AI시작 (22) 썸네일형 리스트형 YOLO v1~v3 퀵 리뷰 급할때 보려고 만든 YOLO v1~v3 퀵 리뷰 입니다. YOLO You only look once: Unified, real-time object detection * 하지만 만약 필요하다면 앞 블로그 참조하고 오셔도 좋습니다. 1. 딥러닝 영상분석 3총사를 구분하시나요 6-1 Faster RCNN, YOLO, SSD 심플 차이점 ... 그럼 시작합니다. ☆ Detection without Proposals: YOLO Go from input image to tensor of scores with one big convolutional network! https://pjreddie.com/darknet/yolo/?utm_source=next.36kr.com 이미지를 일정크기 그리드셀로 나누어 예측 x,.. Yolo SSD 딥러닝 영상분석 최적화 과정 - 목차(업데이트) 케이트쌤과 왕박사가 진행하는.. Yolo SSD 를 적용해서 개발 또는 연구하고자 하는 분들을 위한 아카데미 3일 과정 목차입니다.. 1. 딥러닝 영상분석과 CNN 리뷰 2. FCN 과 Object Detection 개요 3. darknet Yolo 의 논문과 소스 소개 4. SSD 의 논문과 소스 소개 5. Nvidia 추론 라이브러리 TensorRT 6. Nvidia TX2 테스트 7. Tensorflow SSD 훈련 실습 1. TensorRT 이해와 활용 2. 훈련된 모델 export 및 convert 3. jetson inference 테스트 4. DeepStream 소개와 활용 5. Pytorch SSD - Jetson 보드에서 training, trt-onnx convert, - inferen.. Yolo v4 - 왜 어메이징한 네트워크인가 Yolo v4 가 나왔더군요. 그런데 정작 darknet 사이트에 가보면 휑 합니다. https://pjreddie.com/darknet/ 예전의 Yolo V3에 대하여 마음껏 자랑하던 그 분위기는 다 어디가고 심지어 V4 가 나왔다는 언급도 보이지를 않는데.. 무슨일일까요? 움.. Yolo V4 는 조셉 레드몬이 아닌 다른 분들이 개발한 (하지만) 어메이징한 네트워크이군요. 그래서 저자가 다르니 github 조차도 (당연히) 다릅니다. V1~3 : https://github.com/pjreddie/darknet V4 : https://github.com/AlexeyAB/darknet 원작자는 자기 기술이 군사 기술에 사용되는게 싫으시다고 업계에서 손절하셨답니다... 일단 논문을 보는 것도 좋아요. ht.. Bag of Freebies 가 주목 받는 이유 Bag of Freesbies 라는 기술이 성능 향상에 키워드 중 하나가 될 전망인가 봅니다. 애초에 성능이 좋은 Faster RCNN 의 경우조차도 1.1~1.7%의 성능향상이 있는데 YOLO V3 가 5% 나 좋아졌군요. 그래서 조셉 레드몬 님께서 이 업계에서 손털고 나간 후 후임자가 YOLO V4 를 개발할 때 Bag of Freesbies 를 대놓고 도입했나봅니다. Object detection 은 컴퓨터 비전에서 가장 기본적인 응용 프로그램 중 하나입니다. 최신 최첨단 탐지기 (이미지 분류 및 YOLO와 같은 single-stage 또는 RC와 같은 multiple-stage 포함)는 VGG, ResNet 등과 같은 이미지 분류 백본 네트워크를 기반으로합니다. inference 중에 추가 계산 .. Efficient Net : AutoML 과 모델 Scaling 을 통한 정확도와 효율성 향상 근래에 EfficientNet 에 대해 생각도 고민이 많다. 오 구글이 역시 또... !!! (은근 TPU 자랑질은 덤이더라) 근데 속세의 혐생 개발자가 오토 ML 씩이나 돌려야한다니 너무 사치스러운거 아닌가 자괴감 들고... 하지만 뭐 어쩔꺼나 AI 인생 인퍼 속도랑 성능만 쩔면 그만 아닌가 싶기도 하고 ... (고민의 물레방아) ----------------------------------------------------------------------------- CNN (Convolutional Neural Network)은 일반적으로 고정 리소스 비용으로 개발 된 후 더 많은 리소스를 사용할 수 있을 때 더 나은 정확도를 달성하기 위해 확장(scaled up) 됩니다. 예를 들어, 레이어 수를 .. ResNet 소개 CNN 네트워크로써 정확도를 높히려면 '더 깊은 곳으로 가야합니다' 만 네트워크의 깊이가 특정 임계 값을 넘어서면서 기존의 CNN은 제대로 작동하지 않습니다. ResNet (Deep Residual Learning for Image Recognition, Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, 2015) 을 사용하면 보다 Deep 한 네트워크 트레이닝이 가능해집니다. 2012 년에 Krizhevsky 는 Deep Convolutional Neural Network 를 위한 레드 카펫을 출시했습니다. 이는 전통적인 CNN의 기초가 되었으며 Convolution 레이어와 활성화 기능, Max Pooling 작업이 뒤 따릅니다 (때로는 풀링 작업이 생략되어 .. 5-3 GoogLeNet (Inception v1) GoogLeNet (Inception v1)— Winner of ILSVRC 2014 (Image Classification) GoogLeNet 은 image classification competition 인 ILSVRC (ImageNet Large Scale Visual Recognition Competition) 2014년 winner 이며 ZFNet (2013 년 winner )과 AlexNet (2012 winner) [3], VGGNet (2014 년 winner )에 비해 오류율이 상대 적으로 낮습니다. 'GoogLeNet'이라는 이름에서 Google은 Google의 이름임을 이미 알고 있습니다. 또한 "GoogLeNet"에는 Yan LeCun 교수의 LeNet 에게 경의를 표하는 "LeNe.. 3-2 CNN 용어들 (Kernel, Stride, Pooling..) 1. Convolution 2. 필터(Filter) , 커널(Kernel), 가중치(Weight) same 3. 채널(Channel) color 4. 스트라이드(Stride), 패딩(Padding) 커널 이동 보폭, output size 보존을 위한 방법 5. 액티베이션 맵(Activation Map), 피처 맵(Feature Map) Conv 의 결과 레이어, training 이 끝난 후 6. 풀링(Pooling) 레이어 * 참고 FC (Fully Connected Layer) : 기존 뉴럴 네트워크에서 인풋을 벡터화시켜서 W와 곱해주는 방식 FCN (Fully Convolutional Network) : 전체 CNN 네트워크 아키텍쳐의 마지막에 사용되던 FC를 제거하고 전체를 Conv 를 사용하는 방식 이전 1 2 3 다음
