728x90 반응형 SMALL 분류 전체보기1626 [Image Classification] VGGNet (cats-and-dogs) VGG16 케라스 API에서는 이 아키텍처의 구현물을 공식적으로 제공하며 tf.keras.application 패키지를 통해 접근할 수 있다. 이 패키지에는 그 외에도 잘 알려진 모델이 포함되어 있으며 각 모델에 대해 ‘사전에 훈련된’ 매개변수 (특정 데이터셋에서 사전에 훈련시키는 과정에서 저장해둔 매개변수)도 제공한다. 예를 들어, 다음 명령어로 VGG 네트워크를 인스턴스화할 수 있다. Vgg_net = tf.keras.applications.VGG16( Include_top = True, weights = ‘imagenet’, input_tensor = None, Input_shape = None, pooling = None, classes = 1000) 이 기본 인수를 사용해 케라스는 VGG-16 .. 2022. 9. 6. [Image Classification] VGGNet VGGNet VGGNet은 옥스포드 대학의 연구팀에 의해 개발된 모델로써, 2014년 ILSVRC에서 준우승한 모델이다. 이 모델은 이전에 혁신적으로 평가받던 AlexNet이 나온지 2년만에 다시 한 번 오차율 면에서 큰 발전을 보여줬다. VGGNet의 original논문의 개요에서 밝히고 있듯이 이 연구의 핵심은 네트워크의 깊이를 깊게 만드는 것이 성능에 어떤 영향을 미치는지를 확인하고자 한 것이다.VGG연구팀은 깊이의 영향 만을 최대한 확인하고자 컨볼루션 필터 커널의 사이즈는 가장 작은 3x3으로 고정했다. VGG 연구팀은 original 논문에서 총 6개의 구조 (A, A-LRN, B, C, D, E)를 만들어 성능을 비교했다. 여러 구조를 만든 이유는 기본적으로 깊이의 따른 성능 변화를 비교하기 .. 2022. 9. 6. [Image Classification] GoogleNet GoogleNet GoogLeNet은 2014년도 ILSVRC (ImageNet Large Sclae Visual Recognition Challenge)에서 우승한 CNN 네크워크이다. 정확하게 보면 GoogLeNet은 Inception이라는 개념의 네트워크들 중 하나이다. CNN의 성능 향상 기법 CNN의 성능을 향상시키기는 가장 직접적인 방식은 망의 크기를 늘리는 것이다. 망의 크기를 늘린다는 것은 단순하게 망의 레이어 수 (depth)를 늘리는 것 뿐만 아니라, 각 레이어에 있는 유닛의 수(width)도 늘리는 것을 의미한다. 특히, ImageNet과 같은 대용량 데이터를 이용한 학습의 경우 필수적이다. 깊은 망의 부작용 망이 깊어지면 성능이 높아지지만 2가지 중대한 문제가 발생한다. 망이 깊어질.. 2022. 9. 6. [Image Classification] AlexNet AlexNet ILSVRC은 ImageNet Large Scale Visual Recognition Challenge의 약자로 이미지 인식 (image recognition) 경진대회이다. 2012년 CNN 기반 딥러닝 알고리즘 AlexNet이 우승을 차지한 이후에는 깊은 구조(deep architecture)를 가진 알고리즘들이 우승을 차지했다. 오늘날 사용하고 있는 딥러닝 구조들은 AlexNet에서 계승 되었다고 해도 과언이 아니다. 첫번째 딥러닝 모델로써, 처음 ReLU와 GPU를 사용했다. 또한, Overfitting을 줄이기 위해 Dropout, Data Augmentation 적용하였다. ZFNet ZFNet은 CNN의 구조를 결정하는 Hyperparameter를 어떻게 설정할 것인지는 매우 .. 2022. 9. 6. [Git] Branch 사용하기 (2) Branch 삭제하기 'project1' 브랜치의 내용이 모두 'master'에 통합 되었기 때문에 이제 더 이상 'project1' 브랜치가 필요없다. 브랜치를 삭제하려면 branch 명령에 -d 옵션을 지정하여 실행하면 된다. $ git branch -d 'project1' 브랜치를 삭제하려면, 다음 명령어를 실행한다. $ git branch -d project1 Deleted branch project1 (was b2b23c4). 이제 'project1' 브랜치는 삭제되었다. 정말로 브랜치가 잘 삭제 되었는지 branch 명령어를 이용해서 확인한다. 아래와 같이 'master' 브랜치만 목록에 남아 있게 된다. $ git branch * master 동시에 여러 작업하기 이번에는 두 개의 브랜치를 .. 2022. 9. 