본문 바로가기

전체 글198

[AI 부트캠프] DAY 117 - 파이널 프로젝트 8 [오늘의 일지] 프로젝트 - 데이터 파악하기 [상세 내용] 데이터 파악 - 이제 약 4주가량 시간이 남지 않았기 때문에 더 이상 지체하지 않고 Ai-hub를 통해서 공개된 데이터를 파악해 보고 어떤 식으로 학습을 위해서 데이터를 정제할 수 있을지 파악해 보기로 했습니다. 데이터에 대한 정보는 링크를 통해 가보면 자세하게 나와 있습니다. AI-Hub 샘플 데이터 ? ※샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며, 데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되 www.aihub.or.kr 데이터 종류 - 데이터는 학습을 위한 이미지 데이터와 이미지 데이터의 특징을 담고 있는 json 파일로 된 데이터로 나눠져 있었습니다. json.. 2024. 1. 6.
[AI 부트캠프] DAY 116 - 파이널 프로젝트 7 [오늘의 일지] 프로젝트 - 기업 미팅 후 불확실한 상황 정리 [상세 내용] 기업 미팅 후 불확실한 상황 정리 기존 요청 사항 - 기존에 저희 조는 각자 사용하는 로컬의 성능이 좋지 않은 관계로 최대한의 GPU를 사용할 수 있는 서버를 빠른 시간 내에 제공받기를 원했다. - 그리고 로컬이 좋지 못한 것을 감안해서 최대한 colab 환경에서라도 돌릴 수 있게 데이터 자체를 온라인 서버상으로 사용할 수 있게 구축해 주길 요청했습니다. - 그리고 기업에서 요구했던 학습 진행 방향성이 object detection이 아닌 multi-label classification만을 학습하는 것인데 평가 지표를 왜 mAP로 요구하고 있는지를 답변받기를 원했습니다. 답변 결과 - 결과적으로는 제대로 얻은 결과는 없었습니다... 2024. 1. 5.
[AI 부트캠프] DAY 115 - 파이널 프로젝트 6 [오늘의 일지] 프로젝트 - 본격적인 프로젝트 전 공부 [상세 내용] 본격적인 프로젝트 전 공부 용어 정리 - 프로젝트 전에 많이 사용될 용어에 대해서 간단하게 정리하려고 합니다 이미지 크롭 - 직역하자면 이미지를 자르는 건데 여기서 이미지를 크롭 하는 가장 중요한 이유는 주변의 배경에 걸리는 이미지로 인해서 발생하는 모델의 학습 저하를 방지하기 위함이라고 할 수 있습니다. 이번 프로젝트에서 아마도 중요하게 작용할 거 같습니다. 비엔나 코드 - 비엔나(Vienna) 코드는 주로 웹 개발 및 데이터 시각화를 위한 오픈 소스 라이브러리와 프레임워크를 지칭하는 용어입니다. 주로 JavaScript와 TypeScript를 사용하여 구축되어 있으며, 데이터 시각화 및 웹 애플리케이션 개발에 유용합니다. - 비엔나.. 2024. 1. 4.
[AI 부트캠프] DAY 114 - 파이널 프로젝트 5 [오늘의 일지] 프로젝트 - 본격적인 프로젝트 전 지정 모델 공부 [상세 내용] 본격적인 프로젝트 전 지정 모델 공부 YOLO - 이번 프로젝트에서 기업이 원하고 지정해 준 모델은 YOLO였습니다. 그 이유가 기존에 상용화되어 있는 모델에서 현재 사용 중에 있고 YOLO 모델 자체가 매년 새로운 버전을 발표하면서 기존 모델의 버전과 차이가 벌어진 이유도 있었을 것입니다. 즉 기업 측에서는 다른 모델로 교체하는 것도 좋지만 기존 모델을 향상된 새로운 버전으로 업그레이드하는 것을 더 원하고 있는 것 같았습니다. 조원분들도 기업이 원하는 방향으로 최대한 맞춰주는 것으로 회의를 통해서 결정하게 되었습니다. 정의 - YOLO(You Only Look Once)는 객체 감지(Object Detection)를 위한 .. 2024. 1. 3.
[AI 부트캠프] DAY 113 - 파이널 프로젝트 4 [오늘의 일지] 프로젝트 - 기업 미팅 후 방향성 [상세 내용] 기업 미팅 후 방향성 미팅의 주요 관점 - 이번 프로젝트가 시작된 지 일주일 정도가 되었는데 기업 미팅이 곧바로 진행된 것이 아니었기 때문에 미팅 전부터 걱정스러운 부분이 생각보다 많았습니다. 크게는 아래와 같은 4가지 부분이 프로젝트의 궁금증이었습니다. 기업이 원하는 이번 프로젝트의 최종 결과물(예를 들면 기존 모델을 새로운 모델로 개선) 대용량 학습 데이터 셋을 로컬이 아닌 코랩 환경과 같은 곳에서도 사용가능하게 만들어줄 수 있는지 모델을 학습시킬 수 있는 환경을 제공할 수 있는지 프로젝트 기간 동안 기업의 멘토링 환경이 어떻게 진행되는지 미팅 후 답변 - 위에 나와있는 4가지 궁금증에 대해서 대부분 명확하고 바로 다음 주 중에 해결해 .. 2023. 12. 30.
