yusukaid's IT note

이전 글: https://it-the-hunter.tistory.com/33 TensorFlow를 이용한 YOLO v1 논문 구현 #5 - utils.py 이전 글: https://it-the-hunter.tistory.com/32 TensorFlow를 이용한 YOLO v1 논문 구현 #4 - datasets.py 이전 글: https://it-the-hunter.tistory.com/28 TensorFlow를 이용한 YOLO v1 논문 구현 #3 - loss.py.. it-the-hunter.tistory.com model.py 목표: keras subclassing 형태의 모델 구조 class 정의 필요한 모듈 import import tensorflow as tf 상세 코드 class YOLOv1(..

이전 글: https://it-the-hunter.tistory.com/32 TensorFlow를 이용한 YOLO v1 논문 구현 #4 - datasets.py 이전 글: https://it-the-hunter.tistory.com/28 TensorFlow를 이용한 YOLO v1 논문 구현 #3 - loss.py 구현할 논문: https://arxiv.org/pdf/1506.02640v1.pdf loss.py 목표: YOLO v1의 loss function 구현 기본.. it-the-hunter.tistory.com utils.py 목표: 딥러닝 메인 로직 외에 유틸리티성 기능들을 조직 필요한 모듈 import import cv2 import numpy as np import tensorflow as t..

이전 글: https://it-the-hunter.tistory.com/28 TensorFlow를 이용한 YOLO v1 논문 구현 #3 - loss.py 구현할 논문: https://arxiv.org/pdf/1506.02640v1.pdf loss.py 목표: YOLO v1의 loss function 구현 기본 로직: 사람이 예측한 bounding box와 YOLO 모델이 예측한 bounding box간의 차이를 계산 오차를 최소화.. it-the-hunter.tistory.com datasets.py 목표: 데이터 전처리 및 batch 단위로 묶는 로직 필요한 모듈 import import tensorflow as tf import numpy as np 상세 코드 #train.py에서 처리하는 데이터를 ..

You Only Look Once 기본 컨셉: 이미지를 S x S grid cell로 나누고, grid cell별로 B개의 bounding box를 예측 최종 output: S x S x (5 * B + C) (5 : x, y, w, h, confidence) (x, y, w, h, confidence) 각 인자들의 범위는 전부 0~1 x: grid cell내의 x의 위치 y: grid cell내의 y의 위치 w: 전체 이미지 대비의 width y: 전체 이미지 대비의 height confidence: 이미지 내에 오브젝트가 있다고 확신하는 정도 Non-Maximum Suppression (NMS) confidence =0.5라면, confidence가 작은 bounding box를 제거 제거되지 않은 ..

구현할 논문: https://arxiv.org/pdf/1506.02640v1.pdf loss.py 목표: YOLO v1의 loss function 구현 기본 로직: 사람이 예측한 bounding box와 YOLO 모델이 예측한 bounding box간의 차이를 계산 오차를 최소화하기 위해 루트 적용 grid cell별로 IOU 계산을 했을 때, 신뢰도가 높은 bounding box의 차이를 coordinate에 적용 필요한 module import import tensorflow as tf import numpy as np from utils import iou iou: 두 개의 bounding box의 iou 함수를 utils 에서 불러옴 각 인자 설명 ''' Args: predict: 3 - D te..

구현할 논문: https://arxiv.org/pdf/1506.02640v1.pdf 프로젝트 파일 구조 train.py: 모델 class를 인스턴스로 선언하고 For-loop를 돌면서 gradient descent를 수행하면서 파라미터를 업데이트하는 로직 test.py/evaluate.py: training된 파라미터를 불러와서 evaluation이나 test/inference를 진행하는 로직 model.py: Keras Subclassing 형태의 모델 구조 class 정의 dataset.py: 데이터 전처리 및 batch 단위로 묶는 로직 utils.py: 딥러닝 메인 로직 외에 유틸리티성 기능들을 모아 놓은 로직 loss.py: 모델의 Loss Function을 정의