6. [Android Studio] 기본 카메라 사진 찍고 이미지뷰에 출력하기 xml java package com.example.myapplication; import androidx.activity.result.ActivityResult; import androidx.activity.result.ActivityResultCallback; import androidx.activity.result.ActivityResultLauncher; import androidx.activity.result.contract.ActivityResultContracts; import androidx.appcompat.app.AppCompatActivity; import android.content.Intent; import android.graphics.Bitmap; import android.o.. 2022. 9. 5. [Git] Branch 사용하기 (1) Branch 사용하기 branch를 사용하기 위해 먼저, Git 저장소를 만들어야 한다. 또는 git clone을 통해서 만들 수 있다. tutorial이라는 이름으로 새 폴더를 만들고 Git 저장소로 지정한다. $ mkdir tutorial $ cd tutorial $ git init tutorial 폴더에 myfile.txt라는 이름으로 파일을 만든 후 커밋한다. $ git add myfile.txt $ git commit -m "first commit" Branch 만들기 'project1'이라는 이름으로 새로운 브랜치를 작성한다. 브랜치는 branch 란 명령어로 만들 수 있다. # $ git branch $ git branch project1 옵션을 지정하지 않고 branch 명령어를 실행하면 .. 2022. 9. 5. [시각 지능] Roboflow Roboflow Roboflow는 개발자가 기술이나 경험에 관계없이 자신의 컴퓨터 비전 애플리케이션을 구축할 수 있도록 지원한다. 원시 이미지를 훈련된 맞춤형 컴퓨터 비전 모델로 변환하고 애플리케이션에서 사용하기 위해 배포하는 데 필요한 모든 도구를 제공한다. 현재 Roboflow는 객체 감지 및 분류 모델을 지원한다. https://public.roboflow.com/object-detection/mask-wearing/4에서 포맷을 YOLO v5 Pytorch로 다운로드하고 파일 이름을 Mask_Data.zip으로 변경한다. YOLOv5 설치 # Colab root dir ROOT_DIR = '/content' import os YOLOv5_ROOT_DIR = os.path.join(ROOT_DIR,.. 2022. 9. 4. [Python] set (집합 자료형) set (집합 자료형) set() 은 집합에 관련된 것을 쉽게 처리하기 위해 만든 자료형이다. 집합 자료형은 다음과 같이 set 키워드를 사용해 만들 수 있다. s1 = set([1,2,3]) s1 {1, 2, 3} s2 = set("Hello") s2 {'e', 'H', 'l', 'o'} 집합 자료형의 특징 "Hello" 문자열로 set 자료형을 만들었는데 생성된 자료형에는 l 문자가 하나 빠져 있고 순서도 뒤죽박죽이다. 그 이유는 set에 다음과 같은 2가지 큰 특징이 있기 때문이다. 중복을 허용하지 않는다. 순서가 없다 (Unordered). 리스트나 튜플은 순서가 있기 (ordered) 때문에 인덱싱을 통해 자료형의 값을 얻을 수 있지만 set 자료형은 순서가 없기 (unordered) 때문에 인.. 2022. 9. 4. [Object Detection] YOLOv5 YOLOv5 YOLO는 'You only look once'의 약자로 이미지를 그리드 시스템으로 분할하는 객체 감지 알고리즘이다. 그리드의 각 셀은 자체 내에서 개체를 감지하는 역할을 한다. YOLO는 속도와 정확성으로 인해 가장 유명한 객체 감지 알고리즘 중 하나이다. YOLOv5🚀COCO 데이터 세트에서 사전 훈련된 객체 감지 아키텍처 및 모델이며, 수천 시간의 연구 및 개발을 통해 학습한 교훈과 모범 사례를 통합하여 미래 비전 AI 방법에 대한 Ultralytics 오픈 소스 연구가 있다. YOLOv4 출시 직후 Glenn Jocher는 Pytorch 프레임워크를 사용하여 YOLOv5를 도입했다. 오픈 소스 코드는 GitHub 에서 사용할 수 있다. YOLOv5 설치 구글 코랩에서 진행한다. %cd.. 2022. 9. 4. 이전 1 ··· 70 71 72 73 74 75 76 ··· 163 다음 728x90 반응형 LIST
