티스토리

끄적끄적 오후5시37분
검색하기

블로그 홈

끄적끄적 오후5시37분

aisj.tistory.com/m

connect : tmdwhd619@naver.com

구독자
11
방명록 방문하기
공지 포트폴리오 모두보기

주요 글 목록

  • [Generative AI] Diffusers를 이용한 Custom Diffusion 공식 문서 공식 홈페이지 https://huggingface.co/docs/diffusers/index Diffusers Taking Diffusers Beyond Images huggingface.co The library has three main components: State-of-the-art diffusion pipelines for inference with just a few lines of code. Interchangeable noise schedulers for balancing trade-offs between generation speed and quality. Pretrained models that can be used as building blocks, and combined.. 공감수 0 댓글수 0 2023. 7. 14.
  • Diffusion / Transformer 압축정리 관련 논문 : Denoising Diffusion Probabilistic Models https://arxiv.org/pdf/2006.11239.pdf Diffusion 모델이란 데이터를 만들어내는 Deep generative model 중 하나 두가지 process를 사용 Forward Process (Diffusion Process) data로부터 noise를 조금씩 더해가면서 data를 완전한 noise로 만드는 process Reverse Process : noise를 조금씩 복원해가면서 data를 만들어내는 것 Markov chain 어떤 상태에서 다른 상태로 넘어갈 때, 바로 전 단계의 상태에만 영향을 받는 확률 초기의 분포의 영향이 시간이 지남에 따라 점점 감소한다는 것과 Stationar.. 공감수 1 댓글수 1 2023. 7. 13.
  • [CV] Structural Similarity Index SSIM의 정의 SSIM 은 Structural Similarity Index Measure의 약자로 다음 세가지를 이용하여서 두 이미지의 유사도를 계산한다 luminance contrast structure -> 실제 인간의 시각 기관과 유사한 방법으로 인식하고자 함 SSIM의 최종 결과는 0~1 사이이고 1에 가까울 수록 두 이미지가 유사하다는 의미이다 (가끔 -1 ~ 1 도 가능) Luminance (휘도) 빛의 밝기를 의미 -> 빛의 밝기를 추출해서 사용하는 것이 아닌 grayscale로 변환한 다음 그 픽셀값을 이용 (값이 클수록 밝음) 만약 RGB에서 사용할 경우 R,G,B 각각의 채널 별 픽셀값을 이용한다 xi : 각 픽셀의 값 (밝기 값을 의미함) N : 전체 픽셀의 갯수 μx : 이미지의.. 공감수 0 댓글수 0 2023. 7. 12.
  • [Seg] Segmentation 모델(mmsegmentation) 준비 일단 구상하고 있는 아이디어에 사용되는 데이터는 모델 : BEiT (https://arxiv.org/pdf/2106.08254.pdf) 데이터 : ADE20K(https://github.com/CSAILVision/ADE20K/tree/main) 이다 BEiT for ADE20K를 사용하기 위해서는 mmsegmentation Framework를 이용하려 한다 이 Backbone을 이용하고 싶어서 MMsegmentation을 이용하고자 한다 0. Installation 다음 공식 레포를 따라서 install을 진행한다 https://github.com/open-mmlab/mmsegmentation/blob/main/docs/en/get_started.md GitHub - open-mmlab/mmsegmen.. 공감수 0 댓글수 0 2023. 6. 27.
  • Custom Diffusion 실습 일단은 먼저 가상환경을 pyenv로 만들어 보자 conda가 default 로 설정 되었기 때문에 밑에 명령어를 통해 비활성화 시켜주자 deactivate conda config --set auto_activate_base false 그 다음 우분투에서 pyenv설정법을 보자 https://aisj.tistory.com/191#--%--pyenv-virtualenv ttps://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-installer | bash 를 하면 다음과 같이 나온다 환경변수를 추가해달라고 하는데 sudo nano ~/.bashrc 아래의 내용을 추가 export PYENV_ROOT="$HOME/.pyenv" command.. 공감수 0 댓글수 0 2023. 6. 21.
