사냥꾼의 IT 노트

※본 포스팅은 아래 블로그를 참조해 번역하고 공부한 것입니다. https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/ Tutorial on implementing YOLO v3 from scratch in PyTorch Tutorial on building YOLO v3 detector from scratch detailing how to create the network architecture from a configuration file, load the weights and designing input/output pipelines. blog.paperspace.com ※본 포스팅은 아래 논문에 기반합니다. ht..

※본 포스팅은 아래 블로그를 참조해 번역하고 공부한 것입니다. https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/ Tutorial on implementing YOLO v3 from scratch in PyTorch Tutorial on building YOLO v3 detector from scratch detailing how to create the network architecture from a configuration file, load the weights and designing input/output pipelines. blog.paperspace.com 위 블로그는 YOLO v3를 pytorch로..

논문 출처: 박사학위_청구논문(김성훈 박사) 서론 사람의 호흡 정보는 헬스케어 등 건강과 관련된 분야에서 다양하게 활용 가능한 정보들이다. 호흡 정보를 활용하고 있는 분야는 '수면다원검사'가 대표적이다. 수면다원검사는 사람의 수면의 질, 수면 중 호흡 장애 등을 검사하기 위해 호흡 상태, 혈중 산소농도, 움직임 등을 측정한다. 최근에는 비접촉식 센서를 기반으로 호흡 정보를 측정하는 방법들이 연구되고 있으며, 대표적으로 Ultra-wideband (이하 UWB) 센서를 활용한 호흡 데이터 측정 방법들이 연구되는 추세이다. UWB 기술은 과거엔 근거리 통신을 위해 개발된 기술이었지만 최근에는 신호가 갖는 특성을 활용, 센서로 사용하면서 생체 신호 감지가 가능해졌다. 특히 사람의 호흡뿐만 아니라 맥박까지도 측..

논문 출처: https://arxiv.org/pdf/2207.02696.pdf Abstract YOLO v7은 5~160fps 범위의 속도와 정확도 면에서 object detector를 능가하는 모델입니다. V100 GPU에서 30fps 이상의 알려져있는 실시간 오브젝트 검출과 중에서 가장 높은 정확도인 56.8%의 성능을 보입니다. YOLO v7-E6은 transformer 기반 검출 모델인 SWIN-L Cascade-Mask R-CNN 보다 속도는 509%, 정확도는 2%를 능가하며, convolution 기반 검출 모델인 ConvNext-XL Cascade-Mask R-CNN 보다 속도는 551%, 정확도는 0.7% 앞섭니다. 우리는 MS COCO 데이터셋을 통해 pre-train을 했습니다. Co..

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..

인생 첫 논문 리뷰에, 처음 해보는 딥러닝 분야 개발이라 일주일 정도의 시간이 걸렸습니다. 이리 치이고 저리 치이다가 결국 완성하긴 했네요 . 첫 시작은 맥북 m1이었습니다. 작년에 산 따끈따끈한 랩탑이었기도 하고, 못해도 5년 이상은 써야할 장비기 때문에 중요했었죠. 근데 이게 큰 문제의 시작입니다. 내 발목을 잡은 cuda 일단 대부분의 딥러닝 개발은 파이썬으로 이루어지고, 거기서 수많은 모듈을 사용합니다. YOLO 개발에 쓰이는 대표적인 모델음 pytorch와 tensorflow가 있죠. pytorch에 관련된 자료가 더 많아서 이를 바탕으로 시작을 했는데, 웬걸 너무 복잡한 겁니다. 단순히 'conda install pytorch'로 끝나는 윈도우 환경과 달리 환경 변수 설정도 따로 해줘야 했습니..