phj8498의 등록된 링크

키자드에 등록된 총 568개의 포스트를 확인하실 수 있습니다.

Naver Blog

Transformer - Harder, Better, Faster, Stronger

#transformer 기존 구조에서는 문장을 “단어의 연속적인 배열”로 간주하였습니다. 그러나 Transformer에서 문장은 “단어간의 Attention들의 합”으로 나타납니다. 즉, 문장이라고 하는 구조는 마치 베틀처럼 Attention을 촘촘하게 엮은 형태로 나타낼 수 있는 것입니다. Transformer 구조체와 이 구조를 향상시키기 위한 기법들을 같이 알아봅시다. 이번 블로그에서는 2017년에 발표되어 자연어처리 분야의 한 획을 그었던 Transformer 구조와 이를 활용한 GPT / BERT 구조에 대해서 다룹니다. 아울러 어떠한 문제들이 있었고 연구자들이 어떻게 그 문제들을 풀려 노력했는지에 대해서 같이 알아보고자 합니다. 들어가며: Transformer 에 대해.......

원문보기 내부링크
Naver Blog

ubuntu dns 설정

#ubuntu #dns ubuntu dns 설정 방법을 여러가지로 써봐도 적용되지 않는다. 1. /etc/resolv.conf 에서 nameserver 8.8.8.8로 수정하자. 2. netstat -r 명령어를 사용하여 다시 세팅한다

원문보기 내부링크
Naver Blog

[yolov4-tiny] darknet to caffe

#yolov4-tiny #darknet2caffe 【darknet转caffe】yolov4-tiny_加盐-CSDN博客 yolov4-tiny에는 아래와 같은 레이어가 추가 되었다. [route] layers=-1 groups=2 group_id=1 caffe로 변경시 위 블로그 내용을 보고 코드를 수정하여 적용하였다.

원문보기 내부링크
Naver Blog

Metric Learning(Image Retrieval) 이란?

#metriclearning #imageretrieval Metric Learning(Image Retrieval) 이란? - 기본 (tistory.com) 우여곡절 끝에, 데이터를 모아서 딥러닝을 학습하려고 봤더니 문제가 생겼습니다. 매일 분류해야 되는 대상이 변경된다는 겁니다. 분류(class) 대상이 매일 바뀌는 경우, 우리는 어떻게 문제를 해결해야 될까요? 대표적인 사례로는 얼굴인식(Face Recognition)이나 상품 검색(Image Retrieval) 등이 있습니다. == 사람, 상품, 얼굴의 피처를 추출하여 db에 저장하고 추론할때 비교 검색한다. 1. softmax 2. distance기반(contrastive, triplet) 3. margin 기반(arc, cosine) Metric Learning 특징 두 Task에는 두 가지 공통점이 있습니.......

원문보기 내부링크
Naver Blog

[pytorch] AttributeError: DistributedDataParallel has no attribute

[pytorch] AttributeError: DistributedDataParallel has no attribute :: whiteBoard (tistory.com) 학습된 모델과 파라미터를 로드해 특정 레이어를 제외한 나머지 레이어의 _weight_을 freeze하고 finetuning하고자 하다가 또 어이없는 실수를 하고 말아 다시 정리한다. apex.parallel DistributedDataParallel 을 이용해 학습 DistributedDataParallel 을 이용해 학습 도중 _model.state_dict()_을 저장 학습 하던 모델에서 backbone 및 특정 _head_의 _weight_만 학습 시키기 위해 학습을 원하지 않는 _tensor_의 _requires_grad_를 _False_로 세팅 한다. 대략 적인 코드는 다음과 같다. 위와 같은 작업 흐름을 따라 갈 경우 아래와 같은 에.......

원문보기 내부링크
Naver Blog

Vision Transformer(ViT, 2020)

#vit #transformer #classification 작년부터 꾸준하게 vision분야에서 transformer를 사용한 논문이 나오고 있습니다. object detection 분야에서는 아직 성능이 떨어지지만, classification영역에서는 이제 transformer가 sota를 차지하고 있어서 앞으로 transformer 관련 논문 리뷰를 하고자 합니다. vit는 3억개 이상의 데이터를 사용하여 classification분야에 sota를 달성하였습니다. [논문 읽기] Vision Transformer(ViT, 2020), An Image is Worth 16x16 Words, Transformers for Image Recognition at Scale (tistory.com) [논문요약] Vision분야에서 드디어 Transformer가 등장 - ViT : Vision Transformer(2020) (tistory.com) 안녕하.......

원문보기 내부링크
Naver Blog

Why Transformers are Slowly Replacing CNNs in Computer Vision?

#transformer #vision #MLP #LSTM transformer는 자연어 처리에서 lstm을 대체하였습니다. vision분야에서도 transformer 계열 알고리즘이 sota를 차지하고 있고, 앞으로 cnn보다 transformer 계열 알고리즘이 더 많이 사용될 것 같습니다. CNN과 Transformer의 차이점은 cnn은 transformer와 다르게 다른 피쳐간의 상대적 위치를 인코딩하지 않는 것입니다. Why Transformers are Slowly Replacing CNNs in Computer Vision? | by Pranoy Radhakrishnan | Aug, 2021 | Becoming Human: Artificial Intelligence Magazine Before getting into Transformers, let’s understand why researchers were interested in building something like Tran.......

원문보기 내부링크
Naver Blog

Image Classification Paper List(1998~2021)

#classification #image #paper #list Image Classification Paper List(1998~2021) (tistory.com) Image Classficaiton Task와 관련하여 1998년부터 2021년까지 제안된 다양한 딥러닝 기반 논문들에 대해 Years 별로 목록를 만들어봄. Network Name은 저자가 특별히 칭한 경우에는 약어로, 그렇지 않은 경우에는 Full Name으로 표기함. 또한, 논문에서 따로 명시를 하지 않은 경우에는 실험에 사용된 Network Name으로 표기함. 논문들은 https://archive.org/ 를 기준으로 정리했으며, 제출년도가 동일한 논문들은 제출날짜 별로 따로 정렬하지 않았음. 또한, 논문이 여러 버전을 가지고 있는 경우에는 최초에 제출된 버전을 기준으로 제출년도.......

원문보기 내부링크
Naver Blog

FCN 논문 리뷰 — Fully Convolutional Networks for Semantic Segmentation

#semanticsegmentation #fcn #fullyconvolutionalnetwork Fully Convolutional Networks for Semantic Segmentation(이하 FCN)은 이미 제목에 드러난 것처럼 Semantic Segmentation 문제를 위해 제안된 딥러닝 모델이다. FCN은 Semantic Segmentation 모델을 위해 기존에 이미지 분류에서 우수한 성능을 보인 CNN 기반 모델(AlexNet, VGG16, GoogLeNet)을 목적에 맞춰 변형시킨 것이다. 이러한 [Image classification model] to [Semantic segmentation model]은 크게 다음의 세 과정으로 표현할 수 있다: Convolutionalization Deconvolution (Upsampling) Skip architecture 이번 리뷰의 핵심은 각 과정에 대한 방법과 의미를 이해하는 것이다.......

원문보기 내부링크
Naver Blog

U-Net 논문 리뷰 — U-Net: Convolutional Networks for Biomedical Image Segmentation

#imagesegmentation #unet U-Net 논문 리뷰 — U-Net: Convolutional Networks for Biomedical Image Segmentation | by 강준영 | Medium U-Net은 Biomedical 분야에서 이미지 분할(Image Segmentation)을 목적으로 제안된 End-to-End 방식의 Fully-Convolutional Network 기반 모델이다. 네트워크 구성의 형태(‘U’)로 인해 U-Net이라는 이름이 붙여졌다. U-Net은 이미지의 전반적인 컨텍스트 정보를 얻기 위한 네트워크와 정확한 지역화(Localization)를 위한 네트워크가 대칭 형태로 구성되어 있다. Expanding Path의 경우 Contracting Path의 최종 특징 맵으로부터 보다 높은 해상도의 Segmentation 결과를 얻기 위해 몇 차례의 Up-sampling.......

