엔지니어스 - Engineeus

딥러닝 네트워크를 최적화 시키는 라이브러리 입니다. Step 1: 첫 단계는 기존 딥러닝 모델을 최적 모델로 변환하는 것이죠. Step 2: 두번째 단계는 변환된 딥러닝 모델을 TensorRT 런타임에서 구동시키는 것입니다.

prototxt - 네트워크 구조가 담긴 파일 - 이를 수정 하여 네트워크 성능을 개선 caffemodel - prototxt의 네트워크로 학습 시킨 모델 - Weight 와 Bias가 담겨져 있음 - 일반적으로 볼 수 없는 파일 이지만 Caffe 플랫폼으로는 열어서 수정 가능하다. 추가 정보 More Information Caffe (Convolutional Architecture for Fast Feature Embedding) is a deep learning framework that allows users to create image classification and image segmentation models. Initially, users create and save their models..

Human Pose Estimation은 인간이 어떤 자세를 하고 있는지에 관해 예측을 하는 것입니다. 전통적인 방식 전통적인 자세 인식 방법은 사람에게 장비를 부착하여 측정을 하였습니다. 아래와 같은 사진으로 관절, 손가락 마디의 위치에 센서를 달아 측정이 가능하도록 연구가 되어왔죠. 위와같은 전통적인 방식은 움직임을 정교하게 파악 할 수 있습니다. x, y, z 3차원의 측면에서 본다면 어떻게 움직이는지 정확하게 알 수 있죠. 하지만! 우리에게 중요한건 무엇!? COST 죠? 돈이 많이 듭니다. 저런 장비 하나 부착하기도 번거롭고 시간소모도 있고, 모든 사람마다 체형이 다르고, 공간이 한정적인 곳에서만 해야 합니다. 전기를 넣어줘야 하기에 베터리나 전선들도 들어가서 움직임 또한 제한되죠. 새로운 시도..

YOLO 시스템에서 유명해진 단어 이다. 사진이 YOLO 시스템에 들어가게 되면 Boundary box가 검출이 된다. 각 box는 객체의 위치 (x, y), 객체의 크기 (w, h), box confidence score 5개를 갖게 된다. 이때 Box confidence score가 Objectness이다. 이는 Box가 객체(어떤 Class인지는 모르지만 객체가 있는지 없는지)가 있는지에 대한 가능성과 정확도를 판단한다. (ex) 내가 objectness threshold를 0.3으로 정한다면 30% 정확도 아래의 박스는 버려지게 되는 것이다. 30% 이상의 박스는 추후에 Probability 값으로 또 어떤 객체인지 분류가 된다.

이전에 JetPack설치를 다뤘습니다. 근데 TensorFlow는 같이 안깔리길래 따로 깔아 주도록 했습니다. https://mickael-k.tistory.com/87 [Ubuntu] NVIDIA Jetson TX2 세팅 [2] - JetPack 설치 start() { 이전 포스트에서 기본 설치 과정을 다뤘습니다. https://mickael-k.tistory.com/86 [Ubuntu] NVIDIA Jetson TX2 세팅 start() { 본 포스트에서는 NVIDIA사의 Jetson TX2 개발자 키트를 이용하여 초기 세.. mickael-k.tistory.com 1. 필요한 package 설치 $ sudo apt update // system package $ sudo apt install lib..

start() { 이전 포스트에서 기본 설치 과정을 다뤘습니다. https://mickael-k.tistory.com/86 [Ubuntu] NVIDIA Jetson TX2 세팅 start() { 본 포스트에서는 NVIDIA사의 Jetson TX2 개발자 키트를 이용하여 초기 세팅 잡는 방법에 대하여 다루겠습니다. Jetson TX2(Tegra X2) 제 다른 포스트에 이에 관해 다루었습니다. 아래 링크를 참조 하시.. mickael-k.tistory.com 본 포스트 에서는 JetPack 설치과정에 대해서 다루도록 하겠습니다. 예상 작업 시간 : 3시간 TX2보드 및 구성품 UBUNTU 16.04 설치 된 PC 및 노트북 (Host PC) WIFI 환경 (TX2와 Host PC가 같은 네트워크에 있어야 ..

start() { 본 포스트에서는 NVIDIA사의 Jetson TX2 개발자 키트를 이용하여 초기 세팅 잡는 방법에 대하여 다루겠습니다. Jetson TX2(Tegra X2) 제 다른 포스트에 이에 관해 다루었습니다. 아래 링크를 참조 하시면 됩니다. https://mickael-k.tistory.com/85 NVIDIA Jetson TX2 란? start() { 본 포스트에서는 NVIDIA사의 Jetson TX2 개발자 키트를 이용하여 초기 세팅 잡는 방법에 대하여 다루겠습니다. Jetson TX2(Tegra X2) GPU(General Purpose Unit)으로 NVIDIA사의 CUDA를 사용하여 병렬.. mickael-k.tistory.com 케이블 연결 1. 전원부 - 각 나라의 규격이 다르기 ..

start() { 본 포스트에서는 NVIDIA사의 Jetson TX2 에 관하여 알아보겠습니다. Jetson TX2(Tegra X2) GPU(General Purpose Unit)으로 NVIDIA사의 CUDA를 사용하여 병렬 처리를 가능하게 하는 Chip입니다. 한때 데스크탑이나 노트북에서나 GPU를 사용하여 딥러닝을 수행 하였는데, 이제 이 보드를 사용해 자동차, 드론, 기타 로봇에서 임베디드보드로 플랫폼을 만들 수 있게 되었습니다. 자세 사항은 NVIDIA 공식 홈페이지에서 보시면 됩니다. Jetson TX2 Specification Specification GPU NVIDIA Pascal™, 256 CUDA cores, OpenGL ES 3.1, AEP, and Vulkan CPU HMP Dual ..

