ksko0424의 등록된 링크

 ksko0424로 등록된 티스토리 포스트 수는 15건입니다.

VSCode SSH 원격서버 접속하기 [내부링크]

1. Extensions에서 Remote Development를 설치합니다. 2. Remote Explorer에서 Remote를 선택 후, SSH에서 +를 눌러줍니다. 3. ssh [ID]@[ip주소:포트번호]를 입력합니다. 4. SSH configuration file을 저장할 장소를 선택합니다. 5. Remote Explore에서 Connect to Host in New Window를 선택합니다. 6. 서버 Platform을 선택합니다. (Linux, Window, macOS) 7. 비밀번호를 입력합니다.

[컴퓨터비전] 컴퓨터 비전의 모든 것 (3. Seg & Det - 2) [내부링크]

네이버 부스트코스의 '컴퓨터 비전의 모든 것' 정리 내용입니다. Object Detection Computer Vision 분야에는 가장 간단한 Image Classification부터 Semantic Segmentation, 그리고 더 발전된 task인 Instance Segmentation, Panoptic Segmentation등의 task들이 있다. 이때 각 개체들을 구분하기 위해서는 본 강의에서 소개할 Object Detection 기술이 필요하다. 따라서 Object Detection은 Semantic Segmentation을 보다 근본적인 scene understanding 기술이라고 보면 될 것 같다. What is Object Detection? Object Detection은 class..

빅데이터혁신공유대학 사업단 교과목개발 - 통계적사고와사회 동영상 제작 가이드(feat. 다빈치리졸브) [내부링크]

개인적으로 작성한 빅데이터혁신공유사업단 교과목 개발 작업 메뉴얼입니다. 작업해야하는 모듈과 이눅의 절을 매칭시킵니다. 양적변수 두개 : 산점도와 상관관계(6)에서 6-1-1. 컴퓨터로 산점도 그리기를 예시로 들어보겠습니다. 각 절의 첫번째 모듈에는 강의소개 영상이 있으므로 강의 소개 영상을 추가하여야 합니다. 즉, 예시에선 6-1-1 모듈에 2.5절의 강의소개 영상을 추가하여야 합니다. (6-1-2 ... 6-3-3 은 추가 할 필요 X) 강의 내용을 확인하고 해당 모듈임을 확인하기 쉽게 이름을 바꿔줍니다. 공유된 구글 슬라이드의 학습 목표를 참고하여, 공유받은 모듈화 양식 페이지 ppt를 수정합니다. 이후 ppt의 슬라이드를 jpg로 내보내기 위해 파일 > 내보내기 > 파일 형식 변경 > JPEG 파일..

[컴퓨터비전] 컴퓨터 비전의 모든 것 (3. Seg & Det - 1) [내부링크]

네이버 부스트코스의 '컴퓨터 비전의 모든 것' 정리 내용입니다. Semantic Segmentation What is Semantic Segmentation? 앞서 살펴보았던 Image Classification이 이미지 단위로 분류를 수행하는 거라면, Semantic Segmentation은 픽셀 단위로 분류를 수행하는 것이라 볼 수 있다. 하나의 픽셀이 사람에 속하는지, 오토바이에 속하는지, 자동차에 속하는지 등을 분류하는 task 이때 주의할 점은 여러 명의 사람을 각각 사람1, 사람2, ... 이런 식으로 한명한명 구분하는 것이 아니라 모두 "사람"으로 분류한다는 점이다. Where can Semantic Segmentation be applied to? 그렇다면 Semantic Segmentat..

[컴퓨터비전] 컴퓨터 비전의 모든 것 (2. 컴퓨터 비전과 딥러닝 - 2) [내부링크]

네이버 부스트코스의 '컴퓨터 비전의 모든 것' 정리 내용입니다. 2. 컴퓨터 비전과 딥러닝 영상 인식의 이해 Image Classificaiton (2) : 대표 모델 Problems with Deeper Layers Going Deeper with Convolutions AlexNet과 VGGNet이 등장하면서 연구자들은 네트워크가 깊을수록 receptive field가 커지고, 더욱 복잡한 관계에 대해 학습이 가능하다는 강력한 특징들을 가진다는 것을 확인하였다. 그렇기 때문에 네트워크를 더욱 더 깊게 쌓으려는 움직임이 이뤄졌는데, 과연 네트워크를 단순히 깊게 쌓는다고 해서 무조건 성능이 향상될까? Hard to Optimize 단순히 네트워크를 깊게 쌓게된다면 최적화하기 어렵다는 문제가 발생한다. 대..

