선행논문 : FCN > (R-CNN) > (Fast R-CNN) > Faster R-CNN > FPN > Mask R-CNN Mask R-CNN을 이해하기 위해서는 이전에 발표되었는 FCN, Faster R-CNN (ROI), FPN의 개념들과 Object Detection / Semantic Segmentation / Instance Segmentation의 차이를 알아야 한다. 논문을 선정한 이유 instance segmentation 에서 가장 많이 활용하는 모델 object detection과 sementic segmentation의 장점을 합친 업그레이드 된 모델 논문 읽기 Abstract Mask R-CNN은 Faster R-CNN에 mask를 생성하는 브랜치를 병렬적으로 추가하는 방법이다. ..
이상치탐지를 하게 된 이유 이번에 진행하는 프로젝트는 대기 중 화학물질의 농도를 보고 악취인지 아닌지 판단해야하는 프로젝트인데, 라벨값이 없기 때문에 지도학습이 어려워 이상치탐지를 먼저 수행해봤다. 하나의 이상치탐지만 진행하는 경우 악취임을 판단하는 적절한 임계값을 지정하는데 근거가 부족할 수 있기 때문에 다양한 방법론을 사용하려고 했다. Iforest iforest는 isolation forest로 트리기반 앙상블 기법중 하나다. iforest를 제공하는 패키지가 2개정도 있는데 나는 pyod에서 제공하는 iforest를 사용했다. 공식문서 iforest의 작동 방식은 아래와 같다. 1) 임의의 변수와 임의의 기준점으로 데이터를 나눈다. 2) 이상치라고 생각되는 데이터를 포함한 부분에서 또다시 임의의 ..
논문을 선정한 이유 이미지/영상처리를 수행하면서 가장 자주 사용하는 스킬이 object detection과 segmentation UNet은 이미지 segmentation에서 지금까지도 basemodel로 사용하고 있는 기본 모델 Convolution 기반으로 모델 아키텍쳐가 이해하기 쉬움 논문 읽기 Abstract 이 논문에서는 모델 네트워크와 모델 훈련 전략을 제시한다. 여기서 제시하는 전략은 사용 가능한 annotation 샘플을 더 효율적으로 사용하기 위해서 데이터증강을 강하게 사용하는 것을 말한다. 이를 위해서 모델 아키텍처는 contracting path와 expanding path가 대칭을 이루고 있으며, contracting path에서는 특정 context를 캡쳐하는 역할을 하고 expa..
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..
2022년 9월 28일 수요일, 마키나락스에서 진행하는 웨비나에 참여했다. Session.1은 총 3부로 나누어져서 진행되었다. 1부는 마키나락스에 대한 간단한 설명 2부는 캐글마스터가 Link를 사용하는 방법 설명 3부는 실제 프로젝트에서 Link를 사용하는 방법으르 이루어졌다. Session.2 는 사전신청한 경우만 참석할 수 있다. Link를 사용하는 법과 커리어상담을 진행할 수 있다. 이 포스팅에서는 세션1 내용만 포스팅하고 세션2에서 진행한 내용은 포스팅하지 않았다. 우리는 왜 Link를 개발했을까? 마키나락스 데이터 사이언티스트의 역량이 중요하다고 생각하여 가장 많이 사용하는 jupyter를 개선해야겠다고 생각하여 'LINK'를 만들게 됨. - 코드 기반의 유지관리와 재현성 어려움 - 셀의 순..
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..
이전글 데이터 사이언티스트 직장인 대학원 준비하기 (성균관대학교 일반대학원 데이터사이언스융합학과) 데이터 사이언티스트 직장인 대학원 준비하기 2 :: 학업계획서 작성 및 원서접수 (성균관대학교 일반대학원 데이터사이언스융합학과) 면접후기 결론부터 얘기하자면 불합격.... 면접은 서류 제출한 모든 사람이 다 본 것 같았다. 면접 일정은 메일로 알려주는데 헷갈리는 부분이 좀 있었다. 다른 메일에는 면접이 10시 시작이라고 되어있는데 webex 설치 안내에는 내 면접시간이 13시라고 나왔기 때문이다. 면접 시작시간은 10시인데 10-11시팀, 11-12시팀, 13-14팀 이런식으로 한시간단위로 잘라서 면접을 진행하는 것 같았다. 나는 13-14시 팀에 속해있어서 12시50분부터 켜놓고 기다리고 있었는데 13시에..