*본 포스트는 '골빈해커의 3분 딥러닝 텐서플로맛'을 참고하여 작성 하게 되었습니다. 참고 github: https://github.com/golbin/TensorFlow-Tutorials 최근 딥러닝을 공부 하기 위해 '골빈해커의 3분 딥러닝 텐서플로맛'을 공부하게 되었습니다. 본 책에는 CNN, AE, GAN, RNN, DQN 등 다양한 네트워크들이 텐서플로우로 구현 되어 있습니다. 저는 본 책을 통해 텐서플로우를 이용해 네트워크를 직접 길러보기 위해 공부 하게 되었고, 이 부분에서 실속있는 정보만 포스팅 하여 정보를 제공 하기로 본 포스트를 작성 하게 되었습니다. 환경 OS: Windows 10 1. CUDA: 10.1 (GPU 사용할 경우) 2. cuDNN: 7.6.4 (GPU 사용할 경우) 3...

start() { 저번 포스트에서는 YOLO가 무엇인지 배웠습니다. https://mickael-k.tistory.com/27?category=798520 불러오는 중입니다... 이번 포스트 에서는 YOLO를 활용해 UBUNTU에서 Pytorch를 가지고 설치 및 실행 하는 방법을 다루도록 하겠습니다. References 기본 베이스는 아래 github와 작성자의 블로그를 참조하여 진행 하였습니다. - github https://github.com/ayooshkathuria/pytorch-yolo-v3 ayooshkathuria/pytorch-yolo-v3 A PyTorch implementation of the YOLO v3 object detection algorithm - ayooshkathuria..

strat() { Object Tracking을 공부하기 앞서 Object Detection에 관해서 그리고 Classification에 관해서 제 다른 포스트에서 공부를 하고 오시면 이해가 더 쉬울겁니다. 1. Classification 2. Object Detection Object Tracking이란? 우린 이미 Classification에서 물체를 구별 하는 방법에 대해 배웠으며, 사진 한장에 여러개의 Object들이 들어가 있는 문제를 해결 하게 위해 Multi-lable Classification에는 Object Detection이 사용 된다는 것을 알 수 있었습니다. 아래는 Object Tracking의 순서도 입니다. 일단 영상이 들어오면 한 부분에 물체가 있다는걸 인식 (Object Re..

start() { Classification 이란? Classification은 영상처리에서 이미지를 보고 그게 뭔지 맞추는 문제 입니다. Classification은 두가지로 나뉠 수 있습니다. 1) Single Classification 단일 분류 문제는 아래와 같이 사진 한장에 있는 물체를 보고 뭔지 판단 하는 문제 입니다. 하지만 아래와 같이 사진 한장에 여러가지 물체를 갖고 있으면 어떻게 될까요? 이를 해결하기 위해 Multi-label Classification 이라는걸 만들었습니다. 2) Multi-label Classification 이는 한가지의 사진에 여러 물체를 검출 하고 분류 하기 위한 문제 입니다. 즉, 바로 위 고양이, 개가 같이 있다면 이의 위치에 도달해 물체 분류를 해 아래와..

start() { Object Detection, OD 란? Object Detection(앞으로 'OD' 라고 하겠습니다.)은 물체 검출 입니다. 즉, 카메라나 다른 센서를 이용하여 자동차, 사람, 동물, 물건 등을 검출 하죠. 추가로 이게 뭔지를 나타내 주기 위해서 우리는 Classification(분류) 이란 단어를 사용 합니다. Object Detection의 역사는 아래와 같습니다. 컴퓨팅파워가 좋아 지기 전에는 이 문제는 모두 영상처리로 풀고 있다가 2012년 AlexNet이 나타나고 부터는 딥러닝을 활용하여 문제를 접근 하고 있고 현재 정말 'Hot'한 분야 입니다. OD의 역사에 좀더 자세히 알고 싶아면 아래 논문을 추천 합니다. https://arxiv.org/pdf/1905.05055...

start() { 환경 설정 포스트 입니다. 이 설치 전에 아래의 'Visual Studio IDE'가 설치 되어 있어야 합니다. https://mickael-k.tistory.com/10 [Windows] Visual Studio - [1] 설치 방법 오늘은 Windows에서 프로그래밍을 시작하는데 앞서 가장 많이 사용하는 Visual Studio 설치 방법을 포스팅 합니다. 우리는 이걸 통합 개발환경 (Integrated Development Environment, IDE)라고 합니다. 여기서 C,.. mickael-k.tistory.com 환경 - Windows 10 설치 할 것 - Visual Studio - CUDA - cuDNN - OpenCV CUDA, cuDNN 설치 - 아래 포스트를 참조..

본 포스트는 YOLO를 사용하여 원하는 정보를 얻는 작업을 어떻게 하는지 포스팅 해보고자 합니다. 목표! 1. Bounding Box 색을 를 바꾼다던지, 2. 목표물 좌표를 받아 온다던지, 3. 현재 보이는 차량 개수를 받는다던지, 4. 경고 Zone을 받는다던지, 5. 경고 Zone 안에 있는 물체만 경고를 띄운 다던지, 6. 클래스 이름을 바꾼다던지, 7. 원하는 클래스(차, 사람) 만 띄운다던지 무튼 여러가지를 할것 입니다. 여담으로 저의 목표는 나중에 RC카에 카메라를 달고, 경고 Zone 안에 물체가 있다면 정지 하거나, 물체가 없을시 다시 간다던지 하는 작업을 하려 합니다. 그리고 초음파센서나 LiDAR 와 같은 거리 센서와 융합하여 자율주행 시스템을 만들어 보려 합니다. 얼마나 걸릴지 모르..