원문보기 내부링크
Naver Blog

python 3.x has_key 없어짐!!!!

#python2 #python# #has_key() python 2.7.5 버전을 사용하다가 python 3.x 버전을 사용하니 has_key() 를 사용하지 못하게 되었다. 따라서, 이 것을 대응 할 수 있는 함수가 바로 in 어떻게 사용하는지 예시로 남긴다. [초기 값] [has_key 이용 - 3.x 이전 버전] [in 이용 - 3.x 이후 버전] 출처: https://crattack.tistory.com/entry/python-3x-haskey-없어짐 [Security & Reverse]

원문보기 내부링크
Naver Blog

YOLOR : You Only Learn One Representation: Unified Network for Multiple Tasks REVIEW

#YOLOR #ObjectDetection WongKinYiu/yolor: implementation of paper - You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206) (github.com) YOLOR모델은 Scaled-yolov4 p7 보다 88% fps가 증가하였습니다. YOLOR에 대한 내용은 계속 이 포스팅에 정리하도록 하겠습니다. activation function은 silu(swish) activation이 적용되었습니다. (leaky relu, mish 테스트 필요) torch(training) -> darknet -> caffe convert 새로 추가된 레이어 목록입니다. https://deep-learning-study.tistory.com/739 해당 논문은 explicit knowledge와 implicit knowledge를 함께 사용하여 예측하.......

원문보기 내부링크
Naver Blog

Semantic segmentation과 Instance segmentation의 차이

#segmentation #instancesegmentation #semanticsegmentation <Introduction> 컴퓨터 비전에는 크게 4가지의 과제가 있다. 1. Classification 2. Object Detection 3. Image Segmentation 4. Visual relationship 이 글에서는 이 중 3. Image Segmentation에 관해 다룰 예정이다. 먼저 Image Segmentation 이전의 과제들인 Classification과 Object Detection에 대해 간단히 설명하자면 Classification은 Image가 주어졌을때 이 이미지가 어떤 사진인지, 어떤 Object를 대표하는지 분류하는 문제이다. 따라서 위 그림에서 고양이의 위치가 아래 예시와 같이 변하여도 Classification에서는 똑같이 고양이라고 분류해야한다. 이를 "tra.......

원문보기 내부링크
Naver Blog

[Paper Review] YOLACT : Real-time Instance Segmentation

#InstanceSegmentation #YOLACT #Real-timeInstanceSegmentation You Only Look At CoefficienTs 이번 ICCV 2019 에 발표된 YOLACT 논문이다. 파이토치로 구현되어있다. https://github.com/dbolya/yolact Abstract YOLACT 는 Instance Segmentation 를 수행하기 위해 단순한 컨볼루션 모델을 제시한다. 이는 MS COCO 기준 29.8 mAP 및 33.5 fps 를 달성하여 실시간으로 객체를 탐지할 수 있다. 처음엔 프로토타입 마스크 세트를 생성하고, 인스턴스 별 마스크 계수(coefficient)를 예측한다. 그 다음 프로토타입을 마스크계수와 선형으로 결합하여 인스턴스 마스크를 생성하게 된다. 이 프로세스는 repooling에 의존하지 않기 때문에 고품질의 마.......

원문보기 내부링크
Naver Blog

Antimalware Service Executable CPU 점유율 문제 해결 방법

#AntimalwareServiceExecutable #AntimalwareServiceExecutablememory #AntimalwareServiceExecutable메모리 #AntimalwareServiceExecutablecpu Antimalware Service Executable CPU 점유율 문제 해결 방법-EaseUS Antimalware Service Executable의 CPU/디스크 점유율이 높음 윈도우 10에는 Microsoft의 내장 안티바이러스인 윈도우 디펜더가 포함되어 있습니다. Antimalware Service Executable프로세스는 윈도우 디펜더의 백그라운드 프로세스입니다. 이 프로그램은 MsMpEng.exe라고도 하는데 윈도우 운영 시스템의 일부입니다. Antimalware Service Executable는 위험한 소프트웨어를 확인하기 위해 백그라운드 시스템 검사를 수행하며, 바이.......

원문보기 내부링크
Naver Blog

SAHI: A vision library for performing sliced inference on large images/small objects

#slicedinference SAHI: A vision library for performing sliced inference on large images/small objects | by Fatih Cagatay Akyon | Codable | Medium Github: https://github.com/obss/sahi 개체 감지 및 인스턴스 세분화는 컴퓨터 비전에서 가장 중요한 응용 분야입니다. 그러나 작은 물체를 감지하고 큰 이미지에 대한 추론은 여전히 실용적인 사용의 주요 문제입니다. 여기에서 아트 인스턴스 세분화 모델 캐스케이드 마스크 RCNN의상태의 추론 결과를 볼 수 있습니다. 보시다시피, 상부에 있는 작은 차는 감지되지 않습니다. 모델을 재교육하지 않고 더 큰 GPU 메모리 할당이 필요하지 않은 이러한 작은 개체를 감지하는 방법이 있습니.......

원문보기 내부링크
Naver Blog

converting the model to the wk model supported by the NNIE framework: tensorflow->caffe

tensorflow -> onnx -> Caffe pytorch -> onnx -> Caffe 변경 시, opset 9로 세팅하자 Abstract: This series of articles aims to share the tensorflow->onnx->Caffe->wk model conversion process, mainly for the HI3516CV500, Hi3519AV100, and the algorithm engineering landing of the HiSilicon chip that supports the NNIE inference framework. This article is shared from the HUAWEI cloud community " converts the model to the wk model supported by the NNIE framework-taking the tensorflow framework as an example (1) ", the original author: wwwyx_ ^^ . Students who have used th.......

원문보기 내부링크
Naver Blog

HiSilicon NNIE Hi3559 quantitatively deploys Retinaface model

HiSilicon NNIE Hi3559 quantitatively deploys Retinaface model Reference blog post: Hanson: RetinaFace quantitative deployment of Hisilicon NNIE Face detection: RetinaFace (open source simplified version) detailed interpretation Environment introduction Operating System: Windows 10 Simulation tool: Ruyi Studio 2.0.31 Development platform: Hi3559AV100 Model: Mobilefacenet Framework: caffe Introduction to Retinaface Retinaface is a face detection model proposed by Insight Face in 2019. The author provides three basic network support. ResNet50 and ResNet152 versions based on ResNet can provide bet.......

원문보기 내부링크
Naver Blog

Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(2)

Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(2) (tistory.com) 해당 논문은 part1~part3까지 포스팅될 예정입니다. 2020/11/02 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1) 2020/11/03 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(3) 5 Imbalance 2 : Scale Imbalance 이번 장에서는 두가지의 불균형을 다룬다. Object /Box-Level Scale 불균형 문제와 Feature 불균형의 문제를 다룬다. 5.1 Object/Box-Level Scale Imbalance Definition Scale 불균형은 객체의 사이즈 또는 input BBo.......

원문보기 내부링크
Naver Blog

ResNeXt 리뷰

#ResNeXt [논문 리뷰]ResNeXt (tistory.com) 흔히 알고 있는 ResNet을 한 단계 성능을 향상시킨 논문을 소개 하겠습니다. ResNeXt라고 알려져 있는 네트워크의 논문 제목은 Aggregated Residual Transformation for Deep Neural Networks라는 제목으로 2017년 CVPR에 올라왔습니다. 1. Introduction 이 논문에서 소개하는 architecture의 구성 방식은 VGG와 ResNet이 사용하는 방식인 같은 layer들을 반복하는 것이다. 추가적으로 inception에서 사용되는 것과 비슷한 1개의 input을 여러 방향으로 쪼개는 split transform merge방식을 이용한다. Inception-ResNet과 다른 점은 각 path별로 같은 layer구성을 가지고 있다는 점이다. 이는 grouped.......

