본문 바로가기

AI126

[AI 부트캠프] DAY 97 - 트랙학습 CV 11 [오늘의 일지] 트랙학습 녹화 강의 - Data augmentation [상세 내용] Data augmentation - Data augmentation는 이미지, 텍스트, 음성 등 다양한 데이터 유형에서 적용될 수 있습니다. 이미지의 경우, 회전, 반전, 크기 조절, 확대/축소, 색상 조절 등의 변형을 통해 새로운 학습 샘플을 생성합니다. 텍스트의 경우, 문장 구조 변경, 동의어 대체, 문법 수정 등이 사용될 수 있습니다. 이러한 다양한 변형을 통해 모델은 더 많은 패턴과 다양성을 학습하게 되며, 실제 상황에서의 성능을 향상시킬 수 있습니다. 데이터 증강은 특히 작은 규모의 데이터셋에서 유용하며, 과적합(overfitting)을 방지하고 모델의 일반화 성능을 개선하는 데 도움이 됩니다. 방법 이미지 데.. 2023. 12. 7.
[AI 부트캠프] DAY 96 - 트랙학습 CV 10 [오늘의 일지] 트랙학습 녹화 강의 - Object Detection(One-Stage Detection) [상세 내용] Object Detection(One-Stage Detection) - One-Stage Detection은 객체 감지(Object Detection) 작업을 수행하는 딥러닝 모델 아키텍처 중 하나로, 객체의 위치와 클래스를 한 번에 예측하는 방식입니다. 이러한 모델은 여러 개의 bounding box와 클래스 확률을 한 번에 예측하며, 여러 객체가 한 이미지 내에 존재하는 경우에도 효과적으로 처리할 수 있습니다. 대표적인 One-Stage Detection 모델로는 YOLO (You Only Look Once)와 SSD (Single Shot Multibox Detector)가 있습.. 2023. 12. 6.
[AI 부트캠프] DAY 95 - 트랙학습 CV 9 [오늘의 일지] 트랙학습 녹화 강의 - Object Detection(Two-Stage Detection) [상세 내용] Object Detection(Two-Stage Detection) - Two-Stage Detection은 객체 감지(Object Detection) 작업을 수행하는 딥러닝 모델 아키텍처 중 하나입니다. 객체 감지는 이미지나 비디오에서 특정 객체의 위치와 클래스를 찾아내는 작업으로, 컴퓨터 비전 및 인공지능 응용 프로그램에서 매우 중요한 역할을 합니다. 아래의 그림과 같이 수업에서는 Two-Stage Detection인 RCNN 모델을 사용하여 실습이 진행되었습니다. 사실 실시간 강의에서도 RCNN 모델들 위주로만 실습을 진행했었기 때문에 어느 정도 모델에 대해서는 알고 있었습니다... 2023. 12. 5.
[AI 부트캠프] DAY 94 - 트랙학습 CV 8 [오늘의 일지] 트랙학습 실시간 강의 - Image segmentation(Unet), Generative Models 맛보기 [상세 내용] Image segmentation(Unet) - 오늘은 어제 사용했던 데이터에 모델만 Unet을 적용시켜서 학습을 시킨 뒤 성능을 확인해 보았습니다. 일반 인코딩 디코딩 모델보다 로스값이 빠르게 내려가는 것을 확인했습니다. 그리고 녹화 강의를 들을 때 이해하기 힘들었던 Unet 코드에 대해서 점진적인 단계를 거치고 사용해 보니 훨씬 이해하기 좋았습니다. 모델 코드 class Down(nn.Module): def __init__(self, in_channels, out_channels): super(Down, self).__init__() self.conv = nn... 2023. 12. 2.
반응형

티스토리툴바