아롱이 탐험대

Review 이전 시간까지 데이터 수집 및 처리에 관하여 코드를 작성하였다. 모든 전처리 과정을 마친 데이터를 각 train, validation으로 나누었고, 오늘은 이 데이터를 가지고 본격적으로 Neuron Net을 학습시키는 코드를 작성할 것이다. 개발 환경 CPU: i7-9700F GPU:NVIDIA GEFORCE RTX 2070 SUPER OS: UBUNTU 18.04 RAM: DDR4 16G LANGUAGE: python 3.6.8 CUDA: 10.1 LIBRARY pytorch: torch 1.5.0+cu101, torchvision 0.6.0+cu101 opencv: 4.4.0.42 matplotlib: 3.3.1 numpy: 1.19,1 전체 코드 https://github.com/yun..

EfficientNet과 매우 연관성이 큰 논문임으로 https://ys-cs17.tistory.com/30에 이어서 봐주길 바란다. EfficientDet은 2019년 11월 논문이 발표되었으며, EfficientNet과 같은 저자의 논문이고 이 저자들의 소속은 구글 브레인 팀이다. EfficientDet은 sota를 기록한 object detection 네트워크이다. 동급의 네트워크 예를 들어 amebaNet-based Nas-FPN과 같은 높은 ACC를 기록한 네트워크와 비교하자면 파라미터 크기의 있어 매우 효율적인 네트워크이다. 실 세계에서는 로봇, 모바일과 같이 효율적인 파라미터 값들을 갖는 네트워크가 필요하다. 지금까지 나온 효율적인 object detection network들도 많지만 이 ..

해당 논문은 MNasNet의 저자인 Mingxing Tan과 Quoc V.Le가 쓴 논문이고, 2019년 CVPR에서 발표되었다. ResNet의 residual block의 등장 이후로 CNN은 2가지 성향으로 발전하고 있다. 이는 정확도만 높이는 방향과 비슷한 정확도를 가지고 효율성을 높이는 방향이다. EfficientNet은 네트워크의 이름과 마찬가지로 정확도와 효율성을 높인 놀라 온 네트워크이다. EfficientNet은 ResNet기반이고, 정확히 말해 base network는 MNasNet을 사용한다. 모델의 구조를 설명하기에 앞서 네트워크의 성능을 높이는 방법은 크게 3가지이다. 1. Depth: layer의 수를 늘리는 방법 2. Width: network의 channel을 증가시키는 방법 ..

Review 이전 시간에는 데이터 수집과 디렉터리 변경 및 labeling에 대해 알아보았다. 이번 시간에는 matplotlib을 활용하여 그래프화 및 나머지 전처리에 대해 진행하겠다. 1편: https://ys-cs17.tistory.com/28 1. make_graph.py Code 전체 코드https://github.com/yunseokddi/pytorch_dev/blob/master/facial_age_classifier/EfficientNet_ver/data_preprocess/make_graph.py (1) __init__ class analysis_data: def __init__(self, root_dir, start_age, end_age): self.root_dir = root_dir ..

1. Motivation 이번 시간에는 pytorch를 사용하여 facial age dataset으로 학습시킨 facial age classifier를 개발해보자. 이제는 kaggle에 도전해볼 실력이 된 것 같아 facial age dataset classifier라는 재미있어 보이는 과제를 수행하기 위해 시작하였다. (kaggle 원본 링크: (https://www.kaggle.com/frabbisw/facial-age) 2. Process 우선 해당 problem은 classification이기 때문에 object detection보다는 난이도가 비교적 원활하다. 하지만 얼굴은 사람에 따라 노안이거나 동안인 사람도 있고, 인종, 피부 등에 따라서도 많이 엇갈리는 어려움이 존재한다. 처음에는 1살, ..

현재 진행 중인 AR 기반 스마트 팽이 애플리케이션 (국가 과제)를 개발하면서 작성한 문서이다. 객체는 스마트 팽이를 기반으로 설정하겠다. (다른 객체를 적용해도 상관없다.) 아래 yolov3 pytorch version을 기반으로 데이터 처리를 하였다. https://github.com/eriklindernoren/PyTorch-YOLOv3 eriklindernoren/PyTorch-YOLOv3 Minimal PyTorch implementation of YOLOv3. Contribute to eriklindernoren/PyTorch-YOLOv3 development by creating an account on GitHub. github.com 우리의 신경망 모델의 목표는 팽이를 인식하여 gpu 서..

머신러닝 프로젝트를 진행하기 위한 표준 워크플로우의 기술적 측면과 구현에 대해 살펴보자. 간단히 말하면 머신러닝 파이프 라인은 엔드-투-엔드 워크 플로우로, 데이터 집약적인 프로젝트의 다양한 측면으로 구성된다. 데이터 검색 일반적으로 프로젝트가 시작될 때 데이터 수집과 추출이 이루어진다. 데이터 세트는 구조화돼 있거나 구조화돼 있지 않은 데이터를 포함해 각종 형태로 제공되는데, 데이터가 누락되거나 노이즈가 있는 데이터가 포함돼 있을 때도 많다. 각 데이터 유형과 관리 측면뿐만 아니라 처리를 위해서도 특별한 구조가 필요하다. 경우에 따라 이미 구조화돼 있거나 구조화돼 있지 않은 공공 데이터 세트 또는 개인 데이터 세트를 포함할 수 있으며, 이 두 경우 모두 추출 메커니즘을 개발하는 것 외에 추가적인 데이터..

이 글은 convolution neural network에 대한 지식이 있으신 분, ResNet 논문을 이해하신 분, 논문을 이해하였지만 pytorch code로 구현해보고 싶으신 분들께 추천드립니다. 전체 코드는 https://github.com/yunseokddi/pytorch_dev/tree/master/ResNet_pytorch를 참고해주세요. 1. Overview 그동안 기초적인 논문을 읽고 리뷰와 분석을 하였습니다. 논문을 계속 읽을수록 논문의 대한 이해도는 높아졌으나 git hub에 올라온 코드들을 분석해보았을 뿐, 직접 구현을 해본 경험이 없어 이 참에 ResNet을 공부해보면서 pytorch code로 구현을 해보았습니다. 또한 논문만 읽는 것도 재미가 없어졌고, pytorch에 대한 이..