 Computer vision으로 어떻게 사람의 시각 인지능력을 구현할까 ? 기본적인 single layer neural network 의 예시..

드디어 Team competition이 종료 : -) 모두 수고 많았습니다 (◍•ᴗ•◍)❤ - Level 1 대회 주제 - Image Classification - 대회 개요 - COVID-19의 확산으로 우리나라는 물론 전 세계 사람들은 경제적, 생산적인 활동에 많은 제약을 가지게 되었습니다. 우리나라는 COVID-19 확산 방지를 위해 사회적 거리 두기를 단계적으로 시행하는 등의 많은 노력을 하고 있습니다. 과거 높은 사망률을 가진 사스(SARS)나 에볼라(Ebola)와는 달리 COVID-19의 치사율은 오히려 비교적 낮은 편에 속합니다. 그럼에도 불구하고, 이렇게 오랜 기간 동안 우리를 괴롭히고 있는 근본적인 이유는 바로 COVID-19의 강력한 전염력 때문입니다. 감염자의 입, 호흡기로부터 나오는..

오늘은 회고로 집중된 나의 첫 2021- 08 -31 Team Competition ! 1,2일 차 회고록 나는 P stage을 하기 전 솔직히 개인 Competition이 더 힘들 것 같다라는 생각을 했는데 반대로 나는 팀 Competition이 훠얼 씬 힘들었다, 그치만 정말 많이 배울 수 있었다. 그 이유는 , 팀에서 제일 성능이 좋고 깔끔하게 짠 코드를 베이스코드로 정하고 거기서 팀원 다 같이 성능을 높히는 방향으로 정했다. 그리고 github에서 pull하고 push하며 협업 하기로했는데..! 난 지금까지 사실 파이썬을 주피터노트북에서만 사용해봐서 vs code는 사실 하나도 몰랐다.. 게다가 개인 Competition 때 주피터랩으로만 실험을 한 상태였다. Vs code는 U stage에서 약..

이전에 모델링하는 법을 배웠다면 이번엔 만들어진 모델들을 비교해보며 각각의 특징들을 보고 나은 점을 조합하여 더 나은 모델을 만들 수 있지 않을까? Ensemble * 사실 Ensemble은 현업에서는 많이 쓰이지 않는다. -> 그렇지만 성능이 좋아야하는 도메인에서는 꼭 해볼 필요가 있다.!(ex> Kaggle) - Ensamble을 예로들자면 오케라에서 음은 같지만 음색이 다른 소리를 모아 화음을 만드는 것 과 같이 Ensemble은 싱글모델보다 더 나은 성능을 위해 여러 모델을 겹친다. 일반적으로 Ensemble은 여러 모델을 합쳐 Overfitting의 경향성이 생길 확률이 높다. -Boosting 알고리즘은 High Bias에서 많이 쓰이며가중치를 활용해 약 분류기를 -> 강 분류기로 만들어주는 ..

Training and Inference (1) -Loss,Optimizer, Metric 이전 까지 모델을 구성했다면 이번 포스팅은 훈련 Task을 진행해보자 ! Trainging Process의 종류 1. Loss -내가 예측한 output값과 target 값 간의 차이를 Cost 함수라고 부르며 줄이도록 목표를 가지고 Backward을 거치며 Cost함수의 Parameter값들을 최적화된 값으로 업데이트한다. -> 최적화 값을 찾는데에 Loss는 중요한 역할을 가진다. - Loss도 사실은 nn.Module Family이다. Loss함수 자체도 Module처럼 Family로 활동할 수 있다. 그래서 Loss도 Forward함수를 가지고 있다. -loss.backward() loss= criterti..