티스토리

卯
검색하기

블로그 홈

卯

baboorabbit.tistory.com/m

Rabet 님의 블로그입니다.

구독자
0
방명록 방문하기

주요 글 목록

  • roboflow - 사이트1. RoboFlow UniverseRoboflow에서 제공하는 오픈 소스 플랫폼으로, annotation을 가지고 있습니다. Roboflow Universe: Open Source Computer Vision CommunityDownload free, open source datasets and pre-trained computer vision machine learning models.universe.roboflow.com  Face Detection Object Detection Dataset and Pre-Trained Model by Mohamed Traore1369 open source faces images plus a pre-trained Face Detection model an.. 공감수 4 댓글수 1 2024. 10. 25.
  • YOLO - YOLO 소개YOLO는 You only live once라는 뜻도 있지만,제가 소개시켜 드리는 Yolo는 You only look once "너는 한번만 보면 돼"라는 의미를 가집니다.즉, CNN 딥러닝 모델을 기반으로 실시간으로 객체탐지가 가능합니다. MS COCO 데이터는 80개의 클래스로 분류하여 자세. 위치를 알려주며 80개의 클래스를 분류합니다.MS COCO : Object Detection 모델을 학습할 때 사용한 데이터셋 YOLO : MS COCO 데이터셋으로 학습한 Object Detection 모델Yolo11n.pt : 그 결과가 담겨있음  - YOLO 코드# 설치!pip install ultralytics# -----------추가-----------import osos.enviro.. 공감수 0 댓글수 0 2024. 10. 25.
  • Object Detection (객체 탐지) 객체탐지는 Multi-Labeled Classification(다중분류) + Bounding Box Regression(Localization)을 뜻한다. 주요 개념1. Bounding Box : 하나의 Object가 포함된 최소 크기 박스x min, y min 등의 꼭짓점과 width, height 등의 위치 정보를 가지고 있습니다. 즉, CNN구조도 들어가 있습니다. Ground Truth Box(실제 있는 박스), Predicted Box(예측한 박스)에 가깝다면?x,y(꼭짓점)는 위치정보를 잘 예측한다고 봅니다.w,h(너비)는 크기자체를 잘 예측한다고 봅니다.👉🏻모델이 object가 있는 위치를 잘 예측한다.  2. Class Classification : 분류미리 정의된 클래스로 나누는 작업.. 공감수 1 댓글수 0 2024. 10. 25.
  • Pretrained CNN - VGG16, InceptionV3 - VGG16# VGG에서 가장 가벼운 모델 VGG16from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictionsimport numpy as npimport matplotlib.pyplot as pltvgg_model = VGG16(include_top=True, # VGG16 모델의 아웃풋 레이어까지 전부 불러오기 weights='imagenet', # ImageNet 데이터를 기반으로 학습된 가중치 불러오기 input_shape=(224,224,3) # 모델에 들어가는 데이터의 형태 )  # 연결from goo.. 공감수 0 댓글수 0 2024. 10. 24.
  • 100중 분류 100분류에 원핫인코디을 진행하면 99개의 0 데이터와 1개의 1데이터가 생겨서 과부하가 생길 수 있다. 1. 데이터 불러오기 및 나누기import numpy as npimport matplotlib.pyplot as pltfrom keras.datasets.cifar100 import load_data(train_x, train_y), (test_x, test_y) = load_data()# train데이터 val 데이터로 나누기from sklearn.model_selection import train_test_splittrain_x, val_x, train_y, val_y = train_test_split(train_x,train_y, test_size=.2, random_state=2024)2. 모.. 공감수 1 댓글수 0 2024. 10. 24.
  • Transfer Learning Transfer Learning (전이 학습)이미 학습된 모델의 지식을 새로운 문제에 활용하는 기법왜 사용하는가?개인이 수집 불가능할 정도의 데이터를 이용하고 + 성능이 훌륭한 모델 구조와 가중치를 학습한 모델를 선택하고 싶을 때, Transfer Learning 기법을 사용한다. 예시)1. 데이터 부족할 때 2. 원본과 확연히 다른 새로운 특징을 만들어 낼 수 없을 때3. 양과 질 모두 충족하는 적절한 데이터였는 지 모르겠을 때 1.  Pretrained Model모델을 완전히 그대로 사용하는 방법ImageNetAlexNetGoogleNetResNetVGGNet이러한 모델들은 Image Data자체에 대한 Feature를 잘 추출해 낸단 기대를 가지고 있다. - keras 지원 모델  Keras doc.. 공감수 1 댓글수 1 2024. 10. 23.
  • Image Precessing & Augmentation - notMNIST 적절한 Augmentation (데이터 증강)은 다양한 학습 데이터를 만들어 모델의 성능을 높일 수 있다.  1. 데이터 불러오기import numpy as npimport matplotlib.pyplot as pltfrom scipy import iofrom sklearn.model_selection import train_test_splitfrom keras.utils import to_categoricalimport kerasfrom keras.utils import clear_session, plot_modelfrom keras.models import Sequential, Modelfrom keras.layers import Flatten, Input, Dense, Dropoutfrom kera.. 공감수 0 댓글수 0 2024. 10. 23.
  • MNIST에 CNN 추가, CIFAR-10에 CNN 추가 MNIST, CIFAR-101. 라이브러리 및 데이터 불러오기import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport random as rdfrom sklearn.metrics import accuracy_scoreimport kerasfrom keras.utils import clear_session, plot_modelfrom keras.models import Sequentialfrom keras.layers import Input, Dense, Flatten, BatchNormalization, Dropoutfrom keras.layers import Conv2D, MaxPool2Dfrom keras.optimizers .. 공감수 0 댓글수 0 2024. 10. 23.
  • notMNIST 분류 1. 데이터 불러오기 및 라이브러리!pip install keras-nightly!wget http://yaroslavvb.com/upload/notMNIST/notMNIST_small.matimport numpy as npimport matplotlib.pyplot as pltfrom scipy import iofrom sklearn.model_selection import train_test_splitfrom keras.utils import to_categoricalfrom sklearn.metrics import classification_reportfrom keras.callbacks import EarlyStopping 2. 데이터 전처리x_train, x_test, y_train, y_tes.. 공감수 0 댓글수 0 2024. 10. 21.
  • CNN(Convolutional Neural Network) CNN이란?이미지 데이터 구조를 "그대로" 사용하는 접근으로,더불어, 한꺼번에 Feature의 개성을 고려하기보다 지역별 개성을 살려 feature를 추출한다. Fully Connected layers은 흑백 이미지에서는 일정한 정도 성능을 보이지만컬러 이미지 부터는 성능이 떨어진다! 그러므로 COVN layers를 사용한다.Input 사진 (28X28X1) > 흑백, (32X32X3) > 컬러  - CNN 특징마지막 숫자는 채널, 혹은 색상 채널이라고 말한다.filter( Convolutional Layer )를 거쳐서 다양한 Feature map이 생성된다.필터의 depth는 inpurt의 depth를 따라간다.depth가 늘어날 수록 고레벨의 특징을 추출한다.CNN이 filter를 스스로 학습한다... 공감수 4 댓글수 0 2024. 10. 21.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.