Object Detection Classification : 물체가 무엇인지 식별 +Localization : 전체 이미지에서 어떤 위치에 있는지 , 그 위치를 바운딩 박스라고 하는 물체의 크기를 표현할 수 있는 박스. 그 물체의 중심점을 바운딩박스의 중심점 이 두가지를 다한것을 Object Detection이라고 한다. Object Detection = 여러가지 물체에 대한 Classification + 물체의 위치정보를 파악하는 Localization 1-Stage 와 2-Stage Detectors 처음에 Proposal Reason이라고 하는 보기가 되는 바운딩박스들을 만들어내고 그 안에서 간단한 문제를 푼 다음에 더 세부적으로 그걸 fine하게 regression을 한다던가 그 위치를 조절한다던..

Neuron 특정 자극이 어떤 한계치를 넘을 때만 활성화를 시킬 수 있도록 한다. MLP (Multi-Layer Perceptrons) Backpropagation Algorithm - Output 구조에서 생기는 오차값을 각각의 weight에 전파하기 위해서 어떤 chain-rule 을 통해서 gradient를 전파해준다. 이 획기적 알고리즘을 통해 MLP가 학습을 할 수 있고, 또한 고차원적인 Feature들을 표현할 수 있다. Yann Lecun 의 Le-net이 CNN의 기본적인 구조다. CNN Convoultion 계층 -feature을 잘 뽑아내는것에 도움을 줌 Subsampling 계층 -feature가 볼 수 있는 dimension을 보다 넓히기 위해서 그것들의 차원을 축소해주는 역할 Fu..

딥러닝: 뉴럴 넷 이용, 다수의 레이어 이용, 보다 고차원 적임. end-to-end. training 시간이 오래걸림 머신러닝: 트레이닝 데이터셋 작음, 사람이 직접 feature을 찾아서 넣어야함. 1,2,3 은 label 값(정답 값)이 있느냐 없느냐 1은 지도학습 : 라벨이 있음 (classifier로 사용) 3은 비지도학습 : 라벨이 없음 (clustering, 군집 알고리즘을 통해 클래스를 나눠서 사용) 4. Reinforcement Learning : 직접적으로 트레이닝을 하고자 하는 환경을 경험을 하면서 trial&error 시행착오로 환경에 대해 학습을 하며 이에 대해서 Action에 대한 policy를 학습하는 과정을 뜻함. 5. 딥러닝 2-layer 이상 심층 네트워크 Classfic..

출처 :  https://github.com/tensorflow/cleverhans cleverhans-lab/cleverhansAn adversarial example library for constructing attacks, building defenses, and benchmarking both - cleverhans-lab/cleverhansgithub.com  자율주행 자동차가 우리 생활의 전반을 차지하고 있다고 가정해보자 (멀지 않은 미래다) 자율주행자동차가 만약 여러가지 신호들을 오인식 하게 된다면 분명 인명피해로 이어질거고 이는 심각한 사회문제로 대두될 것이다.당신의 차는 이런 상황이 오게 될 수도 있다.  당신이 자고있던 혹은 자고 있지 않던 당신의 붕붕이는 오인식으로 인해 계속 달릴 ..

이번에 트위터에 인공지능을 활용한 캐릭터 생성기가 아시아인에 대한 혐오를 닮고 있다고 글이 올라왔다. ArtBreeder 라는 사이트임. (gan을 활용했나?) 아마 데이터셋에서 아시아인에 대한 데이터가 많이 없었을 것이고, 그 마저도 제대로 된 것이 아닌 것 같다. 물론 개발자들은 그런 데이터셋의 특이점을 신경 안쓰고, 악의를 갖지 않고 만들었겠지만 결과가 저 지경으로 나오는 것은 제대로 검수 및 확인을 안해본 것이기 때문에 분명 책임이 있다고 생각한다. horizon.kias.re.kr/10971/ 인공지능은 인간을 차별하는가? 2017년, MIT 대학교에서 출판하는 테크놀로지 리뷰Technology Review는 구글의 인공지능AI 연구 책임자 존 지아난드리아John Gianandrea와 인터뷰를 ..

1.target size -즉 이미지 사이즈인데, 이미지 사이즈가 작아질수록 손실이 생긴다. 당연하겠지 2.batch_size -이미지 target_size가 커지면 메모리 소모량이 크기때문에 batch_size를 줄여준다. 3.모델바꾸기 -EfficientNetB0이라고 하면 B1~ 점차 숫자를 늘려준다 4.augmentation -좌우위치도 영향이 감. 만약 개가 오른쪽에만 있다면? 학습할 때 우리 모델은 '개'라는 것은 오른쪽에만 있구나! 하고 인식하겠지, -평가를 할때에도 어그멘테이션이 필요한가? ㄴㄴ test나 valid 에서는 필요없지, 시간만 낭비니까 -크롭도있음. 크롭해서 주변인들을 없애는거야 ^^ 5.learning rate from tensorflow.keras.callbacks imp..

어우; 계속 행렬이 헷갈려서 , 심지어 저번엔 행렬을 바꿔서 올렸다 이렇게 하면 데이터프레임 이름 custom_data의 1순위라는 열(column)이 추가되고,거기에 idxmax(axis=1)를하면, 각 행의 최대값을 반환한다 (axis=0)이면 각 열의 최댓값이겠지~ 2. 이거는 열이 c0,c1,c2,c3 인데 이 0,1,2,3 을 변수로 정해 계속 변경해주고싶은 찰나 이것을 찾았다! '{변수}'.format(변수=i) 이런식으로 하면 된다! 간편~ => 이것을 이렇게 매우 쉽게 바꿔주었다. sub3의 [: #전체행 ,1: #전체열중에 첫번째열 제외]

from PIL import Image #Python Image Library를 통해 Image를 열어볼 수 있는 기회를 갖자! 이미지 크기도 보고, 어떻게 생겼나도 확인 Image.open('') import glob #glob() 함수는 경로에 대응되는 모든 파일 및 디렉터리의 리스트를 반환합니다 train=pd.DataFrame({'path':glob.glob('')}) #glob에서 파일을 어떻게 반환할건지=> /*로 파일명으로 라벨이 구분되어있는지 /*/*로 폴더명으로 라벨이 구분되어있는지 확인 pd.options.display.max_coldwidth=999 #너무 작으면 늘려줘 train train['target']=train['path'].apply(lambda x:x.split...) #..