부스트캠프 18주차 Streamlit 정리

장점Python Script 코드를 조금 수정하면 웹을 띄울 수 있음백엔드 개발이나 http 요청을 구현하지 않아도 됨다양한 Component를 제공해서 대시보드 UI를 구성할 수 있음Streamlit Cloud를 통해 쉽게 배포 가능화면 녹화 기능이 존재한다.

2022년 6월 19일
·
0개의 댓글
post-thumbnail

부스트캠프 18주차 Voila 정리

모델을 개발한 후 사람들과 테스트할 수 있는 프로토타입을 먼저 만들어봐야 한다.웹서비스를 만드는 것은 시간이 많이 소요되기 때문이다.1) Jupyter Notebook 결과를 쉽게 웹 형태로 띄울 수 있음2) Ipywidget, Ipyleaflet 등 사용 가능3) J

2022년 6월 19일
·
0개의 댓글

부스트캠프 18주차 Product Serving 정리

ServingProduction(Real World) 환경에 모델을 사용할 수 있도록 배포한다.머신러닝 모델을 개발하고, 현실 세계(앱, 웹)에서 사용할 수 있게 만드는 행위서비스화라고 표현할 수도 있다.머신러닝 모델을 회사 서비스의 기능 중 하나로 활용한다.예 : 추

2022년 6월 19일
·
0개의 댓글

부스트캠프 Segmentation 대회 정리

이번 대회를 하기에 앞서 제 목표는 마지막 대회니만큼 지금까지 적용해봤던 기법들을 적용해보고 앞서 object detection 대회와 같은 dataset을 사용하기 때문에 그때 해보지 못했던 것들을 해보는 것을 목표로 잡았다. 그리고 팀이 결성되고 나서 항상 순위를

2022년 6월 19일
·
0개의 댓글
post-thumbnail

부스트캠프 15주차 High Performance를 자랑하는 Unet 계열의 모델들 정리

Unet은 의료계열에서의 문제상황을 해결하기 위해 나왔지만 구조가 좋기 때문에 다방면에서 사용된다.Contracting Path : 이미지 추출(3x3 Conv Network + BottleNeck + ReLU)x2Nonzero-padding으로 patch size 감

2022년 6월 19일
·
0개의 댓글
post-thumbnail

부스트캠프 15주차 FCN의 한계를 극복한 Model 2 정리

DilatedNet에서 Encoder 부분은 같고 Decoder 부분에서 4개의 가지를 만들어서 그것들을 합해서 사용해 변화를 주었다.Rate가 큰 부분은 커다란 Object를 잘 검출해내기위해 사용했다.각 Conv Block 마다 실행해주는 것들이 다르지만 공통적으로

2022년 6월 19일
·
0개의 댓글
post-thumbnail

부스트캠프 15주차 FCN의 한계를 극복한 model들 1

객체의 크기가 작은 경우 예측을 잘 하지 못함.큰 Object의 경우 지역적인 정보만으로 예측한다.같은 Object여도 다르게 labeling이 된다.작은 Object가 무시되는 문제가 있다.Object의 자세한 부분이 사라진다.ArchitectureDecoder와 E

2022년 6월 19일
·
0개의 댓글
post-thumbnail

부스트캠프 15주차 Segmentation 정리

VGG Network Backbone을 사용했다.VGG Network의 FC Layer를 COnvolution 으로 대체했다.Transposed Convolution을 이용해서 Pixel Wise Prediction을 수행했다.FC Layer는 각 Pixel의 위치정보

2022년 6월 19일
·
0개의 댓글
post-thumbnail

재활용 쓰레기 분류 대회 정리

https://github.com/boostcampaitech3/level2-object-detection-level2-cv-18개인적으로 정말 많은 시간을 쏟았던 대회이다. 이 대회가 진행되는 동안 게임을 거의 하지도 않을 정도로 정성을 쏟았던 대회이다.총

