profile
Boostcamper!
post-thumbnail

Boostcamper's TIL (16)

Segmentation Recptive Field를 확장시킨 모델들 1. DeepLab v2 1) DeepLab v2? Backbone을 ResNet-101을 사용해 성능 향상 Atrous Spatial Pyramid Pooling(ASPP) 적용해 다양한 크기의 R

2021년 11월 4일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (15)

FCN의 한계와 Skip-Connection을 적용해 극복한 모델들Recptive Field를 확장시킨 모델들큰 객체의 경우 지역적인 정보만으로 예측해 전체적인 모습을 예측하지 못함같은 객체여도 다르게 labeling작은 Object가 무시되는 경우가 있음Deconvo

2021년 10월 19일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (14)

pixcelwise prediction큰 객체의 경우 지역적인 정보만으로 예측해 전체적인 모습을 예측하지 못함같은 객체여도 다르게 labeling작은 Object가 무시되는 경우가 있음Deconvolution의 절차가 너무 간단해 경계를 학습하기에는 무리가 있음 (ex

2021년 10월 19일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (13)

Pixel-wide classification대표적인 Segmentationfeature extraction을 위해 VGG 네트워크를 백본으로 사용VGG네이트워크의 Fully Connected Layer(nn.Linear)를 Convolution으로 대체Transpos

2021년 10월 19일
·
0개의 댓글
post-thumbnail

Boostcamper's 주간정리(9)

강의내용 Advanced Object Detection Cascade RCNN IoU threshold가 다르게 학습되었을 때 결과가 다르다. 전작적으로 IoU threshold가 0.5로 학습된 model이 성능이 가장 좋지만 AP의 IoU가 높아질수록 input I

2021년 10월 8일
·
0개의 댓글

Boostcamper's 주간정리(8)

강의내용 2-Stage Detectors 인공지능으로 객체를 인식하는 방법은 사람이 인지하는 방식과 비슷한 방식으로 설계되어 있다. 먼저 객체의 위치를 찾고 배경과 구분하여 물체를 맞추는 방식으로 객체를 인식하는데 인공지능도 마찬가지로 객체의 위치를 찾아내고 위치 안에

2021년 10월 1일
·
0개의 댓글
post-thumbnail

Boostcamper's 주간정리(7)

강의 내용 (특강) 서비스 향 AI 모델 개발하기, Full-Stack ML Engineer AI 서비스 개발 학습 데이터셋 준비 학습 데이터셋, 테스트 데이터셋, 테스트 방법이 없고 요구사항만 존재 가장 먼저 해야할 일은 학습 데이터셋을 준비하는것 학습 데이터셋을

2021년 9월 24일
·
0개의 댓글

Boostcamper's 주간정리(6)

Semantic segmentation에서 한 단계 더 발전하여 같은 class 여도 instance가 다른 개체 구분Mask R-CNN: 기존 Faster R-CNN의 Rol pooling은 정수 좌표만 가능했지만 Mask R-CNN은 소수 좌표도 가능해 성능을 향상

2021년 9월 17일
·
0개의 댓글

Boostcamper's 주간정리(5)

Computer vision: 인간의 다양한 감각중 가장 중요한 감각인 시각을 인공지능 기술로 구현하면 넓은 분야의 task를 수행 가능Fundamental image tasks: Classification, Segmentation, Object detection an

2021년 9월 10일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (12)

학습시킨 모델이 이미지의 어떤 부분을 보고 분류하는지, 특징점을 잘 파악하고 있는지 알아보기 위해 시도해볼 수 있는 기술인 Grad CAM(Class Activation Map)에 대해 알아보고 구현을 통해 CIFAR-10, MNIST 데이터에 직접 적용한다.CAM은

2021년 9월 7일
·
0개의 댓글

Boostcamper's TIL (11)

Computer Vision Data augmentation 사용하는 이유 현실에서 데이터셋으로 사용하는 이미지 데이터는 결국 사람이 구도를 잡고 찍은 데이터이다. 유행에 따라 구도가 변할 수 있고 예쁜 사진을 찍기 위해 구도를 잡는다. 이렇게 사람이 찍은 이미지

2021년 9월 6일
·
0개의 댓글
post-thumbnail

Boostcamper's 주간정리 (4)

2021/08/13 주간 정리 P-Stage level-1 Image Classification p-stage에서는 competition에 참여하여 주어진 문제를 해결하면서 내용 학습 및 실습을 진행함 주간 학습 학습내용 주어진 데이터셋을 사용할 수 있는 custom

2021년 8월 27일
·
0개의 댓글

Boostcamper's 주간정리 (3)

PyTorch BasicsTensor: PyTorch의 자료구조, numpy의 ndarry와 비슷하게 사용할 수 있음(생성, 연산)torch.nn: ML/DL에 필요한 여러가지 operation 및 객체 지원. 쉽게 model을 생성할 수 있지만 document를 통

2021년 8월 20일
·
0개의 댓글

Boostcamper's TIL (10)

2021/08/19 학습한 내용 Python Basic Model save 긴 시간동안 학습을 해야하는 경우 Monitoring tools for PyTorch 피어세션 끝

2021년 8월 20일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (9)

Tensor PyTorch의 자료구조, ndarray와 거의 동일함 따라서 data 타입 또한 numpy와 동일numpy의 operations 대부분 적용 (ones_like(), flatten(), ...)PyTorch의 tensor는 GPU에 할당 가능함view,

2021년 8월 18일
·
0개의 댓글
post-thumbnail

CV 논문 읽기-1 (ResNet)

Computer Vision 주요 논문 읽기 도전을 하고 있습니다. 첫번째 논문은 Deep Residual Learning for Image Recognition (CVPR 2016) 입니다. 핵심 아이디어인 잔여 학습에 대해 이해하고 구현을 통해 실제 ResNet을

2021년 8월 16일
·
0개의 댓글

Boostcamper's 주간정리 (2)

2021/08/13 주간 정리 강의 복습 DL Basic MLP: 여러개의 hidden layer로 구성된 architecture Optimization: 최적화 문제는 여러가지가 있다. 각 train, test set에 대한 성능 이슈인 Generalization

2021년 8월 13일
·
0개의 댓글
post-thumbnail

Boostcamper's TIL (8)

Sequential model은 입력데이터 길이가 언제 끝날지 모르는 어려움이 있다. input 데이터의 길이가 길어질수록 과거 정보량이 점점 늘어난다.이러한 문제점에 대한 해결책은 사용할 과거정보를 한정적으로 고정할 수 있는 방법이 있다. Markov modelRNN

2021년 8월 12일
·
0개의 댓글

Boostcamper's TIL (7)

ConvolutionNxN 크기의 filter(kernel)가 입력 데이터 (image)를 순차적으로 순회하면서 output을 만들어내는 연산이다. filter를 어떻게 초기화 하는지에 따라 Blur, Emboss, Outline 등 다양한 결과물을 만들 수 있다.fi

2021년 8월 11일
·
0개의 댓글

Boostcamper's TIL (6)

최적화 문제는 다음과 같은 개념으로 분류할 수 있으며 통계학으로 부터 전해진 내용들이다.GeneralizationUnder-fitting, Over-fittingCross validationBias-variance tradeoffBootstrappingBagging,

2021년 8월 10일
·
0개의 댓글