코딩하는 해맑은 거북이

본 게시물의 내용은 '부스트캠프 AI Tech - CV (오태현)' 강의를 듣고 작성하였다. 해당 글은 아래의 4가지를 다룬다. 📌 Instance Segmentation 📌 Panoptic Segmentation 📌 Landmark Localization 📌 Detecting objects as keypoints 📌 Instance Segmentation 같은 클래스여도 객체(Instance)가 다르면 구분해주는 문제. 이러한 객체의 구분은 Object Detection을 기반으로 한다. - Mask R-CNN : Faster R-CNN + Mask branch Faster R-CNN과 거의 동일한 구조를 가지고 있지만, 여러방면으로 개선되었음. Faster R-CNN에서 정수 좌표만 지원하는 RoI ..

본 게시물의 내용은 '부스트캠프 AI Tech - CV (오태현)' 강의를 듣고 작성하였다. 해당 글은 아래의 3가지를 다룬다. 📌 Visualizing CNN 📌 Analysis of model behaviors 📌 Model decision explanation 📌 Visualizing CNN CNN은 해석이 안되는 Black Box 시스템이다. CNN의 Black Box의 내부는 어떻게 생겼는지? 왜 성능이 잘나오는지? 어떻게 하면 성능을 더 높일 수 있는지? → 이러한 질문들에 해법을 찾는 방법중 하나가 CNN Visualization 이다. Black Box에 들어있는 정보들을 시각화함으로써 설명 가능한 모델을 만드려는 시도이다. - Deconvolution을 이용해서 Visualization ..

강의 내용 1. Data Visualization 해당 강의에서는 대부분이 이론으로만 끝나지않고 여러 데이터셋을 가져와서 직접 시각화해보며 눈으로 확인해보는 실습을 할 수 있어서 유익했다. 또한, 마스터님께서 시각화를 하는 여러가지 방법에 대해 외우지말고 찾아쓰면 된다하셔서 안심되었다(이유: 시각화 이외에도 더 중요한 외울 것들이 많아서..) 2. CV 이번 컴퓨터비전 강의에서는 딥러닝 기초에서 압축해서 배웠던 부분을 좀 더 상세하게 설명해주셔서 이해가 잘되었다. 그리고 이번 과제는 어려웠지만 해내고나니 논문을 한 편을 읽은 것 같은 느낌이 든다.. 확실히 눈으로 보는 것보다 직접 코드를 짜며 구현해보니 모델의 구조도 더 잘 이해할 수 있었다. 피어세션 이전에 3주간 진행했던 Github 공부를 끝내면서..

해당 글은 아래의 3가지를 다룬다. 1. Feature Map 2. Activation Map 3. Score Map Feature Map CNN에서 입력 이미지를 여러 계층으로 구성된 필터들과 convolution 연산을 거쳐서 처리하는데, 이때 각 계층에서 출력된 결과를 Feature Map (특성맵)이라고 한다. Feature Map은 입력 이미지의 특정 부분에 대한 중요한 정보를 담고있다. 그러므로 각각의 특징들을 패턴으로 읽어내는 것이 목적이다. Activation Map 앞서 CNN에서 출력된 결과가 Feature Map이라 하였는데, Activation Map (활성화 맵)은 이러한 Feature Map의 시각화한 것이다. 즉, 각 Feature Map이 각 위치에서 어떤 특성이 활성화되었는..

본 게시물의 내용은 '부스트캠프 AI Tech - CV (오태현)' 강의를 듣고 작성하였다.해당 글은 아래의 내용을 다룬다. 📌 Object Detection 🔷 Two-stage detector (R-CNN들) 🔷 Single-stage detector 🔷 Two-stage detector vs. Single-stage detector 🔷 Detection with Transformer 📌 Object DetectionInstance segmentation과 Panoptic segmentation은 Semantic segmentation과 달리 같은 클래스에 속하는 객체들끼리도 구분한다. 이때 객체들을 구분하는데 필요한 기술이 Object Detection이다. Object Detection은 Clas..

본 게시물의 내용은 '부스트캠프 AI Tech - CV (오태현)' 강의를 듣고 작성하였다. 해당 글은 아래의 내용을 다룬다. 📌 Semantic segmentation 🔷 Fully Convolutional Networks (FCN) 🔷 Hypercolumns for object segmentation 🔷 U-Net 🔷 DeepLab 📌 Semantic segmentation 영상의 픽셀 단위로 구분하는 문제이다. 영상 속에 object의 마스크를 생성한다. 단, 같은 클래스에 포함되지만 다른 물체는 구분하지 않는다. 🔷 Fully Convolutional Networks (FCN) 입력에서부터 출력까지 모두 미분가능한 뉴럴네크워크 형태(end-to-end)로 구성되어 학습을 통해서 target tas..