실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 (영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지)
1.01 딥러닝 영상분석 소개 + 02 딥러닝 영상분석의 시작, CNN
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 (영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지) 도서를 참고하여 작성하였습니다. 활성화 함수에 대한 더욱 자세한 내용은 아래 링크를 참조해 주세요. https://velog.io/@jeoooes/11%EC
2.03 딥러닝 영상분석을 위한 학습 과정 + 04 이미지 분할과 객체 인식 (1)
참고 자료 https://wikidocs.net/147359 https://kuklife.tistory.com/117 https://asidefine.tistory.com/165 딥러닝은 실제 이미지 분류나 인식 등의 서비스에서 높은 정확도가 나올 수 있게 많은 데이
3.04 이미지 분할과 객체 인식(2)
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 (영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지) 도서를 바탕으로 작성된 글입니다. YOLOv2: 더 좋은, 더 빠른, 더 강력한 YOLO의 다음 버전인 YOLO2는 논문에서 성능과 속도를 모두 개선하여 S
4.You Only Look Once: Unified, Real-Time Object Detection
Abstract 이전의 obejct detection 연구들은 classifier를 변형하거나 활용하여 detection 작업을 수행했다. 그러나 논문의 저자들은 object detection을 regression problem으로 보고 객체의 위치를 나타내는 boun
5.YOLO9000: Better, Faster, Stronger
https://arxiv.org/pdf/1612.08242 Abstract 먼저 저자들은 YOLO에서 발전된 모델인 YOLOv2를 소개한다. 이후 object detection과 classification을 jointly하게 train 하는 방식을 소개하고, 이 방식
6.YOLOv3: An Incremental Improvement
https://arxiv.org/abs/1804.02767managed to make some imporvements to YOLOnothing like super interesting, just a bunch of small changes that make
7.YOLOv4: Optimal Speed and Accuracy of Object Detection
https://arxiv.org/pdf/2004.10934 1. Introduction Problem 1. Majority of CNN-based detectors are largely applicable only for recommendation systems P
8.05 이미지 분류를 활용한 재활용품 분류 + 07 YOLO를 활용한 횡단보도 보행자 보호 시스템
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 (영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지) 도서를 바탕으로 작성된 글입니다.이 장에선 이미지 분류를 활용하여 재활용품 분류 프로그램을 제작한다. 이 프로젝트에서 목표로 하는 사용자 시나리오는 간단하다.