코딩하는 해맑은 거북이

본 게시물의 내용은 '부스트캠프 AI Tech - Semantic Segmentation (김현우)' 강의를 듣고 작성하였다. 해당 글은 아래의 4가지를 다룬다. 📌 FCN의 한계점 📌 Decoder를 개선한 Model 🔷 DeconvNet 🔷 SegNet 📌 Skip Connection을 적용한 Model 🔷 FC DenseNet 🔷 Unet 📌 Receptive Field를 확장시킨 Model 🔷 DeepLab v1 🔷 DilatedNet 🔷 DeepLab v2 🔷 PSPNet 🔷 DeepLab v3 🔷 DeepLab v3+ 📌 FCN의 한계점 1. 객체의 크기가 크거나 작은 경우 예측을 잘 하지 못하는 문제 큰 Object의 경우 지역적인 정보만으로 예측 버스의 앞 부분 범퍼는 버스로 예측하지만, ..

본 게시물의 내용은 '부스트캠프 AI Tech - Semantic Segmentation (김현우)' 강의를 듣고 작성하였다. 해당 글은 아래의 2가지를 다룬다. 📌 FCN (Fully Convolutional Networks) 📌 FCN 구조 🔷 FCN-32s 🔷 FCN-16s 🔷 FCN-8s 📌 FCN (Fully Convolutional Networks) 1. VGG 네트워크 백본을 사용 (Backbone : feature extracting network) 2. VGG 네트워크의 FC Layer (nn.Linear)를 Convolution 으로 대체 Convolution : 각 픽셀의 위치정보를 해치지 않은채로 특징 추출 FC Layer (Fully Connected Layer) : 각 픽셀의 위..

강의 내용 - Semantic Segmentation Semantic Segmentation과 관련된 모델들, 해당 Task 대회에서 사용하는 방법들과 현재 연구동향에 대해 알 수 있었다. 한꺼번에 많은 모델들을 배우면서 혼란스러웠지만, 정리해서 나중에도 보면 기억할 수 있도록 해야겠다. 피어세션 Semantic Segmentation 대회를 준비하면서 EDA와 해볼 여러가지 시도에 대한 토론과 최종 프로젝트를 준비를 위한 토론을 진행하였다. 최종 프로젝트를 생각하면 너무나 막막하지만.. 팀원들과 으쌰으쌰 잘 이겨낼 수 있을거라 믿는다..! 한 주 회고 더보기 (+) : 잘했던것, 좋았던것, 계속할것 (-) : 잘못했던것, 아쉬운것, 부족한것 -> 개선방향 (!) : 도전할 것 (etc) : 기타 등등 ..

본 게시물의 내용은 '부스트캠프 AI Tech lv2' Data Centric (OCR) 대회를 마치고 작성하였다. Data Centric 대회를 마치며... 해당 대회는 기존의 많이 진행하는 대회와는 달리, 모델의 구조는 건들지 않고, 데이터만으로 기존 모델의 성능을 개선시키는데 초점을 둔 OCR 대회이다. OCR Task 중 글자 검출(Text Detection) 만으로 해결하는 문제이다. 진료비 영수증 형태의 총 200장의 데이터셋을 제공해주었고, 전체 데이터셋 중 100장씩 train, test dataset으로 활용된다. 이후 캠퍼들이 실습을 통해 각 3장씩 라벨링 작업을 한 201장의 train 데이터셋의 추가적으로 제공되었다. 평가방법은 DetEval 방식으로 진행되고, GT 박스 중 ['m..

피어세션 - 저번주에 진행했던 이력서 피드백에 대해 개선하여, 이력서 피드백을 한번 더 진행하였다. - OCR 대회을 진행하면서, > Relabeling을 하기위한 역할을 분담하였다. > 각자 실험했던 부분에 대해 공유하였다. > 성능 개선을 위한 토론을 진행하였다. - OCR 대회에서 우리팀이 1등을 하게되어 마스터클래스에서 발표를 하기 위한 발표자료를 준비하였다. - 최종프로젝트 관련하여 우리팀이 생각하는 방향성에 대해 자료를 만들어 멘토링 시간에 발표하였다. 한 주 회고 더보기 (+) : 잘했던것, 좋았던것, 계속할것 (-) : 잘못했던것, 아쉬운것, 부족한것 -> 개선방향 (!) : 도전할 것 (etc) : 기타 등등 (느낀점) (+) Annotation Tool인 CVAT를 이용하여 Labeli..

강의 내용 - Data Centric Data Centric(OCR) 대회를 진행하기 앞서, 데이터와 관련된 데이터 제작과 Text Detection 관련 최신 연구, Annotation Tool 등에 대해 배울 수 있었다. 또한, 실습과정으로 직접 Annotation을 진행해보며 그냥 단순히 개개인이 정한 목적에 따라 bbox를 치는 것이 아닌 미리 정해진 Labeling Guide에 따라 정해진 목적에 맞게 bbox를 만들어야 양질의 일관성있는 좋은 데이터를 만들 수 있다는 것을 배울 수 있었다. 피어세션 - 대회와 관련하여 계획을 수립하고, 대회를 시작하기 앞서 EDA, 가이드라인, 기존 연구 등 역할을 나눠 조사하고 정리하였다. - 서로의 이력서에 대한 피드백과 논문 리뷰를 진행하였다. - 최종프..