분류 전체보기

1. Git 파일 생성 저장소 생성 완료 후(git init), 새로운 파일 작업을 완료하였다. 이 파일을 저장소에 어떻게 반영할 수 있을까? 파일 영역의 라이프 사이클 : working directory->git add->staging area->git commit->repository 파일 상태의 라이프 사이클 새로운 파일 생성 먼저, comment.js(예를 들어)파일을 준비영역(staging area)으로 보내야 한다. git add명령어를 사용한다. git add commet.js 새로운 파일 생성(2) 한 번에 추가할 파일이 너무 많다면 현재 폴더를 대상으로 지정할수도 있다. git add . Staging 상태 확인 git status 명령어로 Staging area의 어떤 파일이 변경되었는..

1.가치 치기와 병합 여거가지 작업을 동시에 하는데 섞이면 안되는 상황이 있을 수 있다. 사용자는 일 단위, 기능 단위로 작업을 할수있기 때문에 가치를 만들어 main코드에서 독립성을 유지하는데 필요하다. 가지를 만들어 테스트를 진행한 후 가지를 병합을 통해 main코드에 반영한 후 main코드에서 배포할 수 있다. 2. 가볍고 빠르다. 로컬에서 진행된다. SVN : 중앙시스템에서 여러 개발자들이 접속하여 코드를 공유하기 때문에 항상 네트워크 필요->모든코드는 중앙시스템 git: 다른 사람과 코드를 공유할때만 중앙 서비스에 접속을 하면 되기 때문에 네트워크 속도에 관계없이 매우 빠르게 작업 진행->모든 코드는 각각 사용자들에게 있다. 3. 분산 작업 각각 개발자에게 코드가 있다. 통합 관리자가 있기 때문..

Git 초기 설정 1.사용자 정보 설정 저장소에 코드를 반영할 때 등록될 사용자 정보를 설정한다. 프로젝트 마다 다른 사용자 정보를 지정하고 싶으면 저장소 생성 후 --global 옵션을 빼고 실행해주면 된다. 2. 설정 정보 확인 아래의 명령을 실행하여 앞에서 설정한 내용을 확인해볼 수 있다. GIT 저장소 만들기 1) 기존 디렉토리를 git 저장소로 만들기 기존 프로젝트를 Git으로 관리하고 싶을 때, 프로젝트의 디렉토리로 이동해서 아래와 같은 명령을 실행한다. git init : 기존의 디렉토리를 git repository로 설정 이 명령은 .git이라는 하위 디렉토리를 만든다. 즉, 새로운 git 저장소가 만들어진다. git이 파일을 관리하게 하려면 저장소에 파일을 추가하고 커밋해야 한다. git..

논문 : http://openaccess.thecvf.com/content_cvpr_2016/html/He_Deep_Residual_Learning_CVPR_2016_paper.html Abstract Deeper neural network는 더 훈련시키기 어렵다. 우리는 이전의 사용되었던 것보다 실질적으로 더 깊은 네트워크의 훈련을 용이하게 하기 위한 residual learning framework를 제시한다. 계층 입력에 대한 learning residual 함수로 계층을 명시적으로 재구성한다. 우리는 이러한 residual network가 최적화하기 쉬우며 깊이가 상당히 높아져 정확도를 얻을 수 있음을 보여주는 포괄적인 경험적 증거를 제공한다. ImageNet dataset에서 우리는 VGG ne..

소개 YOLO는 You Only Look Once의 약자이다. 대략 R-CNN은 너무 느렸으며(5초), Fast R-CNN도 0.5프레임으로 느렸고, Faster R-CNN도 7프레임이 최대였다. 이때 YOLO가 등장하여 45프레임을 보여주었고 빠른 버전의 경우 155프레임을 기록하며 사람들을 놀라게 했다. R-CNN - Fast R-CNN - Faster R-CNN - YOLO는 대략 10배씩 속도차이가 난다. 게다가 성능도 FasterR-CNN에 비해 크게 떨어지지 않았다. 기존 방법과의 차이점 R-CNN 계열의 검출 네트워크들은 영상에서 오브젝트가 있을 것 같은 후보(ROI - Region If Interest : 관심영역)를 먼저 뽑는다. 후보로 뽑힌 ROI(영상의 작은 부분) 들은 분류기(Cla..

사전지식 1. SVM : support vector machine은 기계 학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다. 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만다. 출처: https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8%EC%8B%A0 2. Feature Descriptor 형상 기술자 : 유용한 정보를 추출하고 관계가 없는 정보를 버림으로써 이미지를 단순화하는 이미지 또..

YOLO 튜토리얼 1 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 1.YOLO 란? YOLO 튜토리얼 1.YOLO 란? YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고.. hohodu.tistory.com YOLO 튜토리얼 2 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 2. Creating the layers of the network architecture YOLO 튜토리얼 2. Creating the layers..

YOLO튜토리얼 1 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 1.YOLO 란? YOLO 튜토리얼 1.YOLO 란? YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고.. hohodu.tistory.com 사전지식 1. residual blocks : Residual이라는 것을 일종의 오차로 residual learning은 입력으로부터 얼만큼v달라져야하는지를 학습한다. ResNet에서 shortcut Connection을 x라 했을 때 shortcut connect..

YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고리즘에 비해 속도가 매우 빠르며, 높은 mAP(mean Average Precision)을 보인다. 하지만 작은 object에 대해서 낮은 정확도를 보인다. -The YOLO Detection System. YOLO로 처리하는 이미지는 간단하고 직관적이다. (1) Input image를 resize한다. (2) image에서 작동하는 single convolutional network(1 X 1 convolutions)를 실행한다. (3) 해당 모델을 통해서 나온 확..

사전지식 Face Detection with cascade Object Detector 그림1.에서 머신러닝의 학습데이터로써 사람의 얼굴이 포함된 Positice lmage와 얼굴이 포함되지 않은 Negative Image를 사용하며 Positive Image에서 사람의 얼굴을 ROI(Region Of Interest)로 표시한다. 다음으로 영상에서 특징을 추출하는 작업을 수행하는데, 사람 얼굴의 특징을 추출하기 위해서는 Haar-like feature나 LBP(Local Binary Patters)등이 자주 사용된다. 그리고 분류기를 훈련시키는 작업이 이어지게 된다. Cascade of Classifier라는 분류가 한 번에 결정되는 것이 아니라 여러단계(Cascade)의 분류과정을 거치게 된다. 출처..