  • [Seg] Segmentation 모델(mmsegmentation) 준비 일단 구상하고 있는 아이디어에 사용되는 데이터는 모델 : BEiT (https://arxiv.org/pdf/2106.08254.pdf) 데이터 : ADE20K(https://github.com/CSAILVision/ADE20K/tree/main) 이다 BEiT for ADE20K를 사용하기 위해서는 mmsegmentation Framework를 이용하려 한다 이 Backbone을 이용하고 싶어서 MMsegmentation을 이용하고자 한다 conda create -n mmseg python=3.7 -y conda activate mmseg https://github.com/open-mmlab/mmsegmentation/blob/main/docs/en/get_started.md conda install p.. 공감수 0 댓글수 0 2023. 6. 21.
  • [Seg] Segmentation 데이터셋(ADE20K) 준비 데이터 셋 : ADE20K 먼저 데이터 셋을 준비 하자 데이터 셋 ADE20k를 사용하려면 먼저 공식 사이트에 가입을 해야 한다 http://groups.csail.mit.edu/vision/datasets/ADE20K/request_data/ ADE20K groups.csail.mit.edu 메일 올 때까지 기다려 달라고 한다 Affiliation에는 지금 소속되어 있고 프로젝트를 진행할 기관인 Korea Institute of Science and Technology를 적었다 그러고 메일을 보면 이렇게 링크를 보내준다 URL을 누르고 로그인을 해주면 아래의 창이 뜬다 이러면 다운로드를 받을 수 있다 대충 7.7GB 정도 된다 하나를 샘플로 열어보면 잘 가져와 졌다 다음 사이트에서 Starter_cod.. 공감수 1 댓글수 0 2023. 6. 14.
  • [seg] semantic segmentation 예제 연습 먼저 연습에 필요한 가상환경을 만들어주자 (본격적인 프로젝트가 아니므로 편의를 위해서 conda를 사용했다) conda create -n seg python=3.8 conda activate seg 다음 사이트를 참고하였다 (hugging Face) https://huggingface.co/docs/datasets/semantic_segmentation Semantic segmentation huggingface.co 먼저 필요한 라이브러리를 다운 받아 보자 pip install -U albumentations opencv-python Albumentations is a Python library for performing data augmentation for computer vision. It sup.. 공감수 1 댓글수 1 2023. 6. 9.
  • [Generative] Diffusion에 관하여 관련 논문 : Denoising Diffusion Probabilistic Models https://arxiv.org/pdf/2006.11239.pdf Diffusion 모델이란 데이터를 만들어내는 Deep generative model 중 하나이다 두가지 Process를 활용하는데 Forward Process (Diffusion Process) : data로부터 noise를 조금씩 더해가면서 data를 완전한 noise로 만드는 process Reverse Process : noise를 조금씩 복원해가면서 data를 만들어내는 것 내용 이해를 위해서는 아래의 개념을 알아야 한다 Markov Chain Markov Chain 은 간단하게 말해서 어떤 상태에서 다른 상태로 넘어갈 때, 바로 전 단계의 상.. 공감수 0 댓글수 0 2023. 4. 27.
  • [Semantic Seg] U-Net, U-Net++, U-Net 3+ U-Net 등장배경 1. 의료 계열 데이터 부족 환자의 개인정보 issue와 데이터가 있어도 일반인이 labeling하기 힘들어서 데이터 수가 부족 - 이로 인하여 일반적인 Deep Learning으로는 턱없는 데이터 수이다 2. Cell Segmentation (인접한 세포 구분) 문제 세포의 경우 경계선이 모호하여서 경계선(테두리)를 판단하기 어려워 일반적인 Semantic Segmentation으로는 작업 불가능 위의 그림과 같은 세포의 경계를 테두리로 만들어야 하는 작업이 필요하다 Architecture Contracting Path(Encoder)와 Expanding Path(Decoder)가 대칭인 U자 형을 이룬다 1. Contracting Path (Encoder) - 입력이미지의 전반적인.. 공감수 0 댓글수 2 2022. 12. 22.
