SYDev

쿠다 4기 활동을 마무리하면서 진행한 마지막 프로젝트&컨퍼런스 summary 프로젝트 github 주소: https://github.com/cho-jang-hyun/Prediction_of_Location_based_RoadView 주도적으로 참여한 파트 네이버맵 api를 받아와서 학교 내부의 중복되지 않는 좌표(대략 900개)에서 각도를 달리하여 18장의 스크린샷을 캡쳐하는 매크로 코드 작성 (+ 아이디어 제공) 파일명: capture.js const puppeteer = require('puppeteer'); const fs = require('fs'); async function capturePanorama(lat, lng, pan) { // Puppeteer 브라우저 실행 const browser..

http://www.boostcourse.org/certificate/A20231101-578235?langCode=ko 수료 성공! 컴퓨터 비전의 모든 것 교수자: 부스트코스 www.boostcourse.org KHUDA cv 세션과 병행했던 네이버 부스트코스 'All of Computer Vision' 수료 완료!

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. 사용자가 control 가능한 Generative Model인 Conditional Generative Model이 무엇인지,model의 사례에 무엇이 있는지 알아보자. Conditional Generative Model 기존의 Generative Model -> 가방의 랜덤한 이미지만 생성할 수 있다. Conditional Generative Model -> 주어진 스케치(condition)에 대해서 비슷한 모양의 가방 이미지를 생성할 수 있다. ex) 저음질의 audio -> 고음질의 audio, 한자로 이루어진 중국어 문장 ->..

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. Computer Vision 분야에서 사용되는 여러가지 모델들에 대해서 알아보자. Instance Segmentation Image Segmentation: Image classification의 확장으로, 이미지 내 정보의 분류와 이미지 속 픽셀 수준에 무엇이 있는지 이해하는 데에 사용하는 컴퓨터 비전 기술이다. semantic segmentation + distinguishing instances Mask R-CNN 기존의 Faster R-CNN에서는 RPN의 region proposal을 기반으로 ROI polling 기법을 사..

오늘은 further questions와 실습 코드에 대해서만 다룰 예정 Further Questions Q1. 왜 filter visualization에서 주로 첫번째 convolutional layer를 목표로 할까? CNN filter는 첫번째 convolutional layer의 input이 RGB 채널로 이루어져 있어 직관적으로 이해하기가 쉽다. 반면에 뒤로갈수록 인간이 직관적으로 이해하기가 어렵다는 특징이 있다. Q2. Occlusion map에서 heatmap이 의미하는 바가 무엇인가? 각 픽셀이 얼마만큼의 중요도를 갖는지 나타내는 score라 해석할 수 있다. 확률값으로 계산하므로 heatmap으로 시각화할 수 있다. Q3. Grad-CAM에서 linear combination의 결과를 R..

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. CNN Visualization의 개념 및 활용목적을 파악하고, 어떤 방식으로 시각화를 진행하는지에 대해 알아보자. What's CNN Visualization? CNN Visualization: CNN 내부를 시각화하여, 모델의 학습 과정을 직관적으로 확인할 수 있도록 하는 과정 직관적으로 파악이 어려운 Black Box 형태의 CNN 내부를 시각화하여, 모델이 어떤 학습 과정을 거쳐 성능을 잘 내는지와 어떻게 모델 성능을 향상시킬 수 있는지 생각해볼 수 있다. 기본적인 예시: Filter Visualization Convoluti..

3주만에 대면 세션! 세션 도중 이해가 되지 않았거나, 더 알아보고 싶었던 내용 위주로 작성 예정 ResNet에서 gradient vanishing을 해결하는 원리 resnet 이전의 모델에서 layer가 너무 깊어질수록 gradient vanishing/exploding 문제로 성능이 저하되는 문제가 발생함. gradient vanishing: layer가 깊을수록, back propagation의 미분 과정에서 기울기가 소실되는 문제가 발생 ResNet에서는 skip connection을 이용한 residual learning을 통해 gradient vanishing 문제를 해결 ResNet 기존의 CNN은 입력값 x를 y로 매핑하는 함수 H(x)를 얻는 것이 목적 ResNet은 F(x)+x를 최소화..

2주차 세션은 추석 이슈로 비대면으로 진행 Perceptron 구현 과제 perceptron 학습 코드에서 neural network 내부의 forward, backward함수와 softmax, one_hot_encoding 함수를 구현! class NeuralNetwork(object): def forward(self, x): x = x.reshape(-1, 1) #image 1열로 나열 output = self.w * x #w의 형태?? output = np.sum(output, axis=0) output = output + self.b.T #bias의 전치 return output def backward(self, output, label, learning_rate): output = softmax..