본문 바로가기

분류 전체보기128

Object Detection, OpenCV웹캠 실습 실습을 해보자! 실습 6 : tensorflow hub - objection Detection Image 모델에서 obect_detection의 Faster RCNN을 사용 tensorflow는 4차원 영상이 되어야함. (1, im_height, im_width, 3) 으로 reshape해야함. batch_size, height, width, channel 다양한 object detection 모델의 이름과 주소가 있음. Faster R-CNN resnet 50 모델을 사용하고자 함. 테스트에 사용하고자 하는 영상들의 주소 object Detection api를 설치해야만 밑의 라이브러리와 메소드를 쓸 수가 있다. 우리가 사용하는 모델은 mscoco데이터셋에서 학습이 되어있음. mscoco는 80개의 클.. 2021. 8. 8.
SSD(Single Shot Detector) 보호되어 있는 글 입니다. 2021. 8. 8.
Object localization, OpenCV 이미지 실습 이제 실습을 해보자. Oxford Pet 데이터셋은 위의 url로 다운받을 수 있음. (옥스포드에서 만든 데이터임. 개와 고양이를 모아놓은 데이터) Dataset Groundtruth data 두가지로 나뉜다. 아니면 한꺼번에 다운 받는 코드 images파일의 압축을 풀고 ls을 보면 images와 sample_data 파일이 있음을 알 수 있다. 이와 같이 annotations 파일의 압축을 풀면, annotations, images, sample_data파일이 있음을 볼 수 있다. 아까 위에 xml 파일을 가져와 tree 구조로 파싱을 한 후, 트리의 root부터 시작해서 object 가지를 찾아 ob변수에 넣고, bndbox를 찾고, xmin, xmax,ymin,ymax를 찾아서 변수안에 넣는다. .. 2021. 8. 6.
Object Detection, Faster RCNN 보호되어 있는 글 입니다. 2021. 8. 6.
Visual Recognition, 전이학습 보호되어 있는 글 입니다. 2021. 8. 6.
Yolo 보호되어 있는 글 입니다. 2021. 8. 6.
확률분포(Probability Disstributions)- 이산확률분표(이항분포만) * 이 공부노트는 프로그래머스 인공지능 데브코스 강창성 교수님의 강의를 바탕으로 제작되었습니다. 확률이론은 ML을 이해하기 위해 필수. 자세하게 이해할수록 여러가지 알고리즘에 대해 접근하기 쉬워진다. 결합확률분포를 완벽하게 풀 수 있다면 모든 문제를 풀 수 있다고 하십니다.(갈길이 멀다.) 오늘은 이산확률분포에 대해 알아보도록 한다. 밀도추정(Ensity Estimation) N개의 데이터 $\mathbf{x}_1,\ldots\mathbf{x}_N$ 주어졌을 때 분포함수 $p(\mathbf{x})$를 찾는 것이다. $p(\mathbf{x})$를 파라미터화된 분포로 가정하고, 회귀에선 $p(t|\mathbf{x})$, 분류에선 $p(\mathcal{C}|\mathbf{x})$로 추정한다. 그 다음 분포의 .. 2021. 6. 7.
ML 기초 실습 과제 (Data : Predicting Food Delivery Time) * 이 공부노트는 프로그래머스 인공지능 데브코스 주차 과제를 바탕으로 제작되었습니다. 음식배달 서비스를 위한 예측 모델을 만들기. 즉 음식 배달에 걸리는 시간을 예측하는 모델을 만드는 것이다. kaggle의 Predicting Food Delivery Time 데이터셋 안에 있고, 실제로 이걸 우리가 직접 만들어보았다.(물론 따라하면서....) 여기서 예측된 배달시간이 실제 배달시간보다 더 걸리는 경우 리스크는 두배가 됨을 가정으로 한다. ( 예로 카카오 택시 앱을 보면 도착까지 드는 예상 금액이 실제 금액보다 높은 경우가 있는데, 이와 같은 원리로 적용된다고 보면 된다. 예상금액보다 더 들면 솔직히 기분 나쁘니깐 - 기술적인 요인 말고 인적인 요인이 첨가된 것일 뿐) 우선 데이터를 보면 Restaura.. 2021. 6. 6.
선형대수(Linear algebra)-행렬, 행렬의 곱, 성질(2) * 이 공부노트는 프로그래머스 인공지능 데브코스 강창성 교수님의 강의를 바탕으로 제작되었습니다. * 이번엔 진짜 이해하기 힘들 것을 알아가면서 정리해보자(지친다ㅜㅜ). 치역(Range), 영공간(Nullspace) 벡터의 집합($\{x_1,x_2,\ldots,x_n\}$)에 대한 생성(span) $$\mathrm{span}(\{x_1,x_2,\ldots,x_n\}) = \left\{ v : v = \sum_{i=1}^n\alpha_i x_i, \alpha_i \in \mathbb{R} \right\}$$ 행렬의 치역 (range) 행렬 $A\in \mathbb{R}^{m\times n}$의 치역 $\mathcal{R}(A)$는 A의 모든 열들에 대한 생성(span)이다. $$\mathcal{R}(A) =.. 2021. 6. 3.