원문보기 내부링크
Naver Blog

CSPNet : CNN의 학습능력을 향상 시킬 수 있는 새로운 Backbone

#CSPNet 출처: https://keyog.tistory.com/30 [인간지능이 인공지능을 공부하는 장소] SOTA를 확인하다 읽었던 CSPNet에 대해 작성해보려고 한다. 논문의 제목은 CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN 으로 직역 하자면 이 포스팅의 제목과 같이 CNN의 학습능력을 향상 시킬 수 있는 새로운 백본 이라고 한다. 엄청나게 자신감 있는 논문 제목이라고 느껴진다. 그럼 논문에 내용에 대해 정리해보겠다. 요약 요약의 첫 시작 부분에는 신경망은 컴퓨터 비전 영역에서 놀라운 발전을 이뤘지만 이 고급 기술들은 값싼 장치를 가진 사람들에게 이용되지 못하고 있다고 소개하고 있다. (실제로 GPU없는 환경에서 딥러닝.......

원문보기 내부링크
Naver Blog

Image Data Augmentation Overview

#DataAugmentation Image Data Augmentation Overview (hoya012.github.io) 안녕하세요, 오늘은 Image Recognition 분야에서 거의 필수로 사용되는 Data Augmentation, 데이터 증강 기법들을 정리해볼 예정입니다. “A survey on Image Data Augmentation for Deep Learning” 논문을 기반으로 제가 공부했던 내용들을 정리했으며, 여러 방법론들의 핵심만 짧게 소개드릴 예정입니다. Data Augmentation 기법이란? Data Augmentation은 데이터의 양을 늘리기 위해 원본에 각종 변환을 적용하여 개수를 증강시키는 기법입니다. 위의 그림과 같이 original training data의 비어 있는 data point 들을 Augmentation을 통해 채운다고 표현하기도 합.......

원문보기 내부링크
Naver Blog

Supercharge your computer vision models with synthetic datasets built by Unity

Supercharge your computer vision models with synthetic datasets built by UnityUnity が構築した合成データセットを使ってコンピュータービジョンモデルを超強化しよう - Unity Technologies Blog (unity3d.com) Building a quality synthetic dataset is both an art and a science. We’ve described the concept of synthetic data before, and we’ve shown how synthetic data can improve the performance of computer vision models while dramatically decreasing the total time and cost. Our expert team of computer vision scientists is constantly augmenting our portfolio of synthetic data strategies across a range of .......

원문보기 내부링크
Naver Blog

Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(3)

Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(3) (tistory.com) 해당 논문은 part1~part3까지 포스팅될 예정입니다. 2020/11/02 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1) 2020/11/03 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(2) Imbalance 4 : Objective Imbalance Definition Objective Imbalance는 훈련 과정 loss function이 최소화되는 것과 관련이 있다. (i)Task에 따라 기울기의 Norm 규칙들이 하나의 작업에 지배 될 수 있다. (ii)Task에 따라 Loss function 의 범위가 다.......

원문보기 내부링크
Naver Blog

Review — CornerNet: Detecting Objects as Paired Keypoints (Object Detection)

#CornerNet CornerNet 짧은 리뷰 (velog.io) CornerNet은 keypoint-based one-staged object detector이다. 왼쪽위, 오른쪽 아래 두 지점을 예측해서 경계박스를 만든다. MS-COCO 데이터셋에서 무려 42.2% AP라는 성능을 보여준다. Hourglass backbone을 써서 top-left, bottom-right 히트맵을 결과물로 뱉어낸다. Embedding은 left-top, right-bottom 코너들의 pair를 계산해서 경계 박스를 구성할때 쓰여진다. 다른 network도 backbone으로 사용해보았으나 hourglass가 가장 성능이 우수하여 선택했다고 한다. Corner Pooling 각 코너들의 히트맵을 예측할때 object의 가장자리에 있는 코너들은 local evidence나 pattern이 대부분 부족하다. C.......

원문보기 내부링크
Naver Blog

(CenterNet) Objects as Points

#CenterNet (CenterNet) Objects as Points (starall.kr) 두 가지 종류의 CenterNet이 있다 하나는 본 논문 Objects as Points 나머지 하나는 CenterNet: Keypoint Triplets for Object Detection 둘다 arxiv.org 기준으로 19.04에 등재되었다. 지난번 소개한 CornerNet 과 같이 keypoint heatmap 방식으로 object detection을 수행하는 논문들이 늘고 있는데 본 논문도 그런 흐름위에 있다. Centernet의 특징은? - 별도의 anchorbox없이 object detection을 object의 중앙에 놓인 point의 heatmap으로 결정한다는 점 - 중앙 point의 feature값으로 detection뿐 아니라 object size, dimension, 3D extent, orientation, pose등도 regression할 수.......

원문보기 내부링크
Naver Blog

CenterNet2: Probabilistic two-stage detection 리뷰

#CenterNet2 Probabilistic two-stage detection - 知乎 (zhihu.com) 이 논문에서는 Two-Stage의 페더레이션 확률 목표의 범위를 최적화하여 표준 Two-Stage 검출기 교육을 개선하는 간단한 방법을 제안합니다. 이 실험에 따르면 CenterNet2 검출기는 단일 스케일 테스트를 통해 COCO 테스트 및 개발에서 56.4mAP에 도달하여 게시된 모든 결과보다 우수합니다. 1 소개 우리 모두는 대상 감지의 목적이 이미지의 모든 대상을 찾고 해당 위치 및 특정 범주에 속하는 확률을 식별하는 것입니다. One-Stage 대상은 프레임워크에서 위치와 범주를 공동으로 유추할 확률을 감지합니다. 이를 학습하여 상자의 정밀도와 예측 확률의 정밀도를 최대화하고.......

원문보기 내부링크
Naver Blog

GAN(Generative Adversarial Networks) 논문 리뷰

#GAN #GenerativeAdversarialNetworks GAN(Generative Adversarial Networks) 논문 리뷰 (tistory.com) 01. Taxonomy of Machine Learning GAN 모델을 설명하기 전에 딥러닝을 크게 두 가지로 나누면, 1) Supervised Learning과 2) Unsupervised Learning이 있다. A. Supervised Learning 지도 학습 대표적인 모델로 Discriminative Model이 있으며, 로지스틱 회귀분석, 뉴럴 네트워크 등이 해당된다. Input에 해당하는 클래스를 맞추기 위해 학습하게 된다. 예를 들어 남자냐, 여자냐를 구분하는 것이다. B. Unsupervised Learning 비지도 학습 label이 없는 데이터를 잘 학습하는 것이다. Generative Model에는 Naive Bayes, Gaussian discrimi.......

원문보기 내부링크
Naver Blog

Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1)

#object detection #객체검출불균형 #imbalancedata 해당 논문은 객체 검출 영역에서 다양한 불균형 문제들을 검토하고 식별하는 논문입니다. 34페이지 짜리의 굉장히 긴 논문이며, object detection 부터 classification을 공부하시고 연구하시는 분들에게 굉장히 도움이 될거 같아서 정리를 블로그에 공유하게 되었습니다. 해당 논문에서는 object detection의 기본적인 용어 및 개념부터 과거부터 최신논문의 연구동향을 파악하기 좋고 실제 학습하고 실험하시는 분들이 겪을 여러 문제들에 대해서 참고가 될 내용이 많아 최대한 자세히 작성하였으니 도움이 되길 바랍니다. 그럼 바로 논문 리뷰 시작합니다. 해당 논문은 part1~part3까지 포.......

