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..

딥러닝 분야는 다양한 분야가 있지만 그중에 비젼분야 중 Detection 분야는 특정 객체를 바운딩박스로 표현해 주기때문에 시각적인 효과로 인해 엄청나게 큰 인상을 남길 수 있다.하지만 딥러닝은 언제나 그렇듯 가장 처음 준비해야 할 것은 데이터라는 것을 알 수있을 것이다. 비젼 Classification의 경우 원하는 이미지를 크롤링, 다운로드 등 다양한 방법으로 수집만 하면 되지만,디텍션같은 경우는 학습하고자 하는 객체의 Bbox(바운딩 박스)가 필요하여 사람이 수작업으로 표시해줘야 하는 경우가 많다. 즉, 디텍션 테스크를 하면 때놓은 수 없는것이 Bbox 라벨링 작업이다. 시중에 라벨링을 전문적으로 처리하는 회사는 자체적으로 웹상 툴을 제공하여 크라우드워커에게 제공을 해주만,개인적인 프로젝트나, 자체..

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..

회사일을 하면서 공부한 내용을 기록하는걸 하지않았는데 티스토리에서 위와같은 이벤트를 진행합니다.이 이벤트는 3주동안 매일 블로그에 글을 쓰고 글력을 올리고 이벤트도 참여하는 일석이조의 이벤트입니다! 이벤트 참여 상품도 빠방하니 하고자 하는 의지가 생기네요! 마침 초심으로 돌아가보고자 티스토리에 글을 다시 업로드 하려고 했는데 타이밍이 아주 좋습니다!필자도 3주간 빠지지 않고 열심히 기술 블로그 글을 작성해보겠습니다!  https://www.tistory.com/event/write-challenge-2024 작심삼주 오블완 챌린지오늘 블로그 완료! 21일 동안 매일 블로그에 글 쓰고 글력을 키워보세요.www.tistory.com

**Albumentations에서 제공해주는 colab를 기반으로 진행했습니다.https://colab.research.google.com/github/albumentations-team/albumentations_examples/blob/main/notebooks/example_bboxes.ipynb#scrollTo=VwRBn5HRj5H5 Google Colab NotebookRun, share, and edit Python notebookscolab.research.google.com https://albumentations.ai/docs/getting_started/bounding_boxes_augmentation/ Albumentations Documentation - Bounding boxes ..

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..