일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- 이터널리턴
- pyqt5
- 파이썬
- 논문
- 설치
- ChatGPT
- 논문리뷰
- NPY
- 파워셀
- 딜러닝
- connx
- yolo
- 텐서플로우
- 게임개발
- CycleGAN
- 리뷰
- TensorFlow
- 헬스케어
- 딥러닝
- 언리얼엔진
- C언어
- 프로그래머
- 호흡분석
- V3
- 개발자
- python
- 언어모델
- Detectron2
- ctypes
- 욜로
- Today
- Total
목록딥러닝 (6)
사냥꾼의 IT 노트
https://www.ti.com/product/ko-kr/IWR6843AOP?keyMatch=IWR6843AOP&tisearch=search-everything&usecase=GPN IWR6843AOP 데이터 시트, 제품 정보 및 지원 | TI.com document-pdfAcrobat IWR6843AOP Silicon Errata, Silicon Revisions 1.0, 2.0 (Rev. B) (영어) www.ti.com 우리 연구실은 호흡 데이터 확보를 위해 mmWave의 IWR6843AOP 센서를 사용한다. 해당 센서는 Texas Instrument의 제품 중 하나이며, 넓은 FoV를 가진 지능형 센서다. 1. 연구 환경 - 운영체제 연구는 내 개인 랩탑 macbook m1으로 진행한다. 다른 ..
dfdf
YOLO를 공부한지 이제야 2주째 되는데..yolo v7이 나왔다는 소식. 덕분에 논문을 하나하나 읽어보고 있다. 내 분야이니 공부하는 건 당연하고. https://github.com/jinfagang/yolov7 GitHub - jinfagang/yolov7: 🔥🔥🔥🔥 (Earlier YOLOv7 not official one) YOLO with Transformers and Instance Segmentation, 🔥🔥🔥🔥 (Earlier YOLOv7 not official one) YOLO with Transformers and Instance Segmentation, with TensorRT acceleration! 🔥🔥🔥 - GitHub - jinfagang/yolov7: 🔥🔥🔥🔥 (Earlie..
일반적으로 데이터셋 구조를 생성할 때 train, test 이렇게 두 가지를 만들 것이다. 하지만 좀 더 깊이 들어가서 논문을 읽다보면, validation이라는 단어가 굉장히 자주 등장하고 이게 대체 뭘까 하는 의문이 들 것이다. 사전적 의미 국민 번역 프로그램 파파고에 의하면 validation의 사전적 의미는 '확인'이라고 한다. 여기서 우리는 validation이 뭘 뜻하는지 어느정도 유추가 가능하다. 딥러닝에서의 'validation' validation은 학습이 완료된 모델을 검증하기 위한 데이터셋이다. 즉, 중간 점검을 위한 것이다. 딥러닝 분야에서 대부분은 train 데이터셋으로 학습을 시키고, 정확한 성능 평가를 위해 중간 피드백을 하고 수정을 거쳐 최종 output이 추출된다. 이를 위..
Object Detection을 이해하기 위해서는 먼저 컴퓨터 비전을 알아야 한다. 컴퓨터 비전(Computer Vision)이란? 정의: 인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해서 구현하는 방법을 연구하는 분야 이 컴퓨터 비전이란 큰 틀안에 존재하는 문제 분야 중 하나를 물체 검출, Object Detection이라고 한다. Object Detection은 아래 사진처럼 여러 물체를 검출할 수 있다. Object Detection 정의: 물체가 있는 영역의 위치 정보를 bounding box로 찾고 bounding box 내에 존재하는 사물의 label을 분류하는 문제 영역 Object Detection의 일반적인 출력값은 다음과 같다. x_min: 물체의 bounding box의 Left..
IOU? Intersection Over Union? Intersection Over Union은 object detection에서 성능 평가를 위해 사용되는 도구다. 정답 영역 및 예측 영역은 대부분 직사각형으로 설정한다. 정의는 아래 사진과 같다. 위 사진과 같이 정답 영역과 예측 영역이 직사각형의 형태로 존재하는데, 이 두 영역이 겹치는 부분이 많을수록 정확도가 올라가고 IOU의 값은 크다고 본다. 즉, IOU의 값이 클수록 "오브젝트 검출이 잘 되고 있다"라고 보는 것이다. IOU의 값 IOU의 최대값은 정답 영역과 예측 영역이 완전히 겹치는 정도이며, 값은 1이다. 반대로 정답 영역과 예측 영역이 완전히 겹치지 않는 정도가 최소값이며, 이 값은 0이다. IOU의 계산 방법 IOU를 계산하기 위해..