본문 바로가기

인공지능/DeepLearning

인공지능/DeepLearning 2021. 1. 20. [Computer Vision] IoU ; Intersection over Union 위의 그림에서 좌표(250, 250)의 Anchor boxes 중 (s=0.75, r=1)가 개를 잘 덮는다고 표현합니다. 그러면 컴퓨터는 잘 덮는다는 것을 어떻게 판단할까요?? 바로, IoU를 통해 판별하게 됩니다. IoU란 합쳐진 곳 중 겹치는 곳을 의미하는 뜻이며, 2개의 bounding box의 유사성을 합친 전체 면적에서 겹치는 면적의 비율을 통해 측정합니다. def box_iou(boxes1, boxes2): """Compute IOU between two sets of boxes of shape (N,4) and (M,4).""" # Compute box areas box_area = lambda boxes: ((boxes[:, 2] - boxes[:, 0]) * (boxes[:, 3] - ..
인공지능/DeepLearning 2021. 1. 20. [Computer Vision] Single Shot Multi box Detection (SSD) 앞에서의 이론들을 바탕으로 Object Detection 모델인 Single Shot Multi box Detection(SSD)를 구성할 수 있습니다. SSD 설명에 앞서 Object Detection에는 크게 2가지 종류가 있습니다. 1-stage Detector : Localization과 Classification을 동시에 진행 2-stage Detector : Localization을 진행 후 Classification을 진행 1-stage Detector는 동시에 진행하는 만큼 속도가 비교적 빠르지만 정확도가 낮고 2-stage Detector는 순차적으로 진행하는 만큼 속도가 비교적 느리지만 정확도가 높습니다. 오늘 언급할 SSD는 1-stage Detector입니다. SSD; Single ..
인공지능/DeepLearning 2021. 1. 20. [Computer Vision] Multi scale Object Detection Anchor Boxes는 입력 이미지의 각 픽셀 중앙을 기준으로 여러 개의 Anchor Box를 생성했습니다. 이러한 Anchor Boxes는 입력 이미지의 여러 영역을 샘플링하는 데 사용됩니다. 하지만 Anchor Boxes가 이미지의 각 픽셀 중앙마다 생성되면 너무도 많은 Anchor Boxes가 생성되게 됩니다. ex) 입력 이미지의 높이가 561, 너비가 728이라고 가정합니다. 각 픽셀마다 5개의 서로 다른 모양의 Anchor Boxes가 생성된다면 2백만개가 넘는 Anchor Boxes를 예측해야하고 이미지에 해당하는 Label을 지정해야합니다. Anchor Boxes의 수를 줄이는 방법 입력 이미지에서 픽셀을 균일한 샘플링하여 샘플링 된 픽셀을 기준으로만 앵커박스를 생성 다양한 숫자와 크기의..
인공지능/DeepLearning 2021. 1. 19. [Computer Vision] Anchor Boxes(앵커 박스) - 2 [Computer Vision] Anchor Boxes(앵커 박스) - 1 Object detection(객체 감지) 알고리즘은 일반적으로 많은 수의 영역 샘플링하고, 이 영역에 관심 개체가 포함되어 있는지 여부를 확인하고, 대상의 실측 Bounding Boxes(경계 상자)를 정확하게 예측하기 jungnamgyu.tistory.com Anchor box와 bounding box가 비슷하게 느껴질 수 있습니다. Anchor box는 bounding box의 후보로써, 수많은 box들을 통 틀어 일컫는 말입니다. Bounding Box의 offset은 Bounding Box의 상대적 위치와 크기를 의미한다.(x, y, w, h) Anchor Box 훈련 세트 Labeling 하기 훈련 세트에서는 각 Anc..
인공지능/DeepLearning 2021. 1. 19. [Computer Vision] Anchor Boxes(앵커 박스) - 1 Object detection(객체 감지) 알고리즘은 일반적으로 많은 수의 영역 샘플링하고, 이 영역에 관심 개체가 포함되어 있는지 여부를 확인하고, 대상의 실측 Bounding Boxes(경계 상자)를 정확하게 예측하기 위해 영역의 가장자리를 조정합니다. 이러한 Bounding Boxes를 찾기 위한 방법에는 여러가지가 있습니다. 그중 하나의 방법이 Anchor Boxes입니다. 각 픽셀을 중앙에 두고 크기와 종횡비가 서로 다른 Bounding Boxes를 생성합니다. 이러한 Bounding Boxes를 Anchor Boxes라고 하며, 이를 통해 물체를 감지하게 됩니다. %matplotlib inline from d2l import torch as d2l import torch import torch..
인공지능/DeepLearning 2021. 1. 14. [Computer Vision] Object Detection and Bounding Boxes 이미지를 분류할 때에는 하나의 주요 대상만 식별하고 그것을 분류하는데에 초점을 맞춘다. 우리는 주요 대상이 무엇인지를 파악하기 원할때도 있지만, 어느 특정 위치에 있는지 알고 싶을때도 있다.(객체 탐지) 객체 탐지는 많은 분야에서 사용된다. 예를 들어 자율주행에서의 보행자, 도로, 장애물의 위치를 인식하거나 보안 분야에서도 비정상적인 대상을 감지하여 사전 위험에 대응할 수 있도록 사용할 수 있다. 차후에 업로드할 포스팅에서 객체 탐지에 대해서 배우기 전에 객체 위치를 표현하는 개념에 대해서 언급한다. %matplotlib inline from d2l import torch as d2l import torch d2l.set_figsize() img = d2l.plt.imread('../img/catdog...
인공지능/DeepLearning 2021. 1. 12. [Computer Vision] Fine-Tuning 학습을 할 때 일반적으로 대규모의 이미지 데이터 셋이 필요하다. 하지만 이미지 데이터 셋을 만들기에는 시간은 둘째치고 비용이 상당히 많이 든다. 또한 새로운 데이터셋이 크지 않다면 그만큼 학습을 하기 어려울 것이고 오버핏 될 가능성이 커지게 된다. 이러한 문제를 해결하기 위한 한 가지 방법이 Fine-Tuning(미세 조정)이다. 딥러닝 모델의 중요한 성격 중 하나가 바로 "계층적인 특정"을 "스스로" 학습한다는 점이다. 모델의 첫 번째 층은 "일반적인(general)"특징을 추출하도록 하는 학습이 이루어지는 반면에, 마지막 층에 가까울수록 특정 데이터셋 나타날 수 있는 "구체적인(specific)"특징을 추출하도록 학습이 이루어진다. 기존의 데이터셋의 학습 내용을 새로운 모델에 적용한 후 새로운 데이터..
인공지능/DeepLearning 2021. 1. 11. [Computer Vision] 확장된 Image를 이용한 훈련 모델 사용 %matplotlib inline from d2l import torch as d2l import torch import torchvision from torch import nn 사용될 모듈 항목들이다. 학습에 사용될 모델들은 torchvision에서 제공하는 image 데이터셋인 CIFAR-10을 사용한다. all_images = torchvision.datasets.CIFAR10(train=True, root="../data", download=True) d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8); train : train 데이터셋을 받아올지 test용 데이터셋을 받아올지 선택 root : 데이터셋을 받아올 경로를..

티스토리툴바