전체 글 (46) 썸네일형 리스트형 사물탐지 (1) - 사물탐지 프로젝트 프레임워크 전까지는 이미지 분류에 대한 얘기를 했었는데, 실제로 우리가 현실에서 업무를 수행하기에 더욱 필요한 부분은 바로 사물탐지 분야이다. 이미지에는 둘 이상의 대상이 있는 경우가 다수이다. 당장 이 귀여운 사진만 하더라도 '개, '고양이' 라는 레이블로 분류문제를 수행할 수는 없다. 대신에 이제 개로 추정되는 사물이, 고양이로 추정되는 사물이 각각 어디즈음 위치해 있다는 문제를 풀어야 한다. 이렇게 사물탐지는 크게 두가지의 과업이 존재한다. 1. 이미지 내에서 물체의 위치 특정. 2. 이미지 내의 각 물체를 분류. 실생활에서도 사물탐지에 관련된 사례가 많다. 자율주행에서 보행자, 차량, 도로 및 보행물의 인식 로봇의 주변 사물탐지 등 시대가 발전할 수록 빠르게 고도화되고 익숙해지는 기술이 아닐까 싶다 오늘은 .. [이미지 분류 프로젝트] 데이콘 도배 하자 (2) - 인코딩 해결,이미지 증강 이번 주는 인코딩 관련 문제 해결 & 이미지 증강을 통한 성능 향상에 초점을 맞춰서 진행 해 보았다. 우선 인코딩 이슈.. 지난번에 점수 0 뜬거 보고 아무리 데이터의 질이 나쁘더라도 이럴 수 있나..? 뭐 클래스 불균형이 너무 심해서 그런갑다 했는데 무슨 파일 뜯어보니 인코딩이 엉망이었다. 무엇이 그렇겗?귱금하슇죣?? 지난번 자모분리현상 부터 왜이런진 모르겠는데.. ANSI로 인코딩 하면 육안상 괜찮은데 데이콘에서 받아들이지 못해서 점수가 0으로 나오고, utf-8은 위 사진처럼 미친듯이 깨지더라 그래서 혼자 터득해본 방법은 1. csv를 메모장으로 열기 2. utf-8(BOM) 으로 저장하기 그럼 이렇게 이쁜 결과를 얻을 수 있다. 나중에 알고보니 그냥 to_csv 할 때 encoding = 'utf.. 코테 알고리즘 - DFS(깊이 우선 탐색) [1] Depth - Frist Search, DFS는 그래프에서 깊은 부분을 우선적으로 탐색하는 알고리즘이다. 우선 이쪽계열에서 얘기하는 그래프는 요런 그래프가 아니다 이렇게 노드(정점)과 간선으로 표현되는 그림을 그래프라고 말한다. 그래서 그래프를 탐색한다는 얘기는 하나의 노드를 시작으로 해서 다른 노드들을 방문하는 것을 말한다. 보통은 밑의 그림처럼 간선에 가중치가 적용되어서 뭐 비용이 최소로 되는 경로를 찾는 다던가.. 그런 문제들이 많을 줄 알았는데 아직까지는 쉬운 문제들만 풀어서 그런지 찾아보질 못했다 우선 DFS에는 스택의 개념이 들어간다. 스택과 관련해서는 여기로 그래서 이 DFS의 메커니즘을 차례대로 소개해보자면 1. 탐색 시작노드를 스택에 삽입, 방문처리를 한다. 2. 스택 최상단 노드의 인접.. 파이썬 한글 자모분리(자소분리) 현상 해결하기 도배 하자 이미지 분류 EDA를 진행하려다 난생 처음보는 난관을 마주해버렸다 아니 이게 뭐람? 시각화해도 분리돼서 나오길래 폰트의 문제인가 싶어서 모든 나눔폰트를 받아서 적용해 봤지만 해결되지 않고.. 어떻게 하나씩 찾아서 replace할까 했는데 그것도 안될 것 같더라 인코딩 관련해서 서치해보다가 해결책을 찾아냈다. 애초에 train_df의 라벨들은 각 자모기준으로 인코딩이 되어있고, 우리가 평소에 사용하는 str형들은 글자단위로 인코딩이 되어있어서 이 둘을 같다고 여기지 못하는 것이다. 결국 우리가 보기엔 같은 단어지만, 실제 코드상으로는 다르게 저장되어있는 상태이다. 그래서 어떻게 해결을 해야하는가 NFD (자모분리 인코딩) -> NFC (글자단위 인코딩)으로 정규화 한다. 