  • [Semantic Seg] Basic Semantic Segmentation 각 픽셀 단위의 분류를 하는 Task이다 (Pixel에 대해 Classification) -> 주로 자율주행이나 의료 분야에서 활용 Semantic Segmentation : 서로 다른 object 임에도 같은 class이면 같게 분류한다 Instance Segmentation : 서로 다른 object 이면 다른 class로 분류한다 Image Classification : 하나의 object만 있다고 가정 & class를 출력 Image Localization : 하나의 object(단일 obj)에 대해 위치와 class를 출력 Object Detection : 단일 object탐지 극복 : Multi object에 대해서도 classification과 loca.. 공감수 0 댓글수 0 2022. 12. 19.
  • [OCR] 글자 검출 모델 평가 방법(DetEval) 성능평가 = 새로운 데이터가 들어왔을 때 얼마나 잘 작동하는가? (일반화 성능) 이를 위해 Train - Test Split Train - Validation Split K-fold Cross Validation 방법등을 이용한다 또한 아래와 같은 추가 분석을 하여서 더 좋은 성능을 이끌어낸다 ConfusionMatrix Recall / Precision Precision Vs Recall Precision : 예측이 Positive 일때 실제로 True인 경우 (예측 기반) - True인 것을 전부 찾아내지를 못한다. Recall : 실제 True 일때 예측도 Positive 인 경우 (실제 기반) - True가 아닌 것을 True라고 할 수 있다. OCR에서는 어떻게 평가를 할까? 1. 테스트 이미지.. 공감수 0 댓글수 0 2022. 12. 13.
  • [OCR] 대회 평가방법 대회 공지 요약 평가 데이터 평가 데이터는 크롤링된 다양한 이미지 (손글씨, 간판, 책표지 등) 총 300장으로 구성되어 있습니다. 이미지 내 단어 수의 평균이 17.5개, 최대 약 400개까지 있는 데이터로 다양하게 구성되어 있고, 가로쓰기 글자 외에도 세로쓰기, 진행방향이 불규칙한 글자, 휘어진 글자 등이 있습니다. 언어는 주로 한국어이고, 영어, 그 외 다른 언어도 있습니다. 한국어, 영어가 아닌 다른 언어는 don't care 처리하므로 검출하지 않아도 됩니다. Public 테스트셋으로는 50%인 150장이 공개되고, 나머지 데이터 150장은 Private 테스트셋으로 활용됩니다. 대회 기간 중에는 Public 테스트셋으로 채점이 진행되며, 대회 종료 후 최종 순위 산출에 Private 테스트셋이.. 공감수 0 댓글수 0 2022. 12. 13.
  • [Obj Det] Neck (FPN, PANet, RFP, BiFPN, NasFPN, AugFPN) History Yolo v1 SSD yolo v2 등이 나오고 다음으로 FPN 이 나오긴 했다 Neck이란 2 stage 인 경우 Backbone의 Feature map을 가지고 RPN에 집어 넣어서 RoI를 뽑아내었음 (Backbone의 마지막 feature map만을 사용) "왜 꼭 마지막 feature map 만 사용할까?" "Backbone 중간 중간의 Feature map들을 사용하면 더 좋지 않을까??" => 이와 같은 생각으로 Neck이 등장 즉, 중간중간의 Feature map을 뽑아서 Neck으로 넘겨 준다 다음과 같이 bounding box의 크기는 여러개 이다 즉, Neck이 없으면 같은 Feature map에서 다양한 크기의 객체를 예측해야 한다 이렇기 때문에 기존에는 High le.. 공감수 0 댓글수 0 2022. 11. 25.
  • [Obj Det] MMDetection, Detectron2 Object Detection의 라이브러리 -> 통합된 라이브러리의 부재 그나마 MMDetection과 Detectron2가 통합되어 있긴함 전체 프레임워크를 모듈 단위로 분리하여서 관리할 수 있다 많은 프레임 워크를 지원한다 (Detectron2 같은 경우는 OD 외에도 Segmentation, Pose prediction도 지원함) -> 그래도 지원 모델은 MMDetection이 더 많기는 하다 [ MMDetection ] https://github.com/open-mmlab/mmdetection GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark OpenMMLab Detection Toolbox and Benchmar.. 공감수 0 댓글수 0 2022. 11. 22.
  • [Obj Det] Fast, Faster R-CNN, SPPNet (2 Stage Detectors) 2 Stage Detectors : 아래의 두 단계를 거치는 탐지기 1단계 : 객체가 있을 법한 위치를 특정 짓는다 2단계 : 해당 객체가 무엇인지 예측한다 R-CNN SPPNet Fast R-CNN Faster R-CNN R-CNN 딥러닝을 이용해서 객체를 검출하고자 한 최초 모델 (최근 모델들이 이를 근거함) 딱 사람이 사진에서 물체 보는 거랑 똑같은 느낌 1. 사진을 본다 (input) 2. 물체를 찾는다 (location) 3. 물체를 판단한다 (classification) 1. Location Part Sliding Window 방식 Selective Search 방식 - Sliding Window 방식 (딱 직관적임) 이해하기 쉬운 만큼 너무 성능이 떨어진다 (Window size가 너무 제각.. 공감수 0 댓글수 0 2022. 11. 21.
