선행논문 : ResNet > MobileNet > SENet EfficientNet에서는 MobileNet과 SENet에서 제안했던 개념이 사용되기 때문에 먼저 공부하는 것을 권장한다. 논문을 선정한 이유 지난번에 리뷰한 ResNet 과 함께 효율적, 범용적으로 CV 프로젝트에서 사용할 수 있을 것 같아 공부하기 위함 ResNet 이후 한번 더 효율성을 높힌 방법론이기 때문 논문 읽기 Abstract 이 논문의 핵심 내용은 아래와 같다. (1) 효율적인 모델 구축을 위해 depth, width, resolution을 스케일링하는 방법 제안 (2) MnasNet에서 사용하는 Conv구조인 MBConv를 이용한 EfficientNet 제안 Introduction 이전 연구들에서는 모델 성능을 높이기 위해 d..
논문을 선정한 이유 앞으로 회사 업무에서 CV 파트도 맡게 되었기 때문에 가장 범용성 높은 방법론에 대해 공부하기 위함 AlexNet보다 실용성있고 코드를 구현해본다면 앞으로도 계속 유용하게 사용할 모델이 될 것 같음 이미지 분석에 큰 영향을 끼친만큼 많은 리뷰들과 코드들이 있기에 첫 논문리뷰를 진행할 때 참고할만한 자료가 많음 논문 읽기 Abstract 밑줄 친 문장 중 가장 진하게 표시된 부분이 이 논문을 대표하는 문장이라고 생각된다. "우리는 잔차학습 프레임워크를 제안한다. 이전에 사용된 것보다 깊은 네트워크의 학습을 쉽게 하기 위해서." 이를 뒷받침하고자 residual(잔차)를 이용한 모델이 ImageNet test set에서 3.75%의 에러를 달성했다는 내용과 LISVRC & COCO 201..
M2를 사용한 이후로 쭉 pytorch를 사용하다가 오랜만에 tensorflow를 쓰려고 하니 온갖 에러를 맞이했다.... 마이그레이션 해서 사용하고 있었기 때문에 어느부분이 잘못되었는지를 잘 못찾고 있었는데 tensorflow 에러들을 확인하다가 놓친 부분이 있었기에 아예 삭제하고 잘 깔아보기로 했다. 기존 가상환경 패키지 리스트 만들기 (선택사항) tensorflow를 설치하기 위해서는 conda부터 재설치 해야하기 때문에 내 소중한 가상환경을 그대로 옮길 수 있도록 패키지 리스트를 저장해두었다. 기존에 사용하던 가상환경이 없다면 pass! # 패키지 리스트 txt파일 저장할 위치로 이동 cd download # 가상환경 활성화 conda activate 가상환경이름 # 패키지 리스트 만들기 pip ..
mecab 설치 개요 한국어 자연어처리하는 방법이 꽤나 까다롭다. mecab도 한번에 다운받을 수 있으면 좋을텐데 그렇지 못해서 아쉽다. mecab-ko 설치 mecab-ko-dic 설치 mecab-ko-for-google-colab 설치 (이거 대신 mecab-python을 설치하기도 한다) mecab-ko 설치 다운로드 페이지 위 페이지에서 tar 파일을 다운로드 받으면 되는데 mecab-0.996-ko-0.9.2.tar.gz로 설치하다가 오류가 발생하면 그 하위버전인 mecab-0.996-ko-0.9.1.tar.gz를 다시 다운받아서 설치하면 된다. mecab관련 다운로드 할 파일들이 많아서 나는 mecab이라는 폴더를 새로 만들어 그 안에서 수행했다. finder에서 직접 압축해제 해줘도 되고 터..
