차수진의 개발 블로그

안녕하세요~!오늘 포스팅은 Segmentation에 대해 자세히 살펴보겠습니다! 1. 이미지 분할(Image Segmentation)이란?컴퓨터 비전(Computer vision)의 한 분야이미지를 몇 개의 영역으로 구분하는 작업이미지의 공간 영역, 객체들을 픽셀 수준에서 구분하여 라벨을 지정하는 작업 2. Segmentation 종류- 경계박스가 존재하지 않음. 입력 이미지 내 모든 픽셀의 클래스를 예측 1) Semantic Segmentation(의미적 분할)- 픽셀 단위로 클래스만 분류- 객체 구분(X) : 바둑이, 바순이, 인절미는 슬프지만 모두 그냥 개일 뿐.. 2) Instance Segmentation(객체 분할)- 객체 단위로 픽셀 마스크(masks : 객체의 특정 부분만 칠함) 분리=> ..

안녕하세요~!오늘 포스팅은 YOLO 모델링에 대해 자세히 살펴보겠습니다! 1. YOLO 모델 사용하기1. UltraLytics 라이브러리 사용=> 사용자가 쉽게 객체탐지를 수행할 수 있도록 PyTorch 기반의 강력한 딥러닝 모델을 제공=> settings(YOLO 모델 사용 위한 환경 세팅 함수) / YOLO(모델 다운로드 함수) 2. 모델 다운로드- 모델 버전과 task 지정 후 모델 다운로드- task : detect, segment, classify, pose- 여기서 n은 나노(작은 모델) 의미 => s,l,m 등 다양한 옵션 존재 - pt는 파이토치를 의미함. 3. 모델 사용- model.predict()와 model() 은 동일 => .predict 생략 가능- save = True..

안녕하세요!오늘 포스팅은 Object Detection(객체 탐지)과 YOLO 원리 및 주요 개념에 대해서 살펴보겠습니다. 1. 이미지 분류 및 탐지 종류1) Image Classification(이미지 분류)- 이미지 전체에 대해 하나의 클래스(Label)를 예측- 이미지 내 주 객체 1개를 찾음.(객체의 위치에는 관심 X, 객체가 무엇인지가 중요)=> 즉, 경계 박스 정보 없이 이미지 전체에 대한 단일 분류 수행 2) Image Classification + Localization- 1) 번 방식과 함께 사용되며, 단일 객체의 위치(Bounding Box) 정보만 제공. 실무에서는 많이 쓰이지 않는 방식.- 이 방식 또한 객체 1개를 대상으로 함. 3) Object Detection(객체탐지)- ..

안녕하세요!오늘은 컴퓨터 비전(CV : Computer Vision) 관련 개념과 CNN에 대해 살펴보겠습니다. 1. 컴퓨터 비전(Computer Vision)- 사람이 사물을 인식하듯이, 컴퓨터가 이미지를 분석하고 이해하는 기술로 시각지능이라고도 함.- 카메라, 센서 등 디지털 신호를 통해 입력된 이미지 데이터를 해석하여 의미 있는 정보 추출 2. 컴퓨터 이미지 인식 과정 1) 이미지 입력- 카메라나 파일 등을 통해 픽셀 단위로 이미지 수집 (CNN에서 픽셀들이 담긴 지역적 덩어리가 특징임)- 여기서 픽셀은 0 ~ 255 숫자로 구성- 색상(RGB), 밝기(그레이 스케일) 등의 기본 정보로 변환 2) 데이터 전처리- 노이즈 제거 : 불필요한 데이터 제거- 정형화(크기 조정) : 모델이 처리할 수 있..

안녕하세요~!오늘 포스팅은 딥러닝에 대해 간략히 정리해 보겠습니다.최적의 모델이란, 오차가 가장 적은 모델을 의미하는데요.최적의 파라미터인 최적의 가중치(Weight)를 찾는 과정을 '딥러닝을 통해 모델을 학습시킨다'라고 표현합니다.아래 설명에서 좀 더 자세히 살펴보겠습니다! 1. CRISP-DM 프로세스 1. 비즈니스 문제 이해- 비즈니스 문제에 대해 정의- 데이터 분석 방향과 목표를 설정- 초기 가설 수립- x(요인) ----> y(결과)(여기서 x, y는 모두 정보 즉, 데이터에 해당)(x = Feature = 요인 / y = Target = Label) => 실무에서는 보통 이와 같이 부르니 기억하자! 2. 데이터 이해- 원본 식별(내부 / 외부) => 초기 가설에서 도출된 데이터의 근원을 확인..