# Computer_Vision
[지옥의 CV캠프] ResNet 논문 리뷰(혹은 번역)
본 리뷰는 모두의연구소 공간 지원을 받아 작성되었습니다. 깊은 신경망은 트레이닝하기 어렵다. 이 논문에서는 깊은 네트워크 트레이닝을 쉽게 만드는 residual learning
정리 필요한 논문들
Attention is All You Needhttps://arxiv.org/abs/1706.03762(NIPS 2017)Real-Time Scene Text Detection with Differentiable Binarization and Adaptive
[오류 해결] paddleocr 사용 시 AttributeError: 'ParallelEnv' object has no attribute '_device_id'
GPU 환경이 구축되지 않아서 생기는 오류.config.yml 파일에서 use_gpu: false로 변경
Few-shot Learning에 대해...
Abstract > 의료 분야에서 질병 진단 관련하여 후향적인 연구를 진행하였을때 데이터 수집간 적은 데이터을 자주 목격하게 되었다. 그렇기 때문에 '적은 데이터셋으로 모델을 학습시켜 질병 분류를 할 수 있을까?' 에 대한 고민을 하게 되었고. 이와 관련하여 Few-s
[오류 해결] paddleocr 사용 시 TypeError: '<' not supported between instances of 'tuple' and 'float'
paddleocr로 얻어낸 result값을 이미지 바운딩 하기 위해해당 코드 실행시 아래와 같은 오류 발생먼저 result를 확인해 보자.result0을 확인해 보자.필요없는 차원이 하나 더 붙어 있음을 확인.result = result0 으로 바깥의 한 차원을 제거하
#CV 환경 구축 2 - Ubuntu 20.0.4에 caffe 설치하기
EnvironmentMacOS(M1)CUDA == 11.5\*opencv == 4.4.0vim을 사용해서 아래 내용을 복붙해서 넣어준다(환경별 버전은 맞춰줘야함)나는 이 과정에서 caffe의 cpp, hpp 파일에 있는 Opencv 버전에 문제가 있어서 파일들 내의 o
[object detection] R2CNN
R2CNN은 Faster R-CNN의 아키텍처를 기반으로 이루워져있습니다.가장 큰 차이점은 축과 나란한 box 좌표와 기울어진 box 좌표를 둘 다 output으로 얻어내 사용하는 것과 더 많은 텍스트 유형을 검출하기 위해 서로다른 크기의 ROI Pooling을 진행
[object detection] Fast R-CNN & Faster R-CNN
Fast R-CNN (1) selective search 방법으로 bounding box 생성 (2) 영역을 전혀 고려하지 않은체 CNN을 통해 feature map을 만든다. (3) 이미지에서 얻은 bounding box를 feature map에 projecti
[object detection] IoU & NMS
<IoU(Intersection over Union)>IoU는 예측한 bounding box와 실제 물체의 bounding box가 겹치는 비율을 의미하며 성능평가에 사용됩니다.(교집합 / 합집합)<NMS(Non Maximum Suppression)>N
[Object detection] 성능지표
•True Positive(TP) : 실제 Positive 인 정답을 Positive 라고 예측 (정답) (올바르게 잘 예측한 것) •True Negative(TN) : 실제 Negative 인 정답을 Negative 라고 예측 (정답) (거절해야할것을 잘 거절한것
[논문리뷰] AtLoc: Attention Guided Camera Localization
Abstract Camera localization 분야에서 Deep learning의 도입이 많은 성과를 내고있지만, 현재 single-image technique 다음 두 부분에서 부족함이 있다. Robustness Leading to large outliers
논문분석: Deep Residual Learning for Image Recognition
저번 스터디때 팀원이 조사해왔던 논문을 분석해보았다. Abstract Imagenet 2015에서 우승을 한 model이다. 오차율 3.57%로 인간의 오차율 보다 적어서 ImageClassification문제는 AI가 정복했다고 봐도 과언이 아니다. Deep-Neu
Paper Review #3 - MuKEA:Multimodal Knowledge Extraction and Accumulation for Knowledge-based Visual Question Answering
MuKEA: Multimodal Knowledge Extraction and Accumulation for Knowledge-based Visual Question Answering
논문분석: Going deeper with convolutions
스터디날 발표하기로 한 논문이다. 사실 읽는거를 방금 끝내서 촉박하지만 그래도 제시간에 나름 읽긴 했으니깐ㅎ 그냥 넘어가고 읽은 것을 정리하고 다시 고민하고자 글을 쓴다배경은 2014년 Imagenet 대회이고 지금 분석하는 논문의 모델은 Googlenet으로 당시 V
Image Classification with CNN using CIFAR-10 and MPS
스터디 모임에 앞서 CS231n Lecture 2개를 보고 숙제 하기 뿐만 아니라 각자 image classification을 시도해 보기로 했다. 나는 어렵게 구현하기 보다는 VGG기반 CNN 구조를 사용할 예정이고 이미 책을 통해 학습했던 코드를 기반으로 사용할 예
깊이추정A.I.(전자현미경SEM)
안녕하세요 오늘은 광학현미경의 영상을 깊이영상으로 바꿔주는 프로젝트를 진행하겠습니다.데이터셋의 출처입니다.https://dacon.io/competitions/official/235954/data프로젝트의 목표입니다.먼저 각 데이터에 대해서 살펴보겠습니다.
얼굴나이예측(age estimation)
오늘은 AI를 사용해서 얼굴을 인식해 나이예츨을 진행해볼건데요.동양인과 서양인은 얼굴에 있어서 eye hole이나 골격같이 차이가 존재합니다.하지만 대부분의 얼굴나이예측 AI들은 서양인들의 데이터셋이 치우쳐서 학습시켰기 때문에 동양인에 대해서는 정확하지 않을것 이라
CNN Model
CNN(Convolution Neural Network) 이미지 분류 Task 에서 주로 사용하지만 음성인식, NLP 사용하는 경우도 꽤 많다. > 목차 >> 1. 이미지에서 Fully-Connected Layer 의 문제점 CNN 모델의 학습 방법 이미지에서 F
[Kaggle] 캐글 필사 - Face Mask Detection-Using PyTorch - 2
이전에도 언급했지만, 내가 필사하고 있는 커널은 다음과 같다. Face Mask Detection-Using PyTorch Images Identification with Target Class 3개의 클래스별로 색을 설정! Red = without mask Gree