DTW(Dynamic Time Warping)은 동적 시간 워핑이라고 불린다. 두개의 시계열 데이터가 서로 얼마나 유사한지 비교할 때 사용한다. DTW를 사용하는 이유? - 두개의 시계열 데이터 길이가 달라도 유사도 비교 가능 - 비슷한 패턴이지만 시간차가 있는 경우(shift 발생) 유사도 비교 가능 DTW 계산방법 이론 공식으로 보는 방법도 있는데 예시를 들어서 계산하는게 더 이해가 잘 된다. 이론적인 설명 이후에 예시를 들어서 직접 계산해보도록 하자. 시계열 데이터 2개가 있다. 두 시계열의 길이 n, m은 길이가 같을 수도 있고 다를 수도 있다. 이 두개의 시계열을 나열하여 n x m 행렬을 만든다. 유클리드거리를 이용하여 최적의 와핑 경로를 탐색한다. 와핑경로는 두개의 시계열 데이터 P와 Q 사..
1. yolov4.yaml 생성 yolov4.yaml 경로 : yolov5/models https://github.com/Lornatang/YOLOv4-PyTorch/tree/048cb8c23a4dacadffd3db53f25aa7f4660087cf GitHub - Lornatang/YOLOv4-PyTorch: Pytorch implements yolov4.Good performance, easy to use, fast speed. Pytorch implements yolov4.Good performance, easy to use, fast speed. - GitHub - Lornatang/YOLOv4-PyTorch: Pytorch implements yolov4.Good performance, easy ..
#object_detection #image_labeling #polygon #CVAT #json #bbox #bounding_box_visualization #bbox_label_visualization > how to make bounding box(bbox) and polygon with CVAT? > how to visualized bbox and polygon? 컴퓨터비전의 아주 기초단계에는 이미지 라벨징 구축이 있다. 대부분 라벨링을 하고 학습을 시키기 때문에 시각화를 하는건 옵션사항일 수도 있는데, 컴퓨터비전을 처음 배우는 나로써는 하나씩 모든 것을 다 경험해보고 싶은 마음이다. 목표 1. 이미지에 직접 라벨링, 폴리곤을 만들기 2. bbox 예측을 포함한 시각화 1. 이미지 준비 일단은 실..
아래 명령어가 안되는 분들 pip install pycocotools conda install pycocotools pip install git+https://github.com/waleedka/cocoapi/git conda install -c conda-forge pycocotools 나는 이거 하니까 바로 깔렸다. from pycocotools.coco import COCO 실행해보면 잘 import 해오는걸 볼 수 있다.
시작하기 전 확인사항 GPU 연결 완료 (내가 사용하는 gpu 는 linux, 사용하는 노트북은 Mac) Anaconda 설치 완료 CUDA 설치 완료 1. 가상환경 만들기 아나콘다를 설치하면 기본적으로 base라는 가상환경이 생긴다. 가상환경은 프로젝트마다 사용하는 라이브러리, 버전 등이 다르기 때문에 가능하면 base보다는 따로 만들어서 프로젝트를 실행하는 것을 추천한다. 먼저, gpu와 연결이 되어있다면 터미널을 열었을 때 (base)로 시작하는지 보고, 첫번째 명령어로 내 아나콘다에는 어떤 가상환경이 있는지 확인한다. # 가상환경 리스트 conda env list 아나콘다를 설치하고 처음 하용하는 것이라면 base 하나만 있는것이 정상이다. 이제 프로젝트에 사용할 가상환경을 만들어준다. # 가상환..
지난 포스팅에서 푸리에 변환에 설명했다. 이번에는 조금 다른 진동센서 데이터를 가지고 조금 다은 푸리에 변환을 해보려고 한다. 지난번 푸리에 변환에 대한 코드와 설명을 보고싶다면 아래 포스팅으로... 누수감지를 위한 진동센서 데이터 신호처리 및 누수 예측 (푸리에변환 FFT) 누수감지를 위한 진동센서 데이터 신호처리 및 누수 예측 (푸리에변환 FFT) 목표 : 누수감지를 위해 설치된 진동센서로부터 기록되는 진동데이터를 통해 정상인 상태와 누수가 진행되는 상태를 예측 방법 : 진동센서 데이터를 이용해 시간 영역 특징 추출과 주파수 변환 magicode.tistory.com 목표 : 진동센서 데이터를 통해 기계 고장 유형 분류 방법 : 시간 영역 특징 추출과 주파수 변환(fft) 및 하모닉 확인을 통한 고장..