[컴퓨터비전] 컴퓨터 비전의 모든 것 (2. 컴퓨터 비전과 딥러닝 - 1) [내부링크]

네이버 부스트코스의 '컴퓨터 비전의 모든 것' 정리 내용입니다. 2. 컴퓨터 비전과 딥러닝 데이터 부족 문제 완화 Data Augmentation Neural network는 데이터에 포함된 정보를 압축하여 weight로 주입하는 모델 즉 모델이 데이터를 기반으로 학습되기 때문에 데이터의 퀄리티에 따라 성능이 좌우 허나 현실의 데이터는 모두 bias가 존재. 가령 인터넷 상에 존재하는 수많은 이미지 데이터를 활용한다고 했을 때, 사람이 촬영한 이미지는 대부분 사람이 보기 좋은 구도로 촬영되었기 때문에 bias가 데이터에 존재한다고 볼 수 있을 것 또한 이 세상의 모든 데이터를 확보하는 것은 불가능하기 때문에, 실제로 사용하게 되는 데이터는 real data distribution에서 샘플링된 일부라고 볼..

LaTeX로 영문 CV 작성하기 (feat. Overleaf) [내부링크]

LaTeX는 프로그램 소스코드를 작성하듯 논문을 작성할 수 있도록 도와주는 문서 작성 시스템인데, 이 LaTex를 Overleaf라는 사이트를 이용하면 쉽게 논문을 공유하고 편집할 수 있다. https://www.overleaf.com/ Overleaf, Online LaTeX Editor An online LaTeX editor that’s easy to use. No installation, real-time collaboration, version control, hundreds of LaTeX templates, and more. www.overleaf.com 가입이 되어있지 않은 경우 가입을 하고, 로그인의 경우는 우측 상단의 바를 눌러 로그인을 해준다. 가입은 구글이나 연구자번호 ORCID로 ..

[컴퓨터비전] 컴퓨터 비전의 모든 것 (1. 컴퓨터 비전의 시작) [내부링크]

네이버 부스트코스의 '컴퓨터 비전의 모든 것' 정리 내용입니다. 1. 컴퓨터 비전의 시작 머신러닝 : Input → Feature extraction → Classification → Output 딥러닝 : Input → Feature extraction + Classification → Output 머신러닝은 사람이 Feature을 추출해내지만 딥러닝은 자동으로 이루어진다. End-to-end로 학습! 사람이 일일이 특징을 분석하는 것과 Gradient descent가 대응하는 관계. 데이터에서 중요한 정보를 추출하는 작업에서 후자가 전자보다 훨씬 낫다. Image Classification (1) : 개념 Image Classification은 주어진 입력 이미지를 특정 클래스로 분류하는 task. ..

[Python] 줄 바꿈 없이 계속 출력하기 [내부링크]

머신러닝이나 딥러닝을 학습시키다 보면, 한 줄에서 지속적으로 얼마나 학습이 되었는가를 표시하는 프린트문을 본 적 있을 것이다. print(f'{원하는 문구가 들어있는 변수}\r', end='') 핵심은 \r 과 end=''이다. \r의 역할은 줄의 처음으로 되돌아가라 라는 뜻이며 end=''는 원래 끝이 \n으로 끝나던 것을 아무것도 없이 끝나게 해준다. 한자리에서 값이 바뀌면서 출력되는 모습을 볼 수 있다.

[Python] AttributeError: 'NoneType' object has no attribute 'copy' [내부링크]

opencv를 사용하던 중 AttributeError: 'NoneType' object has no attribute 'copy' 라는 오류가 발생했다. 원인은 경로에 한글명이 들어가있던 것. 영어로 경로들을 바꿔주니 정상작동하였다.

