코딩헤딩

https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 영역(바운딩 박스-사각형)과 객체의 이름(사람, 고양이, ...)을 표시해 주는 coding-heading.tistory.com 이전 글과 이어집니다. - yolov3.weights : 이미 훈련된 모델의 가중치 데이터 파일 - yolov3.cfg : yolo모델 매개변수 설정 파일 - coconames : 인식(감지)된 객체의 레이블 명칭(이름)이 저장된 파일 * DNN(심층신경망) 모델을 사용하여 모델 세팅하기 net = cv2.dnn.rea..

- "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 영역(바운딩 박스-사각형)과 객체의 이름(사람, 고양이, ...)을 표시해 주는 기능을 수행함 - 객체 탐지 기술이라고 해서 "Object Detection"이라고 언어 소통이 된다. - 객체탐지는 컴퓨터 버전 기술의 세부 분야중 하나로 주어진 이미지 또는 영상 내에 사용자가 관심 있는 객체를 탐지하는 기술을 의미함 - 객체탐지 모델을 만들기에 앞서 => 바운딩 박스를 만드는 것이 우선시 되어야 함 - 바운딩 박스란? => 사각형의 시작 좌표(x1, y1), 종료 좌표(x2, y2)로 표현되는 타겟 위치(객체 위치)를 사각형으로 표현한 것을 의미함. - 이미지를 입력으로 받음(이..

- 이미지 분석에 주로 사용되는 대표적 계층 - 기존의 인공신경망에서의 이미지 분석 시에는 높이와 너비를 곱한 1차원을 사용하였다면, CNN은 원형 그래로의 높이와 너비 차원을 사용함 - 전체 4차원의 데이터를 사용함 - 기존 이미지 문석 시 높이와 너비를 곱하여 사용하다 보면, * 원형 그대로의 주변 이미지 공간 정보를 활용하지 못하는 단점이 있으며, * 이러한 이유로 특정 추출을 잘 못하여, 학습이 잘 이루어지지 않는 경우가 발생함 - 이러한 기존 인공신경망 모델의 단점을 보완하여 만들어진 모델이 CNN임 * 원형 형태의 이미지 정보를 그대로 유지한 상태로 학습 가능하도록 만들어졌음 * 이미지의 공간정보를 이용하여 특징을 추출함 * 인접 이미지의 특징을 포함하여 훈련됨. 1. 입력계층(Input La..

* 라이브러리 정의 import tensorflow as tf ### 단어사전 만들기 from tensorflow.keras.preprocessing.text import Tokenizer from tensorflow.keras.preprocessing.sequence import pad_sequences * 규칙기반 데이터 정의하기(질문/답변) questions = [ "전기요금 어때?", "안녕하세요", "너 이름이 뭐니?", . . . answers = [ "전기요금이 계속 인상되고 있어요!", "안녕하세요! 반가워요^^", "제 이름은 챗봇이에요.", . . . len(questions), len(answers) 결과 : (49, 49) * 단어사전 만들기 tokenizer = Tokenizer(..

- 긴 문장(시퀀스)을 학습하기 어려움 - 시퀀스가 길 수록 초반의 정보는 점진적으로 희석(소멸) 즉, 멀리 떨어져 있는 단어의 정보를 인식하는데 어려움이 있음. - 이러한 단점을 보완한 모델이 LSTM과 GRU - 단기기억을 오래 기억할 수 있도록 고안된 모델 - 많은 이전 정보를 기억해야 하기 때문에 훈련속도가 느리며, 시스템 저장 공간이 많이 필요함 - LSTM의 느린 속도를 개선하기 위해 고안된 모델 - 성능은 LSTM과 유사함 ** SimpleRNN, SLTM, GRU 모두 RMSprop 옵티마이저를 일반적으로 사용함. * 사용 라이브러리 정의 import tensorflow as tf from tensorflow import keras ### 영화 감상평에 대한 긍정/부정 데이터셋 from t..

- RNN은 텍스트 처리를 위해 고안된 모델 (계층) - 바로 이전의 데이터를 재사용하는 신경망 계층임 - 심플 순환신경망(simple RNN) - 장가기억 순환신경망(LSTM) - 게이트웨이 반복 순환신경망(GRU) * 사용 라이브러리 import tensorflow as tf from tensorflow import keras ### 사용할 데이터셋 from tensorflow.keras.datasets import imdb import numpy as np - 순환신경망에서 대표적으로 사용되는 데이터셋(외국) - 케라스에서 영어로 된 문장을 정수(숫자)로 변환하여 제공하는 데이터셋 - 감상평을 긍정과 부정으로 라벨링 되어있음 - 총 50,000개의 샘플로 되어 있으며, 훈련 및 테스트로 각각 25,..

- 인공신경망의 한 종류 - 주로 이진분류 또는 다중분류에 사용되는 초기 인공신경망 모델 - 종속변수가 연속형인 회귀에서는 사용되지 않음(분류에서만 사용) - 퍼셉트론에는 단층 퍼셉트론과 다층 퍼셉트론이 있음 - 주로 다층 퍼셉트론이 성능이 좋음 - 입력층과 출력층으로만 구성되어 있음. - 주로 이진 분류에 사용됨(성능이 낮은 경우, 다층 퍼셉트론으로 사용) - 선형 활성화 함수를 사용 - 입력층, 은닉층(하나이상), 출력층으로 구성됨 - 주로 다중 분류에 사용됨(이진 분류도 가능) - 여러 층(입력, 은닉, 출력)으로 이루어져 있다고 해서 "다층"이라고 칭함 - 은닉층에서는 비선형 활성화 함수를 사용할(시그모이드, 렐루, 등등...) - 발전된 모델들이 현재 사용되는 모델임 현재도 계속 나오고 있음 *..