일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- Spring
- @Transactional
- 졸프
- javascript
- 커스텀 데이터 학습
- JPA
- Spring Boot
- AWS
- 2021 제9회 문화공공데이터 활용경진대회
- google cloud
- Expo
- C++
- pandas
- react native
- oauth
- google login
- Loss Function
- skt fellowship 3기
- idToken
- matplotlib
- marksense.ai
- YOLOv5
- yolo
- 순환참조
- OG tag
- 양방향 매핑
- html
- STT
- 코드업
- google 로그인
- Today
- Total
목록머신러닝&딥러닝 (16)
민팽로그
tensor: 데이터의 배열. yolo 논문 설명 중 'prediction tensor'라는 용어로 접함. 그럼 yolo에서 말하는 'S x S x (B*5 + C) 차원의 prediction tensor'는 S x S x (B*5 + C) 차원의 예측된 데이터 배열이라는 뜻이 됨. 1-stage detector 과 2-stage detector: 각각 localization과 classification을 동시에 수행하는 방법, localization과 classification을 차례로 수행하는 방법임. YOLO 계열이나 SSD 계열이 전자에, R-CNN 계열이 후자에 해당 anchor: 검출 객체 bounding box의 w, h의 초기값. YOLO는 anchor 기반 모델이며 앵커박스의 크기를 조정..
지도학습: 배움을 통해 학습 강화학습: 일단 부딛혀보며 경험을 통해 학습 강화학습의 기본 원리: 행동의 결과에 따라 보상과 벌을 받기를 무수히 반복하며 가장 많은 보상을 받을 수 있는 방법을 학습 Environment(환경): 학습 환경 action(행동): 환경의 상태 agent(에이전트): 행위 주체 reword(보상): 올바른 행위를 했을 때 주어지는 보상 policy: 판단력, 판단 정책 강화학습의 목적 -> 상태에 따라 더 많은 보상을 받을 수 있는 행동을 agent가 할 수 있도록 하는 정책을 만드는 것 출처: 생활코딩 https://youtu.be/BPCAP7DHLYw

https://www.makesense.ai/ Make Sense www.makesense.ai 1. 우측 하단의 Get Started 클릭 2. 데이터셋 폴더를 드롭한 후 이어서 활성화되는 Object Detection 버튼 클릭 3. 라벨 만들기 & 라벨링 완료 후 좌측 상단의 Action > Export Annotations 클릭 5. 아래와 같이 체크한 후 Export 클릭 이 과정이 끝나면 라벨링 txt파일들이 들어있는 폴더가 저장됨!

라벨링 https://www.makesense.ai/ Make Sense www.makesense.ai 위 사이트에서 라벨링을 진행한 후 yolo 포멧으로 export하여 yolov5 프로젝트의 적절한 경로에 넣어준다. yolo에서는 라벨링을 할 때 사진의 좌측 상단을 (0,0), 우측 하단을 (1,1)로 하여 표시한다. 이미지 폴더와 라벨링 폴더를 작업 프로젝트에 지정 트레인셋과 벨리데이션셋 나누는 과정 학습에 사용할 yaml파일 설정 학습 시작 학습 완료 후 pt파일 얻기 -> 학습된 pt파일을 통해 detect 하기 진행 중 문제 사항 1. 파이참으로 학습을 진행하려 했는데 패키지 버전의 문제인지 오류가 해결되지 않아 colab으로 학습한 후 pt파일만 파이참으로 옮겼다.. 2. train 사진 수..

저번에는 윈도우 컴퓨터를 사용하면서..리눅스 명령어를 사용하게 해주는 프로그램을 다운받아가며 darknet yolo를 사용했었다...😥 이번에는 파이썬으로 구현된 프로그램 사용! 귀찮아서 아나콘다, 코랩 등에서 작업하지 않고 사용하지 않고 파이참을 사용하였다. https://github.com/ultralytics/yolov5 GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub. github.com 일단 위..

YOLO: You Only Look Once 실시간 객체 탐지, 인식 모델 중 하나. yolo를 window환경에서 darknet으로 실행하기 참고한 블로그: https://blog.naver.com/angelkim88/221576760182 처음에 그냥 쉽게 따라하려고 블로그를 하나 골라서 yolo 실행을 시도해 보았다. yolo는 darknet 프레임워크 기반인데 이를 위해 리눅스 명령어(make)를 통해 실행파일을 만들어 주어야 하는 것 같다. 이 블로그를 따라하다 보면 이 과정에서 cygwin(시그윈)이라는 프로그램을 사용한다. 마이크로소프트 윈도우에서 POSIX기반 소프트웨어를 구동 및 개발할 수 있는 환경을 제공하는 소프트웨어라고 하는데 용량이 6G 이상으로 매우 크므로 이 방법은 추천하지 않..