🟣 Intro Object detection은 딥러닝 task에서 기본적이지만 가장 널리 쓰이고 있을 정도로 중요한 task이다. 특히 YOLO라는 논문은 굉장히 유명했지만 완전하게 이해할만한 기회는 없었는데, 이번 기회에 차근차근 object detection을 한번 정리해보려한다. ⚪ Object detection이란? Object ...

🟢 7-(3). Transfer Learning(전이 학습)이란? ⚪ Feature extraction vs. Fine-tuning? Feature Extraction: pretrained model의 중간 feature만 사용하고, classifier만 새로 학습. Fine-tuning: 전체 모델 또는 상위 일부 레이어를 재학습. ...

🟢 7-(2). Data Augmentation이란? Data Augmentation이란, 기존 학습 데이터를 다양한 방식으로 인위적으로 변형하여 데이터의 다양성과 양을 증가시키는 기법. 이는 모델의 일반화 성능을 향상시키고, 과적합(overfitting)을 방지하는 데 매우 유용하다. ⚪ 주요 목적 데이터 부족 문제 해결 모델의 일반...

🟢 7-(1). 리사이징(Resizing)과 정규화(Normalization)를 하는 이유? ⚪ Resizing ? 모델 사전 학습 구조와 일치: 사전 학습(pretrained)된 모델은 특정 크기(예: ImageNet 기준 224×224)로 학습되었기 때문에 동일한 입력 크기가 필요함. 데이터를 통일시킴: 동일...

🟣 Albumentations ⚪ 특징 (Feature) Albumentations Torchvision 주요 장점 빠른 속도 다양한 변환(Augmentation) 기법 다양한 CV Task 지원 PyTorch와의 완벽한 호환성 간편한 사용...

🟣 W&B 항목 TensorBoard W\&B 설치 및 연동 로컬 서버 필요 클라우드 기반, 바로 공유 가능 실험 추적 로그 저장만 가능 실험 비교, config 기록, resu...

🔵 git의 장점을 느끼는 요즘 요즘 여러대의 PC에서 git을 활용하고 손쉽게 버전 관리를 하고 있다. 아직 혼자 작업하는 수준이라 git을 활용한다고 해봐야 Github에 저장된 내 작업물을 pull하고 작업이 끝나면 push하는 정도로 활용 중이다. 이렇게 작업하면 안전하게 내 코드가 관리가 되는 상황이면서 내 공부 기록이 한 줄 한 줄 남...

🟢 6-(2). 오토 인코더가 적용되기 적합한 상황 ⚪ AutoEncoder ? [auto-] 혼자, 독자적으로, self, same x ──▶ [Encoder] ──▶ z ──▶ [Decoder] ──▶ x' ⚪ 오토인코더 적용사례 차원 축소 (Dimensionality Reduction) : x ➡ x 이상치 탐지 (A...

🟣 Intro 앞서 super().__init__을 통해 부모 클래스를 상속받아 초기화하는 과정을 공부해보았고 이제 Dataset 클래스와 비교를 해보면서 조금 더 이해해보려고 한다. ⚪ nn.Module 클래스 vs. torch.utils.data.Dataset 클래스 결론부터 얘기하면 - nn.Module은 상태를 가지는 복잡한 기계에...

🟢 6-(1). CNN을 구성하는 각 레이어의 역할. ⚪ CNN: Convolutional-Neural-Network CNN의 경우 크게 4가지 layer로 구성된다 Convolutional Layer: 이미지의 지역적 특징(Local Feature)을 탐지하는 필터(Filter) 역할 Activation Funct...