원문보기 내부링크
Naver Blog

ffmpeg 해상도 조절하기

#ffmpeg #scale #해상도조절 > ffmpeg -i [입력 영상 파일 이름] -vf "scale=[변환할 영상 크기]" [변환해 저장할 영상 파일 이름] scale 옵션에는 아래와 같은 방법으로 해상도를 입력해주면 된다. scale=640x480 scale=800x480 scale=1280x720 scale=1920x1080 예를 들어 다음과 같이 변경하고 싶다면 입력 영상 파일 : in.mp4 변환해 저장할 영상 파일 : out.mp4 변환할 크기 : 1280x720 아래와 같이 입력하면 된다. > ffmpeg -i in.mp4 -vf "scale=1280x720" out.mp4

원문보기 내부링크
Naver Blog

SpecAugment 리뷰

#SpecAugment SpecAugment 리뷰 :: Kaen의 일상생활 (tistory.com) 이번 논문은 음성 인식에서 널리 사용되고 있는 증강 기법인 SpecAugment [1]이다. 논문은 arxiv.org/abs/1904.08779에서 확인할 수 있다. Intro, related works 기존의 음성 인식을 위한 증강 기법은 아래와 같았다. 1) Noise Injection Numpy를 사용하여 데이터에 임의의 값을 추가하여 증강하는 기법 (잡음 추가) 2) Shifting time 임의의 ms로 오디오를 왼쪽 / 오른쪽으로 이동 n_ms를 사용하여 오디오를 왼쪽으로 이동하면 처음 n_ms초는 0(무음)으로 표시 n_ms를 사용하여 오디오를 오른쪽으로 이동하면 마지막 n_ms가 0(무음)으로 표시됨 3) Changing pitch 무작위로 pit.......

원문보기 내부링크
Naver Blog

Fast and Accurate Model Scaling 리뷰

Fast and Accurate Model Scaling 리뷰 (hoya012.github.io) #modelscaling 안녕하세요, 오늘은 CVPR 2021에서 발표 예정인 Facebook Research의 “Fast and Accurate Model Scaling” 논문을 소개드릴 예정입니다. 제목에서 유추가 가능하 듯 모델의 크기를 조절해주는 (Scaling) 방법을 다룬 논문이며, 항상 모델의 크기를 키워주면 정확도가 좋아지지만 그에 따라서 처리 속도가 느려 지는 Trade-off 관계를 가지는데 이를 잘 타개하기 위한 방법을 제안한 논문입니다. 이 논문과 관련 있는 연구들이 EfficientNet과 RegNet인데 두 연구 모두 제가 정리한 적이 있는데요, 이 두 연구를 잘 모르시는 분들은 먼저 이 자료들을 보고 오시는 것을.......

원문보기 내부링크
Naver Blog

[EH]EHang MSCI China Small Cap Index와 MSCI China All Shares Small Cap Index 편입

#EH #EHang #MSCI (4) EHang's ADR (Nasdaq: EH) will be added to the MSCI China Small Cap Index and MSCI China All Shares Small Cap Index, both effective as of market close on May 27, 2021. : ehangstock (reddit.com) EHang's ADR (Nasdaq: EH) will be added to the MSCI China Small Cap Index and MSCI China All Shares Small Cap Index, both effective as of market close on May 27, 2021. EHang의 ADR(나스닥: EH)은 MSCI China Small Cap Index와 MSCI China All Shares Small Cap Index에 추가되며, 두 종목 모두 2021년 5월 27일 종가 기준 발효된다.

원문보기 내부링크
Naver Blog

머신러닝 모델의 블랙박스 속을 들여다보기 : LIME

머신 러닝 모델에 대해서 예측의 이유를 설명하는 것은 어렵습니다. 모델이 복잡해질수록 예측의 정확도는 올라가지만, 결과의 해석은 어려워지죠. 그렇기 때문에 많은 머신 러닝 모델들이 블랙박스라고 불립니다. 하지만 모델이 ‘왜’ 그렇게 작동하는지 아는 것은 중요합니다. 의사가 “인공 지능이 이렇게 하래요"라고 말하면서 환자를 수술하지는 않겠죠. 은행에서 의심스러운 거래를 차단하는 경우에도 차단당한 이용자는 설명을 요구할 것입니다. 하물며 Netflix에서 볼 영화를 선택할 때도, 추천 영화에 시간을 투자하기 전에 어느 정도의 모델에 대한 신뢰감은 필요합니다. 모델의 예측의 근거를 이해하는 것은 언제 모델을 신뢰할.......

원문보기 내부링크
Naver Blog

개체 감지에서 작은 개체를 처리하는 방법?

#FPN #SAN #SNIP How to deal with small objects in object detection? | by Nabil MADALI | DataDrivenInvestor 딥 러닝 대상 감지, 특히 얼굴 감지에서 작은 표적과 작은 얼굴의 검출은 낮은 해상도, 흐린 사진, 적은 정보 및 더 많은 소음으로 인해 항상 실용적이고 일반적인 어려운 문제였습니다. 그러나 지난 몇 년 동안의 개발에서, 작은 목표 검출의 성능을 개선하기위한 몇 가지 솔루션도 등장했다. 이 문서에서는 이러한 메서드를 분석, 구성 및 요약합니다. 이미지 피라미드 및 다스케일 슬라이딩 윈도우 감지 처음에는 딥 러닝 방법이 인기를 끌기 전에 서로 다른 스케일의 대상을 위해 원본 이미지에서 해상도가 다른 이미지 피라미.......

원문보기 내부링크
Naver Blog

Paper Review: Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

#swintransformer Paper Review: Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - Maksim Zhdanov (xzcodes.github.io) Paper link Code available here (no implementation at the moment of writing this review) An amazing paper from Microsoft Research Asia presents a brand new vision Transformer called Swin Transformer that can serve as a backbone just like usual CNNs in computer vision and Transformers in natural language processing (NLP). There are two main problems with the usage of Transformers for computer vision. - Firstly, existing Transformer-based models have tokens o.......

원문보기 내부링크
Naver Blog

논문을 파파고/구글번역에 ctrl+c/v 할 때 해결책

#파파고 #구글번역 #논문번역 #논문번역사이트 논문을 번역하여 읽을 때, 우리가 가장 짜증내하지만 결국 해야하는 작업이 있다면 그것은 delete + enter 하는 작업이다. 그 이유는 논문들은 보통 pdf로 되어있고, 그것을 복붙해다가 붙이면 다음과 같이 뭣같은 현상이 발생된다.. 끔찍한 번역과 동시에 끔찍한 pdf 복붙 이런 문제를 해결하기 위해, 1년전 필자는 word로 바꾸는 프로그램을 제안했었다. 그러나 이보다 더 괜찮은 해결책을 발견했으니, 그것은 바로 XODO PDF Reader를 사용하여 PDF를 열고, 번역기에 복붙하는 것이다. XODO 프로그램은 PDF reader 중 한 프로그램으로 논문을 보는 학생들에게 특히 인기있는 뷰어이다. (물론, 어.......

