엔지니어스 - Engineeus

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..

설치 전 기존 이론 공부 하실 분들은 아래를 참고하세요~! 알고 접하면 더욱 더욱 이해가 쉽습니다. mickael-k.tistory.com/152?category=798521 환경설정 cmake 다시 설치 - 사전 설치된 것 삭제: sudo apt purge cmake-qt-gui - 재설치: sudo apt-get install qtbase5-dev - CMake 는 사이트에서 리눅스용을 다운받고, 압축해제하여 터미널로 해당 폴더로 이동해서 ./configure --qt --gui 실행 - 아래의 명령이 작동이 안되어서 그 아래의 명령어를 사용했음 - ./bootstrap && make -j8 && make install -j8 - ./bootstrap && make -j`nproc` && sudo m..

NMS를 가장 쉽게 설명 하자면 '얼마나 겹쳐 있는지'를 판단 하고 일정 크기 이상 겹칠 경우 삭제 하는 방법이다. NMS를 이해하려면 IOU(Intersection over Union)의 개념을 알아야 한다. IOU란? IOU란 '교집합/합집합'의 비율 이다. 즉, 검출 박스 2개의 전체 크기에서, 겹치는 부분의 비율이 얼마가 되는지 알아 내는 방법이다. 50% 겹치면 0.5가 나올테고, 30% 겹치면 0.3이 나올것이다. 이게 바로 IOU 이다. 다시 돌아가서 NMS란!? IOU 방법을 이용하여 나온 비율 (0~1까지) 값을 가지고 비교를 하여 겹치는 박스를 제거 하는 방법이다. 그럼 NMS 하는 순서를 한번 보겠다. 1. YOLO에서 Box Regression 후 통과한 박스들이 이렇게 나오게 된다..

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.

저번 시간에는 텐서플로우의 기초 개념에 대해 익혔습니다.https://mickael-k.tistory.com/80텐서플로우(Tensorflow)란?텐서플로우 텐서플로우는 Google이 지원하고 실제 구글에서도 사용을 하고 있는 "데이터 플로우 그래프를 이용한 수치 계산을 위한 오픈 소스 라이브러리" 입니다. 2015년 11월에 처음 공개된 오픈 소스로 머신 러..mickael-k.tistory.com본 시간에는 코드를 사용하여 기본 그래프를 그려 보겠습니다.(텐서플로우 설치는 여기, 주피터노트북 설치는 여기 제 포스트를 참조 하시면 됩니다.) 기본 그래프 코딩아래와 같은 그래프를 코딩 해서 output이 일치 하는지 알아보겠습니다.기존 포스트에서 배운것과 같이 동그라미는 노드(node), 화살표는 엣지(..

텐서플로우 텐서플로우는 Google이 지원하고 실제 구글에서도 사용을 하고 있는 "데이터 플로우 그래프를 이용한 수치 계산을 위한 오픈 소스 라이브러리" 입니다. 2015년 11월에 처음 공개된 오픈 소스로 머신 러닝(Machine Learning)에서 현재 제일 활발히 이용 되는 기계학습 전용 라이브러리 입니다. 텐서플로우가 머신러닝이나 딥러닝에서 주로 쓰이는 이유는 '분산, 묶음'이 주된 이유 입니다. - 분산: GPU를 이용한 병렬처리 등이 가능 - 묶음: TensorFlow, TensorBoard, TensorFlow Serving이라는 소프트웨어들의 묶음 *TensorFlow: 모델 정의, 데이터 학습 *TensorBoard: 네트워크 시각화 프로그램 *TensorFlow Serving: 이미 ..

저번 포스트에서는 기본 환경 설정 및 텐서플로우란 뭔지에 관하여 배웠습니다. https://mickael-k.tistory.com/64 [Windows] 텐서플로우(Tensorflow) 딥러닝 신경망 구현 - 환경 설정 [1] *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 텐서.. mickael-k.tistory.com 또한, 아예 텐서플로우가 처음이라면 여기를 통해 기초 텐서플로우 프로그래밍을 배우고 오면 더 쉽게 이해가 갈거라 생각 합니다. 배울 것 본 포스트 에서는 기본적인 네트워크를 생성하며 아래와 같..

*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...

CNN은 Convolutional Neural Network의 약자로 DNN(Deep Neural Network)의 한 종류 입니다. 그렇다면 딥러닝(Deep Neural Network, DNN)이란 무엇이냐??? 제 딥러닝포스트를 보고 오면 이해가 잘 되실겁니다. 딥러닝은 간단히 말하면 Layer가 엄청 Deep(많은)하게 구성된 네트워크 입니다. 아래는 AlexNet입니다. 3이라는 숫자가 들어가면 엄청 많은 네트워크들을 통해 최종적으로 오른쪽에서 0~9 사이의 결과 값을 출력 합니다. CNN의 역사 딥러닝은 사실 오래된 역사가 있었고, CNN도 사실 좀 오래 된 알고리즘 입니다. 하지만 왜 이제야 붐이 일어 났나요? 답은 컴퓨팅 파워가 좋지 않아 그동안 멀리 배척되어 온 기술 이었고, 데이터를 모으..

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..

start() { YOLO 란? You Only Live Once가 아닌, You Only Look Once의 약어로 Joseph Redmon이 워싱턴 대학교에서 여러 친구들과 함께 2015년에 yolov1을 처음 논문과 함께 발표 했습니다. 당시만 해도 Object Detection에서는 대부분 Faster R-CNN(Region with Convolutional Neural Network)가 가장 좋은 성능을 내고 있었습니다. Yolo는 처음으로 One-shot-detection 방법을 고안하였습니다. 이 전까지는 Two-shot-detection으로 Object Detection을 구성 하였는데 실시간성이 굉장히 부족했습니다. 5~7 FPS를 가지고 어디에 쓰기 부족했죠. 그럼 Two-shot-de..