분류 전체보기53 [컴퓨터 비전] SSD 개요 인프런 - 권철민 님의 '딥러닝 컴퓨터 비전 완벽 가이드'를 정리한 내용입니다. SSD 원리 SSD는 singe shot detecter의 줄임말로 RCNN 계열에서 Object 위치를 찾는 과정과 Object를 분류하는 과정을 하나로 합친 모델이다. YOLO v1 다음에 나온 모델이지만 최초로 정확성과 속도를 모두 잡은 모델로 평가 받는다.(YOLO v2, v3도 정확성과 속도 모두 좋다.) 한번에 Detection하기 위해 이미지 피라미드기법과 Default Box(Anchor Box와 비슷)을 사용한다. 이미지 피라미드 & Default Box Default Box는 Faster RCNN의 Anchor Box와 비슷한 개념이다.(논문에서 다른 단어를 사용했을 뿐) 이미지에서 찾기위한 Object의 .. 2021. 5. 6. [컴퓨터 비전] OpenCV 안에 있는 Detection 모델 사용하기 인프런 - 권철민 님의 '딥러닝 컴퓨터 비전 완벽 가이드'를 정리한 내용입니다. OpenCV Detection 모델 openCV를 설치하면 딥러닝 프레임워크가 없더라도 사용 가능한 모델을 제공한다. OpenCV에서 지원하는 Computer Vision 처리 기능과 딥러닝을 쉽게 결합하여 사용할 수 있다. ● 단점 - GPU 지원이 약하다. - 학습은 불가능하며 오직 inference만 가능하다. - 다른 딥러닝 프레임워크를 사용했을 때 보다 느리다. 딥러닝 모델 load 하기 자체적으로 가중치 모델을 생성하지 않고 다른 프레임워크에서 생성된 모델을 변환하여 로딩하는 방식이다. 가중치 모델 파일과 환경 파일을 필요로 한다. (각 사이트에서 받을 수 있다.) import cv2 # Tensorflow cvN.. 2021. 4. 29. [컴퓨터 비전] RCNN, SPP net, Fast RCNN, Faster RCNN 인프런 - 권철민 님의 '딥러닝 컴퓨터 비전 완벽 가이드'를 정리한 내용입니다. RCNN 계열 RCNN 계열은 2가지 stage, Object 위치를 찾는 과정과 Object를 분류하는 과정으로 이루어진 알고리즘 들이다. 1. RCNN RCNN의 동작 단계는 이미지에서 Object가 있을 만한 위치 2000개를 지정하고 2000개 모두 분류 모델에 넣어 분류하는 방법이다. Object 위치를 찾는 방법으로 graph-based segment 기법인 selective search를 이용한다. 이미지를 분류하는 방법은 Imagenet을 이용, feature를 만들고 SVM을 이용하여 이미지 분류, Bounding Box Regression을 수행한다. 동시대 다른 알고리즘에 비해 매우 높은 Detection.. 2021. 4. 28. [컴퓨터 비전] 주요 Dataset 과 openCV, 컴퓨터 비전 패키지 인프런 - 권철민 님의 '딥러닝 컴퓨터 비전 완벽 가이드'를 정리한 내용입니다. Object Detection과 Segmentation을 위한 주요 Dataset 1. PASCAL VOC (주로 2012 버전) - Detection을 위한 20개의 카테고리를 갖는 데이터를 제공한다. - Detection, Segmentation, Action Classification, Person Layout을 위한 데이터를 제공한다. - Annotation을 xml 형태로 제공 Annotation이란? 이미지의 Detection 정보를 설명 파일로 저장한 것을 말한다. 이미지 class, Boundering box의 위치 등을 특정 포맷으로 전달한다. 2. MS-COCO (주로 2017 버전) - Detection을.. 2021. 4. 22. [컴퓨터 비전] 개요 및 Object Detection 인프런 - 권철민 님의 '딥러닝 컴퓨터 비전 완벽 가이드'를 정리한 내용입니다. 