Sims의 문제해결 저장소

https://sims-solve.tistory.com/125 YOLOv8 이해하기 (3) - Detection output shapehttps://sims-solve.tistory.com/123 YOLOv8 이해하기 (2) - Headhttps://sims-solve.tistory.com/122 YOLOv8 이해하기 (1) - Backbone디텍션 테스크를 하다보면 YOLO를 한번쯤은 들어본적이 있을 것이다.물론 YOLO가 너무 유명sims-solve.tistory.com지금까지 모델의 구조와 최종 output을 살펴보았다. 결국 Detection을 모두 진행하면 (batch, ClassNum + 4(xywh) , 8400(Gird cell 수 )) 가 나오는 것을 알 수 있었다.해당 정보를 바탕으로 ..

https://sims-solve.tistory.com/123 YOLOv8 이해하기 (2) - Headhttps://sims-solve.tistory.com/122 YOLOv8 이해하기 (1) - Backbone디텍션 테스크를 하다보면 YOLO를 한번쯤은 들어본적이 있을 것이다.물론 YOLO가 너무 유명해서 관심이 없어도 한번쯤은 들어봤을 것이다.. sims-solve.tistory.comYOLOv8의 head부분에서 Detection을 지나면 각각 어떤 shape의 결과물이 나오는지 살펴보았다.이 3개의 서로다른 size의 grid cell로 나눈것을 합쳐서 최종적으로 Loss를 구하기 위한 형태로 변경하는 과정이 더 필요하다. 최종적으로 어떤 형태로 output이 나오는지 살펴보고, 어떤 의미를 가지..

https://sims-solve.tistory.com/122 YOLOv8 이해하기 (1) - Backbone디텍션 테스크를 하다보면 YOLO를 한번쯤은 들어본적이 있을 것이다.물론 YOLO가 너무 유명해서 관심이 없어도 한번쯤은 들어봤을 것이다.. 디텍션에는 2-stage / 1-stage 두개로 나뉘는데, YOLO는 1-stagsims-solve.tistory.com 이전까지는 YOLOv8의 BackBone이 어떻게 돌아가는지 코드를 디버깅해보고, 손으로 input image의 shape의 변화를 작성해 봤다. BackBone은 이미지의 특성을 추출하는 부분으로, 다수의 feature map을 만드는 역할을 해준다.이제, 생성된 Feature 맵을 이용하여 Detection에서 필요로 하는 Bbox의..

디텍션 테스크를 하다보면 YOLO를 한번쯤은 들어본적이 있을 것이다.물론 YOLO가 너무 유명해서 관심이 없어도 한번쯤은 들어봤을 것이다.. 디텍션에는 2-stage / 1-stage 두개로 나뉘는데, YOLO는 1-stage로 bbox, classification 두개를 한번에 하는 모델 구조를 말한다.(반대로 2-stage는 localizaion 과 classification을 다른 두개의 모델을 이용하여 예측하게 된다. )  해당 포스팅은 realtime detection의 가장 큰 부분을 차지하는 YOLO에 대해 알아보고, 특히 v8에 대해 정리하고자 한다. 실질적으로 ultralytics가 배포한 yolov8n의 모델은 어떻게 구성되어있는지 살펴보고, code가 어떻게 구성되어 있는지도 공부해보..

지난번 포스팅은  YOLO의 기반이 되는 최초의 YOLO를 정리하였다.혹시 YOLOv1을 아직 모른다면, 최소한 한번쯤은 학습을 하고 v2,3,4,5.... 다음 step의 모델들을 보는게 좋다.이유는 YOLOv1이 전체적인 YOLO의 틀이며 next step으로 나온 버전들은 YOLOv1을 기반으로 개선작업을 통해 스피드, 정확도를 높힌 YOLO 모델이기 때문에 Base Model이 되는 YOLOv1은 꼭 살펴보길 바란다.https://sims-solve.tistory.com/118 [Deep Learning] YOLOv1 정리 - YOLO의 시작해당 포스팅은 YOLO의 가장 기초가 되는 V1을 정리하고자 합니다. YOLO의 관심을 가지고 살펴본 분들은 현재 기준 v10까지 나온걸 알고 있을겁니다.그리..

해당 포스팅은 YOLO의 가장 기초가 되는 V1을 정리하고자 합니다. YOLO의 관심을 가지고 살펴본 분들은 현재 기준 v10까지 나온걸 알고 있을겁니다.그리고, YOLO가 object detecting, segmentation 등 테스크를 수행 할 수 있다는 것도 알고 있을겁니다.여기서는 Detecting을 한번 살펴볼까 합니다. v10까지 나왔지만, v1을 이야기 하는건 YOLO의 기본을 알고 변경되는 사항들을 아는것이 좋다고 생각해서 입니다.해당 포스팅은 해당 유튜브 영상을 참고하여 작성하였습니다https://www.youtube.com/watch?v=zgbPj4lSc58&t=765s  YOLO는 실시간으로 사진에서 object(객체)를 인식하여 위치, Class를 분류해주는 모델이다.기존 RCNN..

1. 그래픽카드 드라이버 설치 1) 그래픽카드 드라이버 설치 여부 확인 nvidia-smi 명령어를 cmd 나 anaconda prompt 에서 입력 그래픽카드 드라이버 설치가 되어있는 경우 : 위와같은 모습을 보여주지 않는다면, 그래픽카드 드라이버 설치가 안되어 있는것. https://www.nvidia.com/Download/index.aspx?lang=kr Download the latest official NVIDIA drivers Download the latest official NVIDIA drivers www.nvidia.com 해당 링크를 통해 자신의 제품명을 입력하여 드라이버 설치를 진행하여 "nvidia-smi"명령어를 다시 실행하여 잘 설치 되었는지 확인. 2. CUDA Toolki..

1. MaxPool1d torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) 1) kernel_size : 커널 사이즈 2) stride : 커널 이동 정도 3) padding : 좌우 패딩 4) dilation : 커널 거리 정도 5) return_indices : 선택된(maxpooling에 사용한 ) index return 여부 6) ceil_mode : False = 내림을 이용하여 계산 , True = 올림을 이용하여 계산 input_data : (N , C , L) 형태를 띄고있음 N : 갯수 , C : 채널 , L : 2. MaxPool2d torch.nn..