코린이의 공부일기

- Semantic segmentation 에서 필살기를 살펴보고 대회에서 사용하는 기법들을 살펴보자 1. 5-Fold Ensemble -5 fold cross validation을 통해 만들어진 5개의 모델을 ensemble하는 방법 2. Epoch Ensemble checkpoint을 지정해주며 비슷한 값끼리 활용해 ensemble하는 방법도 있다. 3.SWA(Stochastic Weight Averaging) 각 step마다 weight을 업데이트 시키는 SGD와 달리 일정 주기마다 weight를 평균 내는방법 -Train loss에서는 SWA가 더 높을 수 있지만 Test error에서는 SGD가 높다 -> 일반화가 더 잘 되어있는 것 -Warm up period - Epoch가 진행함에 따라서 ..

MMDetection - Pytorch 기반의 Object Detection 오픈소스 라이브러리 Pipeline -input image는 backbone을 통과한 후 Neck(feature map)이 나오며 각각의 feature map에서 RoI을 예측한다. box prediction과 class prediction을 진행해 예측한다. -MMDetection의 pipeline은 detection pipeline과 굉장히 유사하다. DenseHead - RPNHead(localization) RoIHead - Box head, classification head -각각의 모듈 단위로 커스터마이징 -config파일을 이용해 통제할 수 있다. 여기서 Config파일은 무엇일까 ? -Config을 통해 data..

2 Stage Detectors 1. R-CNN -입력 이미지로부터 후보영역들을 선정 (Sliding window , Selective Search) -뽑힌 이미지들을 고정된 사이즈로 변경하여(Semantic vector) Classification하는 방식 그렇다면 Sliding Window가 무엇일까 ? 왼쪽의 Window가 이미지를 sliding하여 뽑아낸다 -> 무수히 많은 후보영역이 나온다.(대부분은 배경) -> 그래서 Sliding window는 잘 사용하지 않음 *그래서 Selective Search을 많이 사용한다 그렇다면 Selective Search란 무엇일까? 색감, 질감, 모양과 같은 이미지의 특징들을 갖고 후보영역들을 나눠 통합하는 방식으로 후보영역을 셀렉한다. Pipeline 1..

ML Engineer 란 ? Machine learning의 기술을 이해하고 , 연구하고 Product 을 만드는 Engineer이다. Deep learning의 급부상으로 Product에 Deep learning을 적용하고자 하는 수요가 발생했다. 폭발적인 발전속도로 인해 Researcher와 Enginner의 경계가 모호하다 (연구와 동시에 Product을 개발) 그렇다면 Full stack ML Enginner 란 ? Deep learning research 을 이해하고 ML Product로 만들 수 있는 Enginner이다. + Apple Job Description '코딩을 잘하고, 창의적이고, 다양한 조직의 사람과 협업할 수 있고, 새로운 기술을 배우는 것을 즐기는 개발자' Full stack..

서비스 관점에서 AI란 ? 학습 데이터셋, 테스트 데이터셋이 없는 경우가 대부분이다. 첫 번째로, 학습 데이터셋 준비하기! -> 서비스 기획팀과 질의응답을 통해 종류/수량/정답 관련 요구사항을 구체화해야 한다. 데이터셋을 모을 때 많은 생각치 못한 경우들을 많이 겪게 되는데 예를 들자면, 한 수식만 나오게 찍기 어렵다 -> 여러 수식을 한번에 찍자. 1. 기술 모듈 -수식 영역 검출 모델 학습데이터의 정답은 AI 모델 별로 입력에 대한 출력 쌍이다. 수식 영역들의 위치를 검출하는 방식을 1~4번에서 선택할 때 모델 구조 설계영역을 고려하며 선택한다. 2. 기술 모듈 - Image to Latex 모델 수식이 있는 이미지을 하나의 모델로 Latex string 결과값을 나오게하는 것은 매우 어려운 일이다...

- 9월 21일 정보처리기사 STUDY 3장 -통합 구현 * 사용자의 요구사항에 맞춰 송수신 모듈과 중계 모듈 간의 연계를 구현하는 것을 의미한다. * 통합구현은 송수신 시스템과 모듈, 중계 시스템, 연계 데이터, 네트워크로 구성된다. -연계 요구사항 분석 * 통합 구현을 위해 사용자 요구사항을 분석해 연계 데이터를 식별 및 표준화하여 연계 데이터를 정의한다. -연계 메커니즘 * 연계 메커니즘은 데이터의 생성 및 전송을 담당하는 송신 시스템과 데이터 수신 및 DB반영을 담당하는 수신 시스템으로 구성된다. -구성방식 * 직접 연계 방식 : 중간 매개체 없이 송 수신 시스템이 직접 연계하는 방식 EX ) DB Link, API/OPEN API, DB Connection *간접 연계 방식: 송 수신 시스템 사..

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..