[머신러닝] 앙상블(ensemble) 학습 [내부링크]

핸즈온 머신러닝을 공부한 내용을 정리하였습니다. 앙상블 학습과 랜덤 포레스트 무작위로 선택된 수천 명의 사람에게 복잡한 질문을 하고 대답을 모은다고 가정하자. 많은 경우 이렇게 모은 답이 전문가의 답보다 낫다. 이를 대중의 지혜(wisdom of the crowd)라고 한다. 이와 비슷하게 일련의 예측기(즉, 분류나 회귀 모델)로부터 예측을 수집하면 가장 좋은 모델 하나보다 더 좋은 예측을 얻을 수 있을 것이다. 일련의 예측기를 앙상블이라고 부르기에 이를 앙상블 학습이라고 한다. 앙상블 방법의 예를 들면 훈련 세트로부터 무작위로 각기 다른 서브셋을 만들어 일련의 결정 트리 분류기를 훈련시킬 수 있다. 예측을 하려면 모든 개별 트리의 예측을 구하면 된다. 그런 다음 가장 많은 선택을 받은 클래스를 예측으로..

[Python] 헷갈렸던 문법(코딩테스트 / 프로젝트) [내부링크]

[문자열, str] replace 함수 my_string = "ABCB" my_string.replace('B', '') -------------------------- 'AC' [ List ] index 함수 리스트에서 해당 원소의 위치가 어딘지 알려주는 함수 a = [11,10,12,13,20,31,11,10,10,11] print(a.index(10)) ----------------------------------- 1 Join 함수 리스트를 문자열로 ''.join(list_name) del 함수 삭제하고 싶은 값을 인덱스로 지정합니다. l = list(range(10)) print(l) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] del l[0] print(l) # [1, 2, 3,..

[conda] 아나콘다 가상환경 세팅하기 [내부링크]

딥러닝을 하기 위해 다양한 패키지를 설치해야 하거나 패키지의 호환성 문제 등 가상환경을 매번 새로 세팅해줘야 하는 경우가 있다. 개별로 설치하기에는 복잡하고 시간이 오래 걸리므로 아나콘다를 통해서 패키지를 관리하는 것이 편리하다. 우선 Anaconda 홈페이지로 가서 Anaconda를 설치한다. https://www.anaconda.com/products/distribution Anaconda | Anaconda Distribution Anaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine. www.anaconda.com 사용자의 ..

컴퓨터비전 용어 정리 [내부링크]

IoU (Intersection over Union) 2개 영역 사이의 중첩되는 정도를 측정. 이는 Object detector가 실제 Ground truth와 예측결과(Predicton)가 얼마나 정확히 겹치는 지를 계산하여 예측이 얼마나 잘 되는지를 측정. Ground-truth를 데이터의 label값으로 생각하면 이해가 쉬움 AP (Average Precision) CNN의 모델 성능 평가 지표 Precision = TP/(TP+FP) 정확도. 검출 결과 중 옳게 검출한 비율 Recall = TP/(TP+FN) 재현율. 실제 옳게 검출 된 결과물 중에서 옳다고 예측한 것의 비율 TP : 예측한 것 중 정답인 것 TP + FP : 예측한 것 TP + FN : 실제 정답인 것 일반적으로 Precisio..

DeepFaceLab 사용 방법 (Window) [내부링크]

이번에 대한상공회의소 주관 WE-MEET Project에 참여하게 되었다. 맡은 주제는 '인공지능기반 쌍방향 자율대화가 가능한 디지털 휴먼 개발' 이며 소속된 팀은 딥페이크 팀이다. 딥페이크 생성을 위해 DeepFaceLab이란 오픈소스를 사용하게 되었는데 이 오픈소스의 사용법을 기록한다. 프로그램 다운로드 https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes. DeepFaceLab is the leading software for creating deepfakes. - GitHub - iperov/DeepFaceLab: DeepFac..