원문보기 내부링크
Naver Blog

[우분투] 부팅시 서비스 자동실행 등록

#ubuntu #부팅시스크립트 #부팅시자동실행 1. 서비스를 실행 할 스크립트 작성. - 위치 : /etc/init.d/ ex : /etc/init.d/setgpu.sh - 자동 실행 등록을 하면 해당 스크립트가 실행되어 서비스를 띄우게 된다. 2. 권한 부여 - chmod 777 /etc/init.d/[실행 스크립트이름] - ex : chmod 777 /etc/init.d/setgpu.sh 3. 서비스 등록 - update-rc.d [실행 스크립트 이름] defaults ex : update-rc.d setgpu.sh defaults defaults : runlevel 3, 5 4. 확인 - 재부팅하여 서비스 확인 출처: https://euless.tistory.com/85 [Bite the Bullet]

원문보기 내부링크
Naver Blog

rtx 3080 pytorch 설치

#rtx3080 #rtx3090 #rtx3070 #pytorch #pytorchinstall #pytorch설치 pytorch/pytorch: Tensors and Dynamic neural networks in Python with strong GPU acceleration (github.com) 깃허브 접속 해서 직접 받아야한다. pip 로 설치시 제대로 동작안함.

원문보기 내부링크
Naver Blog

E: Sub-process /usr/bin/dpkg returned an error code (2)? 오류 해결

E: Sub-process /usr/bin/dpkg returned an error code (2) sudo rm /var/lib/dpkg/available sudo touch /var/lib/dpkg/available sudo sh -c 'for i in /var/lib/apt/lists/*_Packages; do dpkg --merge-avail "$i"; done' sudo dpkg --configure -a sudo apt-get -f install sudo apt-get clean sudo apt-get update && sudo apt-get upgrade 긁어서 복붙하자

원문보기 내부링크
Naver Blog

How to Fix NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.

#nvidia-smi #nvidia-smihasfailed #nvidia드라이버오류 nvidia driver apt-get으로 재설치시 안먹힐때, 한번에 해결했다. Error: Situation: Cuda: did install NVCC-V: messages appear Solution: 1) query the current NVIDIA driver version number 2) Install relevant tools 3) Reinstall the driver

원문보기 내부링크
Naver Blog

x86_64-linux-gnu/"libdl.so.2": error adding symbols: DSO missing from command line opencv

cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D WITH_TBB=OFF \ -D WITH_IPP=OFF \ -D WITH_1394=OFF \ -D BUILD_WITH_DEBUG_INFO=OFF \ -D BUILD_DOCS=OFF \ -D INSTALL_C_EXAMPLES=ON \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D BUILD_EXAMPLES=OFF \ -D BUILD_TESTS=OFF \ -D BUILD_PERF_TESTS=OFF \ -D WITH_QT=ON \ -D WITH_GTK=OFF \ -D WITH_OPENGL=ON \ -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.0.1/modules \ -D WITH_V4L=ON \ -D WITH_FFMPEG=OFF \ -D BUILD_SHARED_LIBS=ON \ -D WITH_XINE.......

원문보기 내부링크
Naver Blog

error while loading shared libraries: libopencv_highgui.so.4.1

The error is as follows: /install/runYolov3: error while loading shared libraries: libopencv_highgui.so.4.1: cannot open shared object file: No such file or directory Reference link: QtOpenCV: error while loading shared libraries: libopencv_core.so.3.2: cannot open shared object fil 1, open the path cd /etc/ld.so.conf.d 2, create a file touch OpenCV.conf 3. Write in OpenCV.conf: /usr/local/lib Note: This path is the path after opencv install. The default path is /usr/local/lib, which is the path where the lib*.so library file is located. 4, execute commands in the terminal ldconfig

원문보기 내부링크
Naver Blog

Ubuntu에서 Python 버전을 변경하는 방법

Ubuntu에서 Python 버전을 변경하는 방법 (codechacha.com) 우분투(Ubuntu)를 설치하면 python path가 2.7로 설정되어 있습니다. 리눅스의 Alternatives를 이용하면 python 버전을 쉽게 변경하고 관리할 수 있습니다. Alternatives는 기본 커맨드의 심볼릭 링크를 관리해주는 리눅스 프로그램입니다. 데비안 계열의 리눅스(우분투)에서는 update-alternatives가 제공됩니다. update-alternatives에 대한 자세한 설명과 명령어는 manpages를 참고해주세요. 파이썬의 실행 위치 및 Alternative 설명 which python 명령어를 사용하면 현재 사용하는 파이썬이 어디에 설치되어있는지 알 수 있습니다. 파일 이름을 보면 실제 위치가 아니라, 심볼릭 링.......

원문보기 내부링크
Naver Blog

ffmpeg mp4 to wav

#ffmpeg #mp4 #wav ffmpeg -i <infile> -ac 2 -f wav <outfile>

원문보기 내부링크
Naver Blog

Effect of Training Images Missing Labels

#missinglabels #objectdetection #deeplearning #labelnoise That's an hard question. but I guess there is possible 3 scenarios. You might see these scenario by playing with this: https://playground.tensorflow.org but keep in mind that problem still very basic. Object detection is not. The learning process has some strategies to avoid noise, but the more noise you add, the more difficult it is. I've seen some model converging with high noise, but the conf given was between 0.1-0.01%. few missing labels, few mAP reduction because validation also has missing labels. Model will still predi.......

원문보기 내부링크
Naver Blog

지능혁명(저자 바이두 리옌훙)

#인공지능 #인공지능의본질 #바이두 #빅데이터 #딥러닝 #검색엔진 #근로혁명 #사물인터넷 #데이터의멜서스함정 #4차기술혁명 출처: 지능혁명 : 네이버 블로그 (naver.com) 4차 산업혁명 시대 인공지능의 새로운 패러다임을 제시하고 있다. 독자들로 하여금 다가올 미래를 상상하게 한다. 저자부터가 주목을 끈다. 중국의 자랑이자 자존심 리옌홍(李彦宏)이다. 그는 현 바이두의 설립자이자 회장이다. 젊은 나이에 창업에 성공하여 바이두를 다국적기업으로 발돋움 시켰다. 바이두는 ‘중국의 네이버’, ‘중국의 구글’ 이라 불리운다. 중국 국민들은 핸드폰을 켜고 바이두와 함께 하루를 시작한다. 그는 앞으로 미래는 인공지능 혁명의 시대라고.......

원문보기 내부링크
Naver Blog

hard negative mining

#hardNegative #easyNegative [출처] hard negative mining|작성자 sogangori Object Detection Network 에서 자주 나오는 hard negative sk hard negative mining라는 말이 자주 나온다 hard negative 는 실제로는 negative 인데 positive 라고 잘못 예측하기 쉬운 데이터이다. easy negative 는 실제로 negative 이고 예측도 negative 라고 잘 나오는 예측이 쉬운 데이터이다. hard negative sample 을 직석하자만 hard : 어렵다, negative sample: 네거티브 샘플라고, 즉 네거티브 샘플라고 말하기 어려운 샘플이라는 뜻이다. 모델입장에서 보면 해당 샘플에 대해 negative(아니다) 라고 해야 하는데 confidence 는 높게 나오는 상황을 말한다.......

원문보기 내부링크
Naver Blog

사실을 마주해도 당신이 절대로 생각을 바꾸지 않는 이유(확증편향)

#확증편향 #confirmationbias 사실을 마주해도 당신이 절대로 생각을 바꾸지 않는 이유 (2/3) (newspeppermint.com) 확증 편향(confirmation bias)으로 잘 알려진 기제를 생각해 봅시다. 확증 편향이란 사람들이 자신이 기존에 믿는 바에 부합하는 정보만 받아들이려 하고, 자기 생각에 어긋나는 정보는 거부하는 편향을 말합니다. 인간의 수많은 비합리적인 사고 가운데 확증 편향만큼 잘 알려지고 잘 정리된 오류도 없을 겁니다. 확증 편향에 관한 실험만으로도 교과서 한 권을 쓸 수 있을 정도니까요. 이에 관해 가장 잘 알려진 실험을 진행한 기관도 오늘 이야기에서 자주 등장하는 스탠포드대학교입니다. 연구진은 사형에 관한 의견이 다른.......

