ZOELOG

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-title="GitHub - rickiepark/Generative_Deep_Learning_2nd_Edition: 의 코드 저장소" data-og-type="object" data-ke-align="alignCenter" data-ke-type="opengraph"> GitHub..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다. https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-title="GitHub - rickiepark/Generative_Deep_Learning_2nd_Edition: 의 코드 저장소" data-og-type="object" data-ke-align="alignCenter" data-ke-type="opengraph"> GitHub..

이 게시물은 교재의 내용과 소스코드를 기반으로 실습한 내용을  기반으로 하고있다.https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/의 코드 저장소" data-og-description="의 코드 저장소. Contribute to rickiepark/Generative_Deep_Learning_2nd_Edition development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/rickiepark/Generative_Deep_Learning_2nd_Edition/" data-og-url="https:/..

앞선 게시글에서는 이미지의 모든 픽셀을 신경망으로 보내는 실습을 했는데 이번 게시글에서는 이미지의 특성을 추출해 신경망으로 보내는 실습을 하고자 한다. 즉 Feature extractor 생성이 가장 큰 특징이라고 볼 수 있다. 데이터는 앞선 게시글과 같은 캐릭터 이미지를 활용했다. 먼저 필요한 라이브러리를 임포트 import cv2 import numpy as np import os import zipfile from google.colab.patches import cv2_imshow import tensorflow as tf import pandas as pd import seaborn as sns import matplotlib.pyplot as plt #그래프 다음은 전체 이미지에서 픽셀을 추출..

심슨 애니메이션에 나오는 캐릭터 분류를 위한 신경망 예제를 진행해본다. 캐릭터 이미지는 케글에서 구할 수 있다. https://www.kaggle.com/datasets/ravinash218/homerbart1 Homer-Bart-1 www.kaggle.com 먼저 필요한 라이브러리를 임포트 import cv2 import numpy as np import os import zipfile from google.colab.patches import cv2_imshow import tensorflow as tf import pandas as pd import seaborn as sns import matplotlib.pyplot as plt #그래프 다음은 전체 이미지에서 픽셀을 추출한다. 구글 드라이브에 ..

객체 트래킹 vs 객체 감지 일반적으로 트래킹 알고리즘이 감지 알고리즘보다 빠름. 트래킹 알고리즘은 영상의 다음 프레임에서 이미 객체 트래킹을 위한 객체 위치를 알고있기 때문. 트래킹 알고리즘은 기존 데이터를 사용하고, 감지 알고리즘은 데이터 재사용 없이 프레임 단위로 처음부터 실행하므로 실행에도 더 오랜 시간이 소요됨. KCF(Kernal Correlation Filters) KCF 알고리즘은 커널상관 필터로 빠른 알고리즘이지만 영상 내 객체가 빠르게 움직이면 경계 상자가 객체를 놓치는 문제가 발생하기도 한다. 1. 첫 번째 프레임에서 감지해야할 객체에 대한 초기설정 또는 정의, 트래킹하려는 객체를 선택하는 초기 경계상자 생성 2. 파티클 필터(Particle Filter)라는 개념을..

Face Detection (얼굴 감지) VS Face Recognition (얼굴 인식) Face Detection의 목적은 얼굴을 식별하고 얼굴 주위로 경계 상자를 그리는 것을 말하고 Face Recognition은 인물이 누구인지 파악하는 목적으로 사용. 목차 1. Face Recognition에서 유명한 LBPH 알고리즘(이진 패턴 히스토그램) 2. Dlib 라이브러리를 이용한 인식기 구현, cnn과 거리계산 3. 웹캠을 통한 인식기 구현 LBPH (지역 이진 패턴 히스토그램) 이미지 행렬을 분석 이미지 행렬에서 중앙값보다 크거나 같은건 1, 중앙값보다 작은 건 0으로 치환해 이진수로 만드는 기법 12 15 18 5 8 3 8 1 2 위와 같은 이미지 행렬인 경우 if >= 8 이면 1, if <..

강의나 서적을 통해 기본적인 AI/ML에 대한 기반이론들을 공부하고있고, 실무적인 코드들도 다루고있는데, 여기 분야가 너무 급변하고 다양한 연구들이 나오다 보니 필수불가결로 논문리뷰를 함께 진행하려고 한다,, 관련 정보들을 구글링하다가 잘 정리된 블로그글들이 있어 인용하고자 한다. https://benn.tistory.com/54 AI/머신러닝 논문 사이트 추천 대학원 공부가 끝나고 나태해지는 나를 위해 쓰는 논문 사이트 모음집! AI/머신러닝/딥러닝 분야에 공부의 끝은 없음으로 꾸준히 새로운 아키텍처와 이슈를 알아주는 게 중요하다 ⭐ 대학원 공 benn.tistory.com https://scholar.google.com/ Google 학술 검색 거인의 어깨에 올라서서 더 넓은 세상을 바라보라 - 아이..