호기심 많은 분석가

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 📔개인학습 Competition Overview(EDA&Metric) 1. COCO Dataset 1-1. COCO Format info, license, images, categories, annotations info에는 data set에 대한 high-level의 정보가 포함되어 있음 생산일, Contributor, 간단한 설명 등 images에는 data set의 image 목록 및 각각의 width, height, file_name(path), id 등을 포함 categories에는 class 정보가 입력 됨 annotations의 밑에 있는 segmentation에는 각 class에 해당되는 ..

온라인의 인연을 오프라인에서 - Boostcamp [BoostCamp] Week1_Day3. 예상치 못한 인연의 시작 부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 개요 3일 차에 접어들면서 들을 것도 많고 과제도 점점 많아지고 내 herjh0405.tistory.com 저번 포스팅에서는 부스트캠프에서 만난 소중한 분들과의 이야기를 다뤘다. 그분들에 이어 나에겐 연예인과 같았던 강천성 멘토님(캐글코리아 단톡방에서만 봄)과 학교에서 특강도 듣고 조언이 필요할 때 도움도 주신 김태진 마스터님과 식사를 하고 3번째 대회부터 함께하고 있는 앞으로도 오랫동안 만날 우리 팀과도 만남을 가졌다.🌟 이번 부스트캠프에서는 3번째 대회부터는 쭉 한 팀으로 지속하게 되..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 📙개인학습 (09-1강) Multi-modal Learning Multi-modal : 한 타입의 데이터가 아니라 다른 데이터도 같이 학습하는 학습법 Ex. 텍스트 + 사운드 1. Multi-modal learning overview 시각에 청각도 함께 사용하는 것을 Multi-modal, 맛처럼 하나만 사용하는 것을 Unimodal이라 함 Multi model의 어려움 - 데이터들이 다 표현 방법이 다름 서로 다른 모달리티에서 오는 정보의 양도 언밸런스하고 피쳐 스페이스에 대한 정보도 언밸런스하다. avocado 모양의 armchair를 요구했을 때 나올 수 있는 가짓수가 너무 많음 1-N 머신러닝에서..

[BoostCamp] Week1_Day3. 예상치 못한 인연의 시작 부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 개요 3일 차에 접어들면서 들을 것도 많고 과제도 점점 많아지고 내용도 조금 어려워지며 살짝 두려움에 떨고 있 herjh0405.tistory.com 부스트캠프 3일 차에 피어세션이 피어씁니다 이후 10분간 랜덤으로 만났던 분들이 있었다. 🎉 이때의 인연을 태현님 덕분에 쭈욱 이어오고 있었는데, 이러저러한 이유로 만남이 지연되다가 이번에 내가 서울 올라오고 모두의 시간이 맞아 하루 즐겁게 시간을 보냈다. 👋 태현님은 대구에서, 재혁님은 수원에서 올라오시고 현재 두 분과 같은 팀을 하고 계신 종현님도 합류하셨다. 처음 듣는 분이라고 생각했..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 📙개인학습 1. Conditional Generative Model 1-1. Conditional generative model 왼쪽과 같이 스케치된 영상을 오른쪽의 이미지로 변화해주는 문제 언어가 다를 때 번역하는 것과 같아 Translation 한다고 표현 Translating an image given condition == 하나의 정보가 주어졌기 때문에 condition 되었다고 표현(조건이 주어졌다) → 조건이 주어졌기 때문에 Conditional Generative Model이라 부름 일반적으로 확률분포를 모델링하는 기법이기 때문에 샘플링을 할 때도 높은 확률에서 샘플링이 될 것 Generat..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 📙개인학습 (07강) Instance/Panoptic Segmentation and Landmark Localization Segmentation과 object detection의 연구들을 살펴보면 18년도 이후로는 진행이 안되고 있다. 각각의 Task보다 Instance/Panoptic Segmentation 문제로 고도화되었기 때문이다. 1. Instance segmentation 1-1. What is instance segmentation? Instance와 Semantic의 차이는 같은 클래스의 물체라도 객체(Instance)가 다를 때 구분이 가능한지 여부이다. Instance Segmenta..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 📙개인학습 1. Visualizing CNN 1-1. What is CNN visualization? CNN is a black box 우리가 배운 CNN 기반의 NN는 단순히 학습 가능한 convolution과 non-linear activation function들의 연산기이다. → 인간의 성능을 뛰어넘기도 함 그런데 가끔 성능이 안나올 때가 있다. 기계가 이러면 뜯어서 확인해볼 텐데 CNN은 워낙 복잡한 구조로 얽혀있어서 그것이 어려움(Black box라 불리는 이유) → 시각화를 통해서 확인하고자 함 시각화를 하는 이유 What is inside CNNs (black box)? Why do the..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr (05강) Object Detection 1. Object detection Object detection란? 요즘 Semantic segmentation에서 Instance segmentation, Panoptic segmentation까지 구현한다. 그것들을 가능케하려면 한 가지가 필요한데 그것이 바로 Object detection이다. Class별로 구분된 물체들에서 각각을 구별하기 위해 사용된다. Object detection은 Classification과 Box localization을 동시에 하는 Task이다. (여담이지만 애기가 참 귀엽군요) 어디에 주로 활용되는가? 대표적인 사례가 자율주행..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr 1. Semantic segmentation 픽셀 단위로 구분하는 작업 사람이 두명 있는, 같은 클래스이지만 사물을 구별할 때는 사용하지 않음 1-2. Where can semantic segmentation be applied to? Medical images Autonomous driving 영상 내의 컨텐츠를 이해하는 데 다양하게 사용 어떤 오브젝트만 수정하고 싶다라는 신호를 주기가 쉽다 (오브젝트 별로 구분되므로) → 유저 인터페이스가 제공되기 쉽다 Computational photography 2. Semantic segmentation architectures 2-1. Fully Convolu..

부스트캠프 개발자의 지속 가능한 성장을 위한 학습 커뮤니티 boostcamp.connect.or.kr (03강) Image Classification 2 1. Problems with deeper layers AlexNet에서 VGGNet으로 발전하면서 더 깊은 네트워크가 더 좋은 성능을 보여준다는 것을 확인했음 깊을수록 복잡한 데이터도 보다 더 잘 학습할 수 있다 더 큰 Receptive field를 가지기 때문에 더 많은 주변을 참조해서 신중히 결론 활성 함수도 더 많이 사용할 수 있다 하지만 더 깊기만 하면 언제나 좋을까? 그렇지 않다. 그렇다면 왜? Deeper networks are harder to optimize 더 깊게 쌓을수록 gradient가 accumulate 되면서 Gradient ..