해당 게시글은 패스트캠퍼스에서 진행하는 AI 부트캠프에서 학습한내용과 교육과정을 토대로 작성했습니다.

📝하루의 정리 :

Object detection을 구현하기위해 많은 과정이 거쳐진것같다.
초창기 RCNN부터 시작해서 YOLO v3까지 다양한 모델들이 개발이 된것같다.
COCO에 올라온 pre-trained된 모델들은 backbone을 포함한 파일이라는것도 알게되었고 RCNN계열이 성능이 좋지만 무겁고 오래걸리는것과
YOLO계열이 가볍고 빠르지만 예측성능이 RCNN계열보다 별로라는 사실도
알게 되었는데 이러한 것들을 쭉 보았을때 당장 해결해야 하는 문제가 무엇인지에 따라 모델의 선택이 바뀔것 같다. (project by project)
가령 건강관련된 의학 분야나 자율주행자동차처럼 생명과 관련된 분야에서는
RCNN처럼 오래 걸리더라도 정확도가 높은 모델 을 채택하여 개발하지 않을까?
그외에 정확도가 적당히 나와도 큰문제 없다 싶은경우 YOLO계열을 고르면 될듯 싶은데 저번 Google Brain에 시계열문제인 ventilator pressure predict 프로젝트 할때 코랩 컴퓨팅300가량 녹아버린 나로써는 아무래도 빠르고 가벼운 YOLO가 조금더 매력적으로 다가온다.
하지만 결국 어느계열이건 한번씩 다 다뤄봐야 할테니 상황에 맞게 쓰는게 중요하지 않을까 싶다. 궁금하다 과연 YOLO계열과 RCNN계열의 속도는 실제로 얼마나 다를까? 예측점수는 크게 차이가 날까?
사실 모델들을 비교하는 지표야 친절하게 측정이 되어 있지만 어떤 일이든 직접 비교해보는것만큼 체감이 잘되는 경험은 없지 않나싶다.
물론 모델링 방법이나 코드작성 부분도 취향이 갈릴테니 결국 여러가지를 고려해서 모델을 선택해야겠지만... 그리고 이 분야가 눈깜빡할새에 금새 새로운 기술이 툭툭 튀어나오는 분야이므로 지금 드는생각은 빠르고 나름 성능좋은거 쓰고 있다보면 뭐 하나씩 툭툭 튀어나오지 않을까 싶은데... 정 맘에 드는게 없다면 직접 만드는것도 좋겠고...ㅋㅋ

++어찌되었건 Pre-trained된 모델이 시간단축에 있어서 좋은건 확실하니 많이많이 실습해봐야 겠다.

🟢오늘 임무 선택(4중1택)

• 문제풀이_EDA
• 문제풀이_코딩테스트
• 문제풀이_SQL
• CV실습_실습파일업로드

🔴 오늘의 키워드

• 전이학습
• Object detection
• RCNN계열 모델
• YOLO계열 모델
• ToPureTensor
• argumentation
• T.RandomHorizontalFlip(0.5)
• requires_grad

🟡오늘뭐했지???

1. 분류모델 이론 학습진행
2. Object_detection 이론 학습진행
3. Faster-RCNN Object Detection 실습 진행
4. 블로그에 퍼셉트론 정리및 업로드
5. DFS 코딩테스트 문제풀이