컴퓨터 비전의 업무 1. Classification : 이미지가 무엇인지 구분하는 것 2. Localization : 하나의 object의 위치를 찾는 것 3. Object Detection : 여러 개의 Object들에 대한 위치를 Bonding box(네모 박스)로 찾는 것 4. Segmentation : Detection보다 발전된 형태로 Pixel 단위로 Object를 구분하는 것 Localization과 Detection 이미지에서 해당 Object의 위치를 Bounding box로 찾고, Boundering box내의 Object를 판별한다. boundering box를 찾는 과정은 regression과정이며 Ob.. 2021. 4. 21. [그로스 해킹] AARRR 개념 및 Acquistion 인프런 - 그로스 해킹 양승화 님의 강의를 듣고 정리한 자료입니다. 지표의 중요성 지표(metric) - 로그를 특정 기준에 따라 요약한 숫자 1. 현재 상황을 정확하게 이해하도록 해준다. 2. 목표를 명확하게 해 준다. 3. 의사결정을 하는데 기준이 된다. ● 지표를 관리하는 2가지 방법 1. Task-based, 업무기반 - 결과적으로 안좋은 것 마케팅, 운영, 개발, 사업 등 업무를 기반으로 생성된 지표를 각각 관리하는 것 - 마케팅 팀: 검색광고 키워드별 CTR은 3.5% 이다. - 운영 팀: CS 문의 처리 건 수가 300건이다. - 개발 팀: 이번 배포에서 총 12개의 버그를 수정했다. - 사업 팀: 이 달 신규계약은 12건입니다. ▶ 문제점 - 무엇이 중요한지 판단하기 어렵다. - 전체 프로.. 2021. 4. 19. [약동학] 약동학 parameters 약물 투여 루트(2가지 기준) 1. Enteral vs Parenteral - 소화관으로 넣는지 아닌지로 구분, 실제 약물을 적용할 때 편한 분류기준 ● Enteral : 소화관으로 투여, Oral(입), Rectal(직장) ● Parenteral : 소화관이 아닌 곳으로 투여, Injection(정맥, 근육주사), Topical(피부), Respiratory(호흡기) 2. Intravascular vs Extravascular - 혈관으로 즉시 투여와 혈관이 아닌 곳으로 투여, 흡수과정의 유무에 따라 나뉜다. 약동학 실험 시 사용하는 기준 ● Intravascular - 정맥 또는 동맥으로 직접 약을 투여한다. - 흡수(Absorption)과정이 없다. - 즉시 효과가 나타난다. (onset : 효과가.. 2021. 4. 14. [약동학] 약동학 이해 ADME 약동학이란 약의 성질을 시간에 대한 함수로 나타낸 학문 약의 흡수, 퍼짐, 대사, 배출 4가지에 대한 성질(ADME)을 나타낸다. 최근에는 독성까지 포함하기도 한다. 신약개발에 있어 가장 많이 실패하는 이유는 Biopharmaceutical Properties가 부족해서이다. 즉, 약동학의 ADME가 기준에 미치지 못해서이다. 신약개발에 있어 약동학이 중요한 이유가 된다. 1. Absorption : 약을 투여한 후 흡수가 되는 속도 2. Distribution : 흡수가 된 후 몸으로 퍼져나가는 정도 3. Metabolism : 간 등에서 약이 다른 구조로 변하는 속도 4. Excretion : 약이 몸에서 배출되는 속도 1. Absorption - 약을 투여한 위치에서 약의 수치를 측정 가능한 부위(.. 2021. 4. 12. [딥러닝] - few shot learning, 적은 데이터로 학습하기 few shot learning 이미지 분류 문제에서 딥러닝 모델을 학습시키기 위해서는 많은 데이터가 필요하다. (imagenet 12만장) 하지만 사람의 경우 몇 장의 이미지만으로 새로운 것을 배우고 구분할 수 있다. 사람이 배우는 것 처럼 딥러닝 모델을 학습 시키는 방법을 메타러닝(Meta-learning)이라고 하며 image 문제에 사용되는 메타 러닝을 few shot learning이라고 한다. 접근 방법 few shot learning의 학습 방식은 두 이미지 비교다. 기존 분류 문제는 이미지가 어떤 카테고리에 포함 되는가를 찾는 방법이고 few shot learning은 두 이미지를 비교하여 같은지 다른지를 판단한다. 서포트 셋은 우리가 가지고 있는 labeling된 데이터 이고 쿼리 셋은 .. 2021. 4. 12. 이전 1 2 3 4 5 6 다음