  • [Obj Det] Basic of Object Detection(정의, mAP 등등) Definition Classification : 이미지가 무엇인지 Object Detection : 이미지속 객체를 식별 : 이미지 안에 정답이 여러개 있을 수도 있다 (정답이 몇개 있을지도 모름) 자율주행, OCR, 의료분야등등 다양한 Task에서 사용 History 평가방법 성능 : mAP => 얼마나 잘 검출했는지 속도 : FPS, FLOPS => Real time을 요구 각 클래스당 AP의 평균 (class 별로 AP를 계산한다) AP(Average Precision)란 무엇일까 : PR- curve의 아랫면적 PR- curve란 무엇일까 : 예측에 대해 Confidence Score을 내립차순으로 정렬한 Recall-precision .. 공감수 1 댓글수 0 2022. 11. 17.
  • [openCV] Houghline(허프변환)을 이용한 중앙선 및 각도 검출 yellow1 = np.array([16, 80,140]) #노랑색 최솟값 yellow2 = np.array([90, 255,255]) #노랑색 최댓값 while (True): ret, src = cap.read() #영상파일 읽어드리기 hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV) mask_yellow = cv2.inRange(hsv, yellow1, yellow2) # 노랑최소최대값을 이용해서 maskyellow값지정 res_yellow = cv2.bitwise_and(src, src, mask=mask_yellow) # 노랑색만 추출하기 srcs = res_yellow #imgs에 추출한 노랑색 저장 imgray = cv2.cvtColor(srcs, cv2.COLOR_.. 공감수 0 댓글수 2 2022. 11. 12.
  • [openCV] Trackbar HSV범위를 이용한 Contour 라인트레이싱과 색상검출에 있어서 내가 원하는 색상의 hsv값의 범위를 구하는 것이 필수적이였다 이를 좀 간편하게 하기위해 트랙바를 이용하기로 결정 def callback(x): => trackbar의 변화를 즉시 변수에 대입 시켜준다 global H_low,H_high,S_low,S_high,V_low,V_high 외부 코드에 영향을 줘야하기 때문에 global로 선언 H_low = cv2.getTrackbarPos('low H','controls') H_high = cv2.getTrackbarPos('high H','controls') S_low = cv2.getTrackbarPos('low S','controls') S_high = cv2.getTrackbarPos('high S','controls'.. 공감수 0 댓글수 0 2022. 11. 11.
  • [openCV] linetracer 중앙정렬 기존 코드 : 컨투어 이용 ############## 라인 트레이싱_중앙 정렬(제어보드로부터 Line_detect 수신 -> 첫번째) ############## def make_middle_flag(cap, mid_yellow1,mid_yellow2,center_sensitive,mid_sensitive) -> 3: W_View_size = 640 H_View_size = int(W_View_size / 1.333) right_flag = 320+center_sensitive left_flag = 320-center_sensitive ################[Can't, Left, Center, Right]######################### lst_sensitive = [0, 0, 0, .. 공감수 0 댓글수 1 2022. 11. 9.
  • [openCV] cv2.imshow 창이 안뜨는 문제 해결 1. 문제상황 while cv2.waitKey(33) < 0: _, src = cap.read() #영상파일 읽어드리기 cv.imshow("Original", src) #원본 화면 check = Yellow_bell_detect(src,yellow1,yellow2,yellow_chance) #인식 o :51 /// 인식 x :50 sleep(0.08) cap.release() cv2.destroyAllWindows() 저렇게 코딩을 하였더니 함수처리 시간 때문에 카메라가 뚝뚝 끊기는 현상이 발생 아이디어 : Thread를 이용해보자 ############## 제어보드로부터 수신받기 시작 ############## serial_t = Thread(target=Receiving, args=(serial_po.. 공감수 0 댓글수 0 2022. 11. 9.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.