# CV

204개의 포스트
post-thumbnail

한밤의 CS 산책 - CV

안녕하세요.우원입니다.<한밤의 CS 산책>오늘의 주제는 CV입니다.제가 가장 관심 있는 분야인Computer Vision에 대해 설명하게 되어 정말 기쁩니다.

2일 전
·
0개의 댓글
·
post-thumbnail

[논문리뷰 | CV] ViT : An Image Worth 16 x 16 Words : Transformers for Image Recognition At Scale

Transformer를 이미지에 적용하며 처음으로 괜찮은 성과를 낸 모델이자 그것의 시초가 된 모델이다. NLP를 공부하며 많이 봤었던 Transformer이기에 문제 없이 읽었으나 조금 어려웠던 부분들이 있어 해당 부분은 이후에 따로 정리해보고자 한다.NLP분야에서

2022년 7월 25일
·
0개의 댓글
·
post-thumbnail

PP-LiteSeg: A Superior Real-Time Semantic Segmentation Model 리뷰

PP-LiteSeg: A Superior Real-Time Semantic Segmentation Modelsemantic segmentation 논문리뷰

2022년 7월 22일
·
0개의 댓글
·
post-thumbnail

[논문리뷰 | CV] AlexNet 논문리뷰

지난주부터 CV 논문 리뷰를 시작했다. 그것의 첫 시작으로 AlexNet을 선택했다. 지금까지 NLP 위주로 공부를 진행해왔기에 조금은 어색하기도 하지만 딥러닝을 이해하기 위해서는 넓은 분야에 대해 알아야 하기 때문에 도전해보았다.CV 논문을 리뷰하다 보면 어려운 부분

2022년 7월 18일
·
0개의 댓글
·
post-thumbnail

Yolo PyTorch custom dataset 학습시키기 [4]

이번 포스팅에서는 이전 포스팅에서 만들었던 best.pt파일과 last.pt파일을 활용해 실제로 스크롤업 스크롤다운 되는 기능을 구현해보겠습니다. 비단 스크롤업과 스크롤다운 뿐만 아니라, 검출된 정보를 뽑아낼 수 있다면 여러분들이 구현하고자 하는 것대로 커스터마이징할

2022년 6월 29일
·
0개의 댓글
·
post-thumbnail

Yolo PyTorch custom dataset 학습시키기 [3]

이번 포스팅에서는 이전 포스팅에서 라벨링했던 정보를 yolov5s 모델에 넣어 학습시킬 예정입니다. yolov5s 같은 경우 추가적인 다운과정 없이 ultralytics github 페이지를 clone하시면 됩니다.우선 현재는 다음과 같이 data 폴더와 yolov5폴

2022년 6월 29일
·
0개의 댓글
·
post-thumbnail

Yolo PyTorch custom dataset 학습시키기 [2]

이번 포스팅에서는 이전 포스팅에서 수집한 데이터를 라벨링할 차례입니다.labelimg를 이용해 yolo 형식에 맞는 라벨링을 진행할 예정입니다.m1에서 lableimg 실행 방법은 이 프스팅을 읽어주세요. 윈도우의 경우 labelimg github의 README에 나와

2022년 6월 29일
·
0개의 댓글
·
post-thumbnail

Yolo PyTorch custom dataset 학습시키기 [1]

이번 포스팅으로 정리해볼 내용은 직접 데이터를 모으고 데이터라벨링을 거쳐 학습시킨 후 실시간으로 학습시킨 내용을 확인해보는 내용입니다. 이 포스팅은 이 유튜브에 대한 내용을 활용 및 변형 했습니다. 아직 yolo나 AI에 대한 내용이 미숙해서 구체적으로는 알지 못합

2022년 6월 28일
·
0개의 댓글
·

[논문 리뷰] Generative Adversarial Nets

적대적인 과정을 통해 생성 모델을 추정하는 구조를 제안한다.생성 모델 G는 데이터의 분포를 포착하고, 구별 모델 D는 G 또는 training data로부터 오는 확률을 추정한다.학습과정에서 G는 D가 실수하게 만드는 확률을 최대화시킨다.minimax two-playe

2022년 6월 26일
·
0개의 댓글
·

[논문 리뷰] EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

Abstract CNN은 고정된 비용으로 발전되어왔고 만약 자원이 더욱 있었다면 성능이 더 올랐을 것이다. 해당 논문에서는 모델의 크기를 체계적으로 조절하고 신경망의 깊이, 너비, 해상도의 균형을 맞추면 성능을 더욱 높일 수 있을 것이라고 말한다. 이러한 관점으로 새로

2022년 6월 26일
·
0개의 댓글
·
post-thumbnail

[딥러닝 프로젝트] 01. 영상 장면 검색 모델 기획안

📌   목차 프로젝트 주제 기획의도 선행자료 조사 데이터 수집 및 특성 모델 확장성 1. 프로젝트 주제 멀티 모달을 활용한 영상(영화)장면 검색 모델 텍스트로 원하는 장면을 검색하면 해당하는 장면을 띄워주는 모델 구현 2. 기획의도 1) 기업과

2022년 6월 21일
·
0개의 댓글
·

Computer Vision

https://techblog-history-younghunjo1.tistory.com/193?category=1031745

2022년 6월 20일
·
0개의 댓글
·

10. Color Subsampling & Segmentation

Subsampling chroma subsampling 사람의 시각은 녹색에 더 예민하다. -> 다른 채널의 resolution 낮추기 (녹색, 파랑색을 1/3만큼 낮추기) -> 1/3 이상 줄이면 artifact 발생 -> subsampling은 luminace에

2022년 6월 20일
·
0개의 댓글
·
post-thumbnail

14. Decision Tree and Random Forest

⚫Supervised learning – 1 ⚫ Classification performance : 정확도 측정 방법 ⚫ Decision Tree : 스무고개 놀이 ⚫ Training generalization ⚫ Parameter vs. Hyper-parame

2022년 6월 19일
·
0개의 댓글
·

[논문 리뷰] Densely Connected Convolutional Networks

최근 합성곱 신경망은 layer 사이에 더욱 짧은 connection을 포함하면서 지속적으로 깊어지고 정확해지고 효율적으로 되고 있다.DenseNet은 각 레이어를 모든 다른 레이어와 이어준다.전통적인 합성곱 신경망은 $L$개의 레이어를 갖고 있다면 $L$개의 연결을

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
·

13. KNN & K-Means Clustering

This time... K-Nearest Neighbors K-Means Data driven approach Rule based approach 사람이 하나하나 조건문 제공 Data driven approach 데이터들에서 일관된 특징 추출 수많은 데이터 +

2022년 6월 19일
·
0개의 댓글
·