Going Deeper
1.1. 백본 네트워크 구조 상세분석
1-1. 들어가며 딥러닝을 공부하는 동안 컴퓨터 비전 분야의 백본 네트워크, AlexNet, VGG, ResNet 등을 공부하게 되었다. 그 이후에 어떤 네트워크들이 생겨났고, 어떤 방법들을 사용했는지 궁금했는데, 이제 Going deeper를 들어왔으니 한번 배워보자
2.2. 없다면 어떻게 될까?(ResNet Ablation Study)
2-1. 들어가며 딥러닝 논문에서는 다양한 방법들을 적용하며, 그 방법 적용 전후의 차이를 실험 결과로 보여준다. 이때 논문에는 어느 정도 구현 방법과 실험의 설정이 나와있으니, 하드웨어 자원을 엄청나게 필요로 하거나 특정한 데이터셋이 필요한 경우를 제외하면 어느 정
3.3. 잘 만든 Augmentation, 이미지 100장 안 부럽다
3-1. 들어가며 딥러닝 모델을 학습 시키기 위해서는 대량의 데이터를 확보하는 건 기본!! 대표적인 이미지 데이터셋인 이미지넷(ImageNet)은 약 1400만 장이나 되는 이미지를 갖고 있고, 분류 대상 클래스가 10개라 상대적으로 간단해 보이는 CIFAR-10도
4.4. 이미지 어디까지 우려볼까?
4-1. 들어가며 오늘은 augmentation 기법을 적용해 ResNet-50을 학습시켜 보는 시간이다. 텐서플로우의 랜덤 augmentation API를 사용해보고, 최신 augmentation 기법을 익힌 뒤, 훈련 데이터셋의 augmentation 적용 여부에
5.5. Object Detection
이번 시간에는 augmentation 기법을 적용해 ResNet-50을 학습시켜 볼 시간이다. 텐서플로우의 랜덤 augmentation API를 사용해 보고, 최신 augmentation 기법을 익힌 뒤, 훈련 데이터셋의 augmentation 적용 여부에 따라 모델의
6.6. GO/STOP! - Object Detection 시스템 만들기
6-1. 들어가며 이번 시간에는 object detection 모델을 통해 주변에 다른 차나 사람이 가까이 있는지 확인한 후 멈출 수 있는 자율주행 시스템을 만들어 보겠습니다. 하지만 자율주행 시스템은 아직 완전하지 않기 때문에, 위험한 상황에서는 운전자가 직접 운전
7.7. 물체를 분리하자! - Segmentation 알아보기
7-1. 들어가며 출처 : https://ai.googleblog.com/2017/10/portrait-mode-on-pixel-2-and-pixel-2-xl.html 우리가 그동안 다뤄온 이미지 분류(image classification), 객체 인식(object
8.8. 도로 영역을 찾자! - 세그멘테이션 모델 만들기
https://github.com/wasidennis/AdaptSegNet이번 시간에는 Semantic Segmentation(시맨틱 세그멘테이션) 을 이용해서 자율주행차량이 주행해야 할 도로 영역을 찾는 상황을 가정하고 모델을 만들어보는 시간을 갖겠습니다.
9.9. 너의 속이 궁금해 - Class Activation Map 살펴보기
지금까지 딥러닝 모델을 기반으로 이미지를 분류, 탐지하는 여러 가지 모델을 공부해 왔지만 모델이 잘 동작한다는 것을 확인하고 끝내기에는 궁금한 것들이 많습니다. 개와 고양이를 분류하는 딥러닝 모델을 만들었다고 합시다. 이 모델의 이미지의 어느 부분을 보고 개라는 결론을
10.10. 나를 찾아줘 - Class Activation Map 만들기
1. 들어가며 이번 시간에는 CAM(Class Activation Map)을 얻기 위한 방법 중 기본 CAM과 Grad-CAM을 구현해보고 이를 시각화해 보겠습니다. 그리고 CAM을 활용해서 물체의 위치를 찾는 object detection을 수행하고 이를 정답 데이
11.11. OCR 기술의 개요
1. 들어가며 OCR = Text detection + Text recognition 이번 시간에는 딥러닝 기반의 OCR이 어떻게 이뤄지는지 알아볼 시간입니다. OCR은 크게 문자 영역을 검출하는 Text detection과 검출된 영역의 문자를인식하는 Text r
12.13. 멀리 있지만 괜찮아(1)
1. Dlib 얼굴 인식의 문제점 Face detection, 얼마나 작고 빨라질 수 있을까? Dlib 라이브러리를 이용해 Face Landmark를 찾아내서 이미지 속의 얼굴을 빠르고 정확히 인식하는 방법을 고안해 봤었지만 그것만으로는 충분치 않았었죠. Dlib
13.13. 멀리 있지만 괜찮아(2)
아래의 RetinaNet figure를 보시면 YOLOv2를 언급하면서 보통 figure에는 그려주지도 않는 신선함을 보여줍니다. "YOLO 이제 퇴물아니야?" 란 느낌을 풍기면서 말이죠\~~실제로 retinanet 성응이 YOLOv2보다 좋기도 했습니다.하지만 역시
14.15. 사람의 몸짓을 읽어보자
틱톡이라는 앱 사용해 혹시 아시나요? 전 세계적으로 인기를 끌고 있는 애플리케이션이죠\~~지금까지 우리가 만들어온 얼굴인식 애플리케이션과 다르게 전신이 등장하는 것도 색다른 특징인데요!나만의 카메라 앱을 스노우와 같은 얼굴인식뿐만 아니라 더 넓은 범위로 사용할 수 있다