2022년 4월 13일
·
0개의 댓글
post-thumbnail

부스트캠프 11주차 Advacned Object Detection2 정리

BackboneGPU platform : VGG, ResNet, ResNext, DenseNet, ...CPU platform : SqueezeNet, MobileNet, ShuffleNet, ...NeckAdditional blocks: SPP,ASPP, ...Pat

2022년 4월 10일
·
0개의 댓글
post-thumbnail

부스트캠프 11주차 Advanced Object Detection1 정리

Faster RCNN을 학습할 때 배경과 객체를 나누는 기준이 threshold가 0.5였는데 이것을 바꿔서 실험을 해 보았다.Input IoU가 높을 수록 높은 IoU threshold에서 학습된 모델이 더 좋은 결과를 내었다.전반적인 AP의 경우에는 IoU thre

2022년 4월 10일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 EfficientDet 정리

EfficientDet EfficientNe의 알고리즘을 Object Detection분야에 적용시킨 모델이다. 1Stage Detector이다. Backbone, Feature map, FPN, Boxclassificationhead, classclassificati

2022년 4월 10일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 1 stage Detectors 정리

2 stage detector는 localization과 classification을 하기 때문에 realtime으로 활용이 불가능하다. 그래서 RPN 과정을 빼서 속도를 올렸다.Localization, Classification이 동시에 진행한다.전체 이미지에 대해

2022년 4월 10일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 Neck 정리

기존 RPN은 backbone network를 통과한 마지막 layer만 사용을 했다. 그것에 의문을 가진 연구자들이 중간에 있는 feature들을 사용하면서 neck이 등장하게 되었다.backbone을 통과한 feature map에서 다양한 크기의 객체를 예측해야 한

2022년 4월 10일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 Object Detection Library 정리

하나의 library가 아니라 여러 개의 library가 사용되고 있다. 그 중에 주로 MMDetection과 Detectron2가 주로 사용되고 있다.2-stage 모델은 크게 Backbone,Nectk,DenseHead,RoIHead로 나눌 수 있다. 각 부분은 모

2022년 4월 9일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 Stage Detectors 정리

Object Detection은 크게 one-stage와 two-stage가 존재한다. two stage는 사람의 객체인식 방법과 가장 유사하게 디자인된 방법이다.1\. 객체가 있을 법한 위치를 추정한다.2\. 해당 객체가 무엇인지 추론한다.이때 객체가 있을 법한 위치

2022년 4월 8일
·
0개의 댓글
post-thumbnail

부스트캠프 10주차 Object detection Overview

Image Classfication과 Object Detection의 차이점은 Object Detection은 물체의 위치와 무엇인지가 다 표시된다.Semantic Segmentation은 픽셀별로 classification을 진행하지만 같은 클래스의 경우에는 따로 경

2022년 4월 8일
·
0개의 댓글
post-thumbnail

VGGNet 논문 리뷰

VGGNet > 요약: 네트워크의 깊이가 모델의 성능에 중요한 영향을 미친다는 것을 설명한 논문 Abstract 초록에서는 3x3 Conv filter를 여러개 쌓아서 성능을 높혔다고 설명하고 있다. Introduction 역시 마찬가지로 깊이가 매우 중요하며

2022년 3월 25일
·
0개의 댓글
post-thumbnail

부스트캠프 9주차 Image Captioning 정리

Encoder를 Image-Captioning을 위해 Pre-trained된 ResNet101을 사용Pooling과 linear를 제거하여 사용한다.start token이 decoder로 들어가고 이전에 출력된 정보와 attention 정보를 input을 넣는다.RNN

2022년 3월 20일
·
0개의 댓글
post-thumbnail

부스트캠프 9주차 Multi-Modal 정리

Multi-modal learning : 다른 특성을 갖는 데이터 타입들을 같이 활용하는 학습법Multi Model은 데이터들의 표현 방법이 다 다르기 때문에 어렵다.서로 다른 Modality에서 오는 정보의 양이 unbalance 하고 feature space에 대한

2022년 3월 20일
·
0개의 댓글