목록전체 글 (68)
A.I
Segmentation¶ 세그먼테이션 종류¶ 1) 시맨틱 세그멘테이션(Semantic Segmentation)¶ 클래스에 따른 시맨틱 세그멘테이션 맵(semantic segmentation map) Segnet Demo 2) 인스턴스 세그멘테이션(Instance Segmentation)¶ RoIAlign, 클래스별 마스크 분리를 통해 클래스별 Object Detection과 시멘틱 세그멘테이션을 하나의 Task로 엮어낸 것으로 평가받는 중요한 모델인 Mask R-CNN을 사용 Mask R-CNN은 Faster R-CNN에서 특성 추출방식을 "RoIAlign" 방식으로 개선을 하고 세그멘테이션을 더한 방식 Faster R-CNN과 비교한 구조도를 보면 U-Net처럼 피처 맵(feature map)의 크기를..
RetinaNet으로 자율주행시스템 만들어보기¶ mkdir -p ~/aiffel/object_detection/data pip uninstall tensorflow pip install tensorflow==2.3.0 cd ~/aiffel/object_detection git clone https://github.com/fizyr/keras-retinanet.git cd keras-retinanet && python setup.py build_ext --inplace pip install tensorflow_datasets tqdm pip install -r requirements.txt pip install . In [1]: import tensorflow as tf gpus = tf.config.ex..
Object detection¶ 이미지 내에서 물체의 위치와 그 종류를 찾아내는 것 mkdir -p ~/aiffel/object_detection/images 1) Object Localization¶ 물체의 클래스를 분류(classification)할 뿐만 아니라 위치 측정 (localization)까지 함께 수행하는 작업 Localization은 이미지 내에 하나의 물체(Object)가 있을 때 그 물체의 위치를 특정하는 것 Detection은 다수의 물체(Object)가 존재할 때 각 Object의 존재 여부를 파악하고 위치를 특정하며 클래스 분류(Classification)까지 수행하는 것 참고 딥러닝 검출 용어정리 Review of Deep Learning Algorithms for Object..
Data_augmentation¶ mkdir -p ~/aiffel/data_augmentation/data (1) 데이터 불러오기¶ pip install tensorflow_datasets In [1]: # TensorFlow and tf.keras import tensorflow as tf from tensorflow import keras # Helper libraries import numpy as np import matplotlib.pyplot as plt import tensorflow_datasets as tfds In [2]: tf.config.list_physical_devices('GPU') Out[2]: [PhysicalDevice(name='/physical_d..
cs231n.stanford.edu/reports/2017/pdfs/300.pdf
Image Augmentation¶ mkdir -p ~/aiffel/data_augmentation/images 다양한 Image Augmentation 방법¶ 텐서플로우 Data Augmentation - Flipping¶ 이미지를 대칭하는 기술로 좌우,상하로 이미지를 반전시키는 방법입니다. 물체 탐지(detection), 세그멘테이션(segmentation) 문제 등 정확한 정답 영역이 존재하는 문제는 라벨도 같이 좌우 반전을 해주어야 합니다. - Gray scale¶ 3가지 채널(channel)을 가진 RGB 이미지를 1개의 채널로 바꿔줍니다. RGB 각각의 채널마다 가중치(weight)를 주어 가중합(weighted sum)을 하였습니다. 사용된 가중치의 경우 합이 1이 됨을 알 수 있습니다. -..
GAN 과 cGAN¶ Generator 노이즈 z(파란색)이 입력되고 특정 representation(검정색)으로 변환된 후 가짜 데이터 G(z)(빨간색)을 생성해 냅니다. Discriminator 실제 데이터 x와 Generator가 생성한 가짜 데이터 G(z)를 각각 입력받아 D(x) 및 D(G(z))(보라색)을 계산하여 진짜와 가짜를 식별해 냅니다. Generator 노이즈 z(파란색)와 추가 정보 y(녹색)을 함께 입력받아 Generator 내부에서 결합되어 representation(검정색)으로 변환되며 가짜 데이터 G(zㅣy)를 생성합니다. MNIST나 CIFAR-10 등의 데이터셋에 대해 학습시키는 경우 y는 레이블 정보이며, 일반적으로 one-hot 벡터를 입력으로 넣습니다. Discrim..
사람보다 퀴즈를 잘 푸는 인공지능¶ mkdir -p ~/aiffel/bert_qna/data mkdir -p ~/aiffel/bert_qna/models 한국어 시각화 패키지 sudo apt update -qq sudo apt install fonts-nanum* -qq pydot 모델 시각화 sudo apt-get install graphviz 설치 라이브러리 pip install tensorflow_addons==0.11.2 pip install sentencepiece pip install wordcloud pip install ipywidgets --user pip install tqdm pip install pydot pip install pydotplus pip install graphviz ..