만약 자모분리상태로 정규.. [이미지 분류 프로젝트] - 데이콘 도배 하자 (1) https://dacon.io/competitions/official/236082/data 도배 하자 유형 분류 AI 경진대회 - DACON 분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다. dacon.io 총 19가지의 도배 하자 이미지 유형을 분류하는 AI 모델을 개발해야 한다. 평가 산식은 weighted f1 score이고, 논문으로 공개된 사전 학습 모델을 사용할 수 있다고 한다. 다른 분들이 올려주신 코드 & 베이스라인을 거의 따와서 하나하나 뜯어보며 체화해보고자 한다. [1. EDA - 도배 이미지 확인] https://dacon.io/competitions/official/236082/codeshare/7898?page=1&dtype=recent [EDA] 도배 .. 고급 합성곱 신경망 구조 (2) - AlexNet, VGGNet, InceptionNet https://rhks13.tistory.com/43 고급 합성곱 신경망 구조 (1) - CNN의 패턴과 LeNet 전통적인 CNN을 기반으로 다양한 최신 합성곱 신경망 구조들이 등장했다. 이번 포스팅부터는 그 새로운 구조들의 특징과 각 구조들이 어떻게 발전되어 탄생했는지 정리해보려 한다. 우선 그에 rhks13.tistory.com 지난 포스팅에 이어 더 나아진 CNN 모델들을 살펴보겠다 1. AlexNet 앞서보았던 LeNet은 얇은 층으로 구성되고, MNIST 데이터를 단순히 10개의 클래스로 구분하는 과제를 수행했다. 훨씬 복잡한 이미지를 더 많은 클래스로 구분하려면 LeNet만으로는 힘들 수 있다. 이렇게 LeNet에 비해 더 복잡한 문제를 해결할 수 있도록 2012년에 등장한 구조가 바로 Al.. 고급 합성곱 신경망 구조 (1) - CNN의 패턴과 LeNet 전통적인 CNN을 기반으로 다양한 최신 합성곱 신경망 구조들이 등장했다. 이번 포스팅부터는 그 새로운 구조들의 특징과 각 구조들이 어떻게 발전되어 탄생했는지 정리해보려 한다. 우선 그에 앞서 CNN의 공통적인 디자인 패턴에 대해 알아보자. 1. 특징 추출과 분류 특징의 추출과 결과의 분류를 담당하는 부분이 다르다. 앞선 포스팅에서 설명했던 것과 같이 CNN에서는 합성곱층(필터)을 이용해 특징을 추출하고, 해당 특징들을 계속해서 추출하다 1차원 벡터화 한 후 전결합층을 통해 최종 분류 결과를 도출한다. 2. 이미지의 깊이는 증가, 크기는 감소 이미지는 높이 X 폭 X 깊이로 나타내어진다. 이때 CNN을 통과 할 수록 이미지 깊이는 깊어지고, 크기(높이 x 폭)는 작아진다. 인풋에서의 깊이는 색상이었다. 회.. 딥러닝 프로젝트 시작부터 튜닝 및 최적화 과정까지(2) https://rhks13.tistory.com/41 딥러닝 프로젝트 시작부터 튜닝 및 최적화 과정까지(1) 딥러닝 프로젝트를 간략하게 정리하면서 빠르고 효율적으로 굴러가는 모델을 만드는 방법, 그리고 결과를 분석하고 성능을 개선하는 방법을 알아보자 해당 포스팅의 내용은 이미지 처리를 위 rhks13.tistory.com 지난 포스트에서는 딥러닝 프로젝트를 시작함에 있어 문제의 정의와 성능지표 선정의 중요성, 베이스라인 모델 설정시 고민해야 할 부분, 데이터 준비, 모델 평가와 성능지표의 해석에 대한 내용을 풀었었는데 이번에는 앞선 과정을 거친 후 모델의 성능을 최대로 끌어 올릴 수 있는 과정들에 대해 알아보려 한다. 1. 신경망 개선 첫 모델을 구성하고 학습까지 마쳤으니 이제는 1. 하이퍼 파라미터 조.. 이전 1 2 3 4 ··· 6 다음
