목록Going Deeper (14)
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. -..