[AI 부트캠프] DAY 112 - 파이널 프로젝트 3 [오늘의 일지] 프로젝트 - Instance Segmentation 공부 [상세 내용] Instance Segmentation - Instance Segmentation은 컴퓨터 비전에서 이미지를 처리하는 기술 중 하나로, 이미지 내의 각 객체를 개별적으로 식별하고 해당 객체의 픽셀을 분할하는 작업입니다. 이는 객체 간의 경계를 명확하게 구분하면서 동시에 각 객체 내의 픽셀을 정확하게 식별하는 것을 목표로 합니다. 인스턴스 세그멘테이션은 주로 객체 검출(Object Detection)과 세그멘테이션(Segmentation)을 결합한 기술로 볼 수 있습니다. 자세한 비교는 아래의 그림을 보면 명확하게 확인할 수 있습니다. 활용 방안 - 이번 프로젝트에서는 이미지 상에서 여러 가지 클래스를 분류하기 위해서 .. 2023. 12. 29.
[AI 부트캠프] DAY 111 - 파이널 프로젝트 2 [오늘의 일지] 프로젝트 - Object Detection 공부 [상세 내용] Object Detection - object detection은 이전에 CV 트랙학습 때 공부한 적은 있었는데 좀 더 이론적인 측면에서 공부해봐야 할 것 같아서 공부하게 되었습니다. 그래서 오늘은 objec detection의 성능 지표인 IOU와 mAP 2가지에 대해서 알아보겠습니다. IOU - IOU(Intersection over Union)는 객체 감지(Object Detection) 및 세그멘테이션(Segmentation) 작업에서 모델의 성능을 측정하는 데 사용되는 중요한 평가 지표 중 하나입니다. IOU는 예측된 영역과 실제 영역 간의 겹치는 부분을 측정하는 데 도움이 됩니다. IOU= (예측 영역과 실제 영역의.. 2023. 12. 28.
[AI 부트캠프] DAY 110 - 파이널 프로젝트 1 [오늘의 일지] 프로젝트 - 개요 및 주제 [상세 내용] 개요 및 주제 개요 - 이번 부트캠프의 마지막 프로젝트가 시작되었습니다. 마지막 프로젝트는 기존에 트랙학습에서 배웠던 분야를 선택하거나 새롭게 원하는 분야를 선택해서 각각의 분야에 맞게 관련 주제를 특정 기업에서 가지고 와서 프로젝트를 진행하는 방식으로 이루어져 있습니다. 특정 기업에 대해서는 자세하게 언급은 안 할 예정이지만 제가 선택한 분야인 CV와 관련된 모델을 개발하고 배포하는 회사입니다. 아마도 기업에서 원하는 방향성이 존재할 것으로 예상이 됩니다. 주제 - 제가 CV를 선택한 했기 때문에 주제는 역시 CV와 관련이 있는 내용입니다. 더 자세하게 들어가자면 이미지 다중 분류에 가깝다고 할 수 있습니다. 이러한 이미지 다중 분류를 Objec.. 2023. 12. 27.
[AI 부트캠프] DAY 109 - CV 프로젝트 10 [오늘의 일지] 프로젝트 - 발표 및 최종 리뷰 [상세 내용] 발표 및 최종 리뷰 발표 자료 정리 - 우선 저희 조는 학습 결과 발표가 생각보다 늦어졌기 때문에 발표 자료를 준비하는 조원분이 마지막 날까지 고생했을 거라고 생각합니다. 이번 프로젝트에서 비디오 데이터를 다루는 그룹이 저희밖에 없었기도 했고 비디오 데이터를 다루는 과정은 수업 때 배우지 않았기 때문에 다른 조보다 준비 과정이 훨씬 길었다고 생각합니다. 특히 저는 비디오 데이터를 전처리 및 분석할 때 어떤 식으로 접근해야 할지 너무 막막해서 자료를 모두 하나씩 보면서 방향을 잡았는데 이 방법이 생각보다 원초적이었지만 다음 방향성을 잡는데 도움이 많이 되었던 것 같습니다. 이렇게 처음 시작 과정부터 타임라인 별로 어떤 어려움이 있었고 어떻게 해.. 2023. 12. 24.
[AI 부트캠프] DAY 108 - CV 프로젝트 9 [오늘의 일지] 프로젝트 - 최종 학습 후 결과 [상세 내용] 최종 학습 후 결과 - 어제 0.38의 결과를 얻은 뒤로 총 2가지 변화를 주면서 마지막까지 좋은 결과를 얻기 위해서 노력했습니다. 라벨링 수정하기 - 이번 프로젝트의 데이터를 분석하고 이상치를 찾고 수정하는 담당을 제가 하기로 했었기 때문에 이전에 영상을 하나씩 다 보면서 라벨이 이상하다고 생각했던 것들을 따로 체크해 두었고 라벨을 하드 코딩으로 수정해서 새로운 train 데이터를 만들었습니다. 수정해야 할 라벨을 약 100개 정도였습니다. relabels = { "TRAIN_1193": 5, "TRAIN_2654": 10, "TRAIN_2391": 10, "TRAIN_2626": 10, "TRAIN_2685": 10, "TRAIN_2571.. 2023. 12. 22.
반응형

티스토리툴바