원문보기 내부링크
Naver Blog

Multi-Person Pose Estimation in OpenCV using OpenPose

#DeepLearning #OpenCV 3 #OpenCV 4 #Pose #Tutorial Multi-Person Pose Estimation in OpenCV using OpenPose | Learn OpenCV In our previous post, we used the OpenPose model to perform Human Pose Estimation for a single person. In this post, we will discuss how to perform multi-person pose estimation. When there are multiple people in a photo, pose estimation produces multiple independent keypoints. We need to figure out which set of keypoints belong to the same person. We will be using the 18 point model trained on the COCO dataset for this article. The keypoints along with their numbering used by .......

원문보기 내부링크
Naver Blog

[ Ubuntu ] 우분투 외장하드 마운트

#Ubuntu #우분투 #외장하드마운트 #USB마운트 #외장하드연결 #USB연결 Mr. P Blog: [ Ubuntu ] 우분투 외장하드 마운트 (perdupper.blogspot.com) 데스크탑 리눅스 버전은 뭐, USB든, USB로 연결한 하드디스크든 연결하면 자동인식 되어 접근 가능하다. 문제는 리눅스 서버 버전이 복잡한 것. 명령어로 직접 연결을 시켜줘야한다. (USB, USB로 연결한 외장 하드디스크 등, 그냥 외장하드로 명명하겠다.) 일단, 외장하드가 어떤 포맷 방식인지 알아야 한다. 외장하드를 꽂기 전에, sudo fdisk -l 명령어를 치고, 외장하드를 연결한 뒤, 외장하드가 돌아가는 걸 확인 후, (전력 공급이 부족하면, 아예 외장하드가 돌아가지 않는다. 인식 안 함) sud.......

원문보기 내부링크
Naver Blog

우분투 usb 버전 확인하기

#우분투 #usb버전 아래와 같이 명령어 입력. ======= bcdUSB 2.10 외장하드의 usb버전이다.

원문보기 내부링크
Naver Blog

2020년도 예비군 원격교육을 이벤트 퀴즈 정답 공유

#예비군 #예비군원격교육 #예비군원격교육5년차 #예비군원격교육이벤트 #예비군원격교육정답 #예비군원격교육퀴즈 #예비군원격교육퀴즈정답 2020년도 예비군 원격교육을 받다. (+이벤트 퀴즈 정답 공유) (tistory.com) 어느덧, 예비군 5년 차. 하지만 아직 학생 예비군으로써 연차를 날로 먹고 있었는데 (?) 올해는 코로나 때문인지 원격교육을 받게 되었다. 원격교육은 예비군 원격교육 사이트에 들어가면 내가 언제 받아야 하는지 자세히 확인할 수 있는데 나는 이런 거 봐도 좀 이해력이 늦달까. 아니 솔직히 제대로 보기 귀찮았다. 뭐 어떻게든 되겠지, 친구가 하는 날 따라서 하면 되겠지(?) 안일한 생각으로 하루를 보내고 있었다. 그. .......

원문보기 내부링크
Naver Blog

/etc/sudoers file corrupted and I can't run 'pkexec visudo' over SSH 해결방법

#pkexec #visudo #/etc/sudoers #sudoersfilecorrupted #pkexecvisudo #can'trunpkexec sudoers 파일 권한을 잘못건드려서, sudo가 안되는 상황이 발생하였다. 아래와 같은 방법으로 해결하였다. 대상 서버에 대한 두 개의 ssh 세션을 엽니다. 첫 번째 세션에서 다음을 실행하여 bash의 PID를 가져옵니다. 두 번째 세션에서 인증 에이전트를 시작합니다. 첫 번째 세션으로 돌아가 다음을 실행합니다. 두 번째 세션에서는 암호 프롬프트가 표시됩니다. visudo는 첫 번째 세션에서 시작됩니다.

원문보기 내부링크
Naver Blog

NVIDIA NVML Driver/library version mismatch 해결방법

#nvidia #nvidia-smi #nvmldriver #nvmllibrary #nvidiaversionmismatch 출처 : https://jangjy.tistory.com/300 Failed to initialize NVML: Driver/library version mismatch GPU 사용하던 도중 위와같은 문제가 발생 할 경우 해결 방법 nvidia driver를 unload 하고 관련 모듈을 삭제하면 된다. 아래 명령어로 nvidia 관련 사용중인 드라이버 리스트를 불러온다 $ lsmod | grep nvidia nvidia_uvm 634880 8 nvidia_drm 53248 0 nvidia_modeset 790528 1 nvidia_drm nvidia 12312576 86 nvidia_modeset,nvidia_uvm nvidia 드라이버 unload를 위하여 nvidia 항목 오른쪽에 있는 종속성 항목을 unload 해준다. 이 경우는 nvidia_modeset, nvidia_.......

원문보기 내부링크
Naver Blog

MaxPool2d vs AdaptiveMaxPool2d

#MaxPool2d #AdaptiveMaxPool2d 노트ㅇㅅㅇ - MaxPool2d vs AdaptiveMaxPool2d (tistory.com) 일반적인 분류(classification)문제를 다루다보면 항상 마지막에 linear layer가 들어가게 된다. 이는 우리가 생각할수 있는 가장 간단한 방식이고, 이는 말이 된다. 그런데 만약 입력 텐서의 크기가 고정되지 않다면 출력 텐서의 크기도 마찬가지로 다르게 나온다, 여기서 문제가 보통 사용하는 linear layer는 입력 크기가 고정되기에 입력 사이즈가 변화되면 에러가 발생한다. 그래서 이를 위해서 입력에 관계없이 출력을 고정하도록 설계된 Adaptive Pooling을 사용할 수 있다.[1, 2] 단순히 출력을 지정한 튜플값으로 맞춰주는 pooling이라고 생.......

원문보기 내부링크
Naver Blog

Adversarial Attack(Part 2): PeerNets

#Artificial Intelligence #Deep Learning #Pytorch #Gcn #Adversarial Attack Adversarial Attack(Part 2): PeerNets | by Taekmin Kim, @tantara | Medium Adversarial Attack(Part1): Adversarial Attack과 Defense Adversarial Attack(Part 2): PeerNets: Exploiting Peer Wisdom Against Adversarial Attacks 지난 튜토리얼(Part 1)에 이어서 방어에 대해서 간략히 다루고 이번 에피소드의 핵심인 논문 PeerNets: Exploiting Peer Wisdom Against Adversarial Attacks의 리뷰를 진행하겠습니다. 방어 방법 지난 튜토리얼(Part 1)에서 다룬 것처럼 방어에는 대표적으로 3가지 접근 방법이 있습니다. 공격쪽에서 생성된 이미지를 추가 학습 데.......

원문보기 내부링크
Naver Blog

자유도 Degree of freedom

#자유도 #degreeoffreedom https://m.blog.naver.com/nisekim/221260480537 자유도 자유도 degree of freedom란 실질적으로 독립인 값들의 개수를 말한다. 예를 들어 평균이 m인 10개의 자료 중에서 9개의 값은 아무렇게나 자유로이 선정이 가능하지만, 나머지 한 개의 값은 이미 평균이 정해져 있기 때문에 다른 값들에 의해 정해져 있다. 즉, 종속적이다. 이 때의 자유도는 9이다. 즉 평균이 정해져 있다면, 자료의 개수가 n 개인 경우, 자유도는 n-1이다. [출처] 배정민 (2012). <<닥터 배의 술술 보건의학통계>>. 한나래출판사. 28p 2 by 2 matrix 자유도 2 X 2 테이블에서 자유도를 따져보자. 아래 그림은 100명의 환자를 대상.......

원문보기 내부링크
Naver Blog

Adversarial Attack(Part 1): Adversarial Attack과 Defense

Adversarial Attack(Part 1): Adversarial Attack과 Defense | by Taekmin Kim, @tantara | Medium #adversarialattack #adversarialdefense 최근 삼성 SDS의 사이다(SAIDA)팀이 스타크래프트 AI 대회에서 1등을 차지했습니다. 플레이 영상을 보면 꽤나 높은 수준이고 실제로 많은 게이머들이 이기기 힘든 실력이라고 합니다. 게임 뿐만 아니라 번역기(네이버의 파파고)나 얼굴 인식(아이폰, 갤럭시) 등 우리 주위에서 인공지능이 적용된 제품을 많이 접할 수 있습니다. 가까운 미래에는 자율 주행이나 무인 편의점 등 인공지능이 더욱 더 우리 삶 속으로 파고들 것이라고 예상됩니다. 지금까지 많은 AI 기술이 뛰어난 성과를 보여준 것은 사실이.......

원문보기 내부링크
Naver Blog

자료의 분류

#범주형자료 #연속형자료 #자료의분류 [의학통계 기초] 1강. 자료의 분류 : 네이버 블로그 (naver.com) 자료의 분류 통계 분석에서는 자료의 성격을 제대로 이해하고 구분해야 한다. 솔까.... 컴퓨터는 순진한 아해여서 아직까지(2018년 상황이다... 아직 인공지능 범용화 전이다.) 인간이 입력해준 대로 행하는 존재이기 때문에, 엉뚱하게 자료 입력하면 결과는 아주.... 뒤죽박죽일테니깐. 대부분의 자료는 범주를 서로 구분하는 범주형 자료 categorical data와 연속적인 수로 수량화가 가능한 연속형 자료 numerical date로 구분된다. 범주형 자료는 질적자료 qulaitative data라고도 하며, 연속형 자료는 양적자료 quantitiative data라고도.......

원문보기 내부링크
Naver Blog

가설 검정 방법

#가설검정방법 #가설검정 #귀무가설 #영가설 #대립가설 #우위성 검정 https://m.blog.naver.com/nisekim/221260381266# 보건의학의 과학철학적 명제 보건의학 연구에서 "다른 상황을 생각하게 하는 현저한 근거가 없는 한, 자연의 현상적인 차이는 없다. 즉 0(무)이다." 라는 과학철학적 명제에서 시작한다. 캬.... 이 얼마나 멋진 말인가. 엔트로피의 법칙과도 딱 떨어진다. 모든 자연현상은 무질서도가 증가하는 방향으로 움직이는 것이다. 즉 상호간의 차이는 사라지는 쪽으로 말이다. 즉, 우리가 새로운 치료법의 효과를 입증하고자 한다면, "새 치료법은 효과가 없다'는 영가설을 전제로 하여 연구를 시작한다. 귀무가.......

원문보기 내부링크
Naver Blog

제1종오류, 5% 유의수준과 다중비교

#1종오류 #2종오류 #검정력 #다중비교 #falsepositive #falsenegative https://m.blog.naver.com/nisekim/221260460345 앞서 살펴 보았듯이, 우리가 수행한 통계결과는 항상 옳을까? 물론 아니올시다이다. 왜냐면... 이는 확률의 개념이기 때문이다. 하필 재수없게 유의수준 5% 내에서 (즉 20번 중에 한번 꼴로) 엉뚱한 결과가 나올 수 있기 때문이다. 임상연구의 특성상 표본에서의 결과가 그대로 전체 인구인 모집단으로 확대 적용될 수 없기 때문이다. 모든 통계검정에는 오류가 있기 마련이다. 그러면 가설 검정에는 어떤 오류가 있을까? [출처] 배정민 (2012). <<닥터 배의 술술 보건의학통계>>. 한나래출판사. 23p. 제1종 오류.......

원문보기 내부링크
Naver Blog

우도 likelyhood 및 우도비 검정

#우도 #우도비검정 #likelyhood [의학통계 중급 개념] 4강. 우도 likelyhood 및 우도비 검정 : 네이버 블로그 (naver.com) 초급과정에서 선형회귀분석에서는 최소제곱법을 통해 회귀식을 추정하였다. 그러면 종속변수와 독립변수가 비선형관계인 일반화 선형모형에서는 어떻게 회귀식을 추정할까? 일반화 선형모형에서는 대개 최대우도법 Maximum likelyhood method를 이용하여 회귀식을 추정한다. 최대우도법을 이해하기 위해서는 우도; 가능도; likelyhood에 대한 이해가 필요하다. 모수로부터 특정 현상이 관찰되는 것을 확률의 개념이라면, 우도 likelyhood는 확률과 반대 개념이다. 주어진 현상을 통해, 이 현상이 이 나타날 가능성을 가장.......

원문보기 내부링크
Naver Blog

How to Avoid Exploding Gradients With Gradient Clipping

#gradients #gradientclipping #explodinggradients How to Avoid Exploding Gradients With Gradient Clipping (machinelearningmastery.com) Training a neural network can become unstable given the choice of error function, learning rate, or even the scale of the target variable. Large updates to weights during training can cause a numerical overflow or underflow often referred to as “exploding gradients.” The problem of exploding gradients is more common with recurrent neural networks, such as LSTMs given the accumulation of gradients unrolled over hundreds of input time steps. A common and relativ.......

원문보기 내부링크
Naver Blog

[2020 마이블로그 리포트] 한 눈에 보는 올해 내 블로그 데이터!

벌써 13년째 블로그를 하고있다. 애드포스트에 광고비가 많이 들어오면 좋겠다

원문보기 내부링크
Naver Blog

Pose-Aware Multi-Task Learning for Vehicle Re-Identification Using Highly Randomized Synthetic Data

#Pose-Aware #Multi-Task Learning #Vehicle #ReIdentification #Randomized #Synthetic Data Pose MultiTask Vehicle Re-Identification NVIDIA | VisionWizard (medium.com) 오늘, 우리는 차량 재 식별에 엔비디아 연구소에 의해 정통 논문을 논의 할 예정이다. 나는 종이가 차량 재 식별 문제를 해결하기 위해 흥미로운 엔지니어링 접근 방식을 제시하는 대신 새로운 연구 아이디어를 제안하지 않는다는 것을 지적하고 싶습니다. 오른쪽으로 뛰어 갑시다. 소개 이 논문은 차량 재식별의 오랜 문제를 해결하려고 시도합니다. 차량 재식별이란 무엇입니까? 왜 필요한가요? 차량용 을 제외한 차량 재식별 문제를 얼굴 인식 문제로 간주하십시오. .......

원문보기 내부링크
Naver Blog

공개 데이터 문제점

모든 거짓 긍정의 1/3 이상이 주석 오류였다는 것을 발견하기 위해 SOTA 개체 감지 모델로 열린 이미지를 재평가했습니다! 최신 벤치마크 데이터 세트 대규모 데이터 집합에 대해 학습된 딥 러닝 모델의 성능이 계속 발전함에 따라 대규모 데이터 집합 대회는 최신 의 가장 위대한 컴퓨터 비전 모델의 시험장이 되었습니다. 우리는 MNIST (70,000 28x28 픽셀 이미지만있는 데이터 집합)가 사실상 표준이었던 시대의 커뮤니티로서 먼 길을 왔습니다. ImageNet, COCO 및 Google의 오픈 이미지가 가장 인기 있는 작업 중 하나입니다: 더 복잡한 모델을 교육하려는 욕구에서 새롭고 더 큰 데이터 세트가 생겨났습니다. 그러나 이러한 거대한 데이터 집.......

원문보기 내부링크
Naver Blog

yolov4 tflite to edgetpu.tflite compile

저장용 YOLOv4 を tflite に convert する https://medium.com/@nobilearn/264be244e7af の続きです。 遂に PINTO 先生が動き出しました。 https://twitter.com/PINTO03091/status/1261446333585477632 しかも、わざわざこちらの投稿へのリンクまで貼って頂き感謝です。 今回は convert した full-int8 tflite から edgetpu_compiler で edgetpu.tflite を作ります。 ただ、実行ではエラーになってしまいました。 私が煮詰まっている間に PINTO 先生が解決してくださるかもしれません。(ﾁﾗｯ) apply edgetpu_compiler _ 前回の結果、手元には full-int8 の tflite ファイルがあります。 $ ll yolov4-full-int8.tflite -rw-r--r--@ 1 nobi staff.......

원문보기 내부링크
Naver Blog

No module named '_bz2' 에러 해결하기

It is happening because of a .so file being missing. Say for python3.7 download the file from: _bz2.cpython-37m-x86_64-linux-gnu.so For different versions of python try finding this file for your version. Say for python3.8 change 37 to 38 etc. and find and download the file. Now for Ubuntu: copy the file inside /usr/local/lib/python3.7 folder using sudo privilege. To do this, go to the folder where the file is downloaded and execute the command (change your filename and destination folder based on your python versions accordingly): sudo cp _bz2.cpython-37m-x86_64-linux-gnu.so /usr/local/lib/py.......

원문보기 내부링크
Naver Blog

[공유] errno_t 값에 따른 의미

errno_t 값에 따른 의미errno_t는 VS에서 &#516...

원문보기 내부링크
Naver Blog

[공유] 바인딩(Binding)

바인딩(Binding)바인딩(Binding) - 값을 할&#45...

원문보기 내부링크
Naver Blog

[공유] 영문판 윈도우7에서 표시언어(Display Language) 설정하는 방법!

영문판 윈도우7에서 표시언어(...

원문보기 내부링크
Naver Blog

정올 2046 : 숫자사각형4

2046 : 숫자사각형4제한시간: 1000 ms 메모리제한: 64 MB 해결횟수: 2038 회 시도횟수: 3513 회 정사각형...

원문보기 내부링크
Naver Blog

BOJ 2292 벌집

벌집 성공문제집 시간 제한메모리 제한제출정답맞은 사람정답 비율2 초128 MB106555011434747.859%문제 ...

원문보기 내부링크
Naver Blog

사례 연구 : OpenCV를 사용하는 HAAR 기능 기반의 눈 감지기 개선

http://cv-tricks.com/computer-vision/case-study-training-better-haar-based-object-detectors/ Case-...

원문보기 내부링크
Naver Blog

Alexnet, VGG, Inceptionv3, Resnet 및 squeezeNet 네트워크를 이해하고 실행하는 데 필요한 빠른 Tensorflow tutorial

http://cv-tricks.com/tensorflow-tutorial/understanding-alexnet-resnet-squeezenetand-running-on-tenso...

원문보기 내부링크
Naver Blog

Urban Sound Classification, part 1 audio classification

https://aqibsaeed.github.io/2016-09-03-urban-sound-classification-part-1/ Urban Sound Classificat...

원문보기 내부링크
Naver Blog

[공유] 네트워크 스트림 재생이 가능한 VLC Media Player

한화테크윈 ip주소

원문보기 내부링크
Naver Blog

네이버 블로그 구글 검색 등록방법

네이버 블로그는 구글 검색에 막혀져 있기 때문에, 일반적으로 글을 쓰게되면 구글에서 검색되지 않는다. h...

원문보기 내부링크
Naver Blog

Debug a Deep Learning Network (Part 5)

심층 네트워크 (DN)를 구축했지만 예상치 못한 내용은 가비지입니다. 문제를 어떻게 해결할 건가요? 이 ...

원문보기 내부링크
Naver Blog

Improve Deep Learning Models performance & deep network tuning

모델을 디버깅 한 후에는 모델 용량 및 튜닝에 중점을 둘 수 있습니다. 이 섹션에서는 심층 학습 네트워크...

원문보기 내부링크
Naver Blog

BOJ 6549 히스토그램에서 가장 큰 직사각형 java,c++

https://www.acmicpc.net/problem/6549 6549번: 히스토그램에&...

원문보기 내부링크
Naver Blog

Tensorflow Object Detection API -1 (Opencv로 읽어 객체의 좌표값, 정확도등 값을 받아 matplot에 뿌리기)

https://github.com/tensorflow/models/tree/master/research/object_detection tensorflow/modelsModels ...

원문보기 내부링크
Naver Blog

따라하며 배우는 C++ (2018 New) | c++ 강의 기초 후기

https://www.youtube.com/channel/UCg6IlhycdYiK_nWB3spjIqA 홍정모안&#...

원문보기 내부링크
Naver Blog

vi 명령어

1. vi 실행하기 및 옵션 (vi로 file을 열 어서 바로 키보드로 입력하면 아무것도 안되고 이상한 화면만 출...

원문보기 내부링크
Naver Blog

파이썬 opencv personal 폰트(ttf) 설정

12345678910fontpath = "./font/kenyancoffeerg.ttf"font = ImageFont.truetype(fontpath, 25)img_pil = ...

원문보기 내부링크
Naver Blog

Argument list too long error for rm, cp, mv commands

find ./ -type f -name "*_0.jpg" | xargs cp -t ../minidata3/

원문보기 내부링크
Naver Blog

Batch Size in Deep Learning

이미지사이즈 * 이미지사이즈 * rgb * 배치사이즈 고려해서 gpu메모리 보고 설정하자. https://blog.lunit....

원문보기 내부링크
Naver Blog

caffe SSD priorbox, platten layer

SSD 뒷부분 softmax 처리방법이다. Flatten layerlayer {  name: "flaten" type: "Flatten" bottom: "i...

원문보기 내부링크
Naver Blog

Yolov3: An Incremental Improvement

1. The Deal YOLO v3는 다른 사람들의 아이디어들을 차용한 내용입니다. 1-1. Bounding Box Predi...

원문보기 내부링크
Naver Blog

caffe reshape으로 flatten처리

As another example, specifying reshape_param {  shape {  dim: 0 dim: -1 }  }  makes the layer behave in...

원문보기 내부링크
Naver Blog

c++ boost 라이브러리

boost 라이브러리 집중 분석 by 신영진(YoungJin Shin), codewiz at gmail.com, @codemaru, http://www....

원문보기 내부링크
Naver Blog

TF-Slimtutorial

TF-Slim은 저수준의 텐서플로우 API를 간편하게 사용할 수 있는 고수준 경량 API로써, 텐서플로우...

원문보기 내부링크
Naver Blog

CUDA (쿠다) 란, 왜 사용하는 것인가.

CUDA (Computed Unified Device Architecture) 는 NVIDIA 사에서 개발한 GPU (Graphic ...

원문보기 내부링크
Naver Blog

[Cython] 싸이썬, 파이썬에 속도를 더하다

얼마전 페이스북에서 하나의 블로그 내용을 보았습니다. 파이썬을 짜면서 가장 걸리는 부분이 속도 문제인...

원문보기 내부링크
Naver Blog

가산디지털단지 대륭 말뚝곱창!

#말뚝곱창가산점 #가산맛집 #곱창맛집 구운 곱창이 먹고 싶을 때 항상 말뚝곱창에서 맛있게 먹고 있어요

원문보기 내부링크
Naver Blog

20190820 3분할 운동일지 밀기

밴드 인클라인벤치프레스 밀리터리프레스 사레레 딥스 플라이머신 케이블푸쉬다운 오늘도 집에 오자마자 기...

원문보기 내부링크
Naver Blog

20190821 3분할 운동일지 당기기

밴드 바벨로우 바벨로우 언더그립 렛풀다운 암풀다운 벤레레 덤벨컬 암컬머신 내일이면 동미참끝난다 하하

원문보기 내부링크
1 2 3 4 5 6