
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..

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..

C/C++ 코딩하다 보니 Static 변수가 나오는 것을 알 수 있었다.해당 변수는 어떤 역할을 하는 것일까? 일단, '정적'이라는 말은 '동적'이라는 단어와 반대가 되고, 뜻으로는 한번 정하면 변하지 않는 것.여기서 중요한게 '한번' 이다. 다들 알다시피 C/C++에서 지역변수, 전역변수가 존재하는 것은 알것이다.정적변수는 지역변수 + 전역변수를 합쳐놓은 것이다. 1. 지역변수 처럼 선언된 Block에서 실행됨2. 전역변수 처럼 '한번'만 초기화됨 예를 한번 살펴보자 위 코드를 살펴보면, local함수에 있는 count는 지역변수이기때문에 local 함수를 불러올때마다 1로 초기화 된다. 반면에 staticVar의 count는 static 변수이기때문에 위에서 말했던 것처럼, 전역변수처럼 한번만 초기..

AI 개발을 하면서, 서비스 측면에서 속도 향상을 위하여 C/C++로 코드를 바꿔야 하는 상황이 발생하여 C/C++ 개발 환경부터 정리하고자 한다. 예전부터 Visual Studio를 이용하여 C/C++ 코딩을 많이 한다고 한다. 하지만 한가지 중요한 제약사항이 존재한다.Visual Studio는 Window환경에서 코딩을 할때 주로 지원을 한다.위 사진에서 보듯 Studio는 윈도우 표시만 되어있는것을 확인하였다. 문제는 AI를 개발할 컴퓨터는 리눅스 환경이고 해당 컴퓨터에 GPU가 달려있어 굳이 윈도우 환경에서 개발을 진행해야겠다는 필요성을 못느꼈다. 대안으로, vscode를 사용하여 어느 환경에서도 C/C++를 코딩할 수 있도록 환경설정 하는 방법을 정리하고자 한다. 현재 포스팅은 Window환경에..

웹사이트의 정보를 긁어오기 위한 방법인 크롤링을 위한 도구로, 셀레니움을 많이들 사용한다. 왜냐면, 프론트엔드 부분에서 동적으로 변화하는 부분이 많기때문에, Beautiful soap 같은 경우 원하는 정보를 가져오지 못하는 경우가 다수이다. (정적 크롤링) 하지만, 셀레니움은 '크롬 드라이버'를 이용하기 때문에, 실질적으로 사람이 크롬을 사용하는 것처럼, 실제로 크롬을 띄워 작업하기 때문에 동적으로 변화하는 화면에서 크롤링이 가능하다. (동적 크롤링) 이때문에 셀레니움을 사용하는 방법을 정리하는 포스팅을 작성한다. 1. Selenium 설치 셀레니움을 설치하는 방법은 간단하다. pip install selenium을 통해 간단하게 설치하면 끝. 2. 크롬 드라이버 설치 셀레니움하면 반드시 설치해야 하는..
- Total
- Today
- Yesterday
- 초보자
- V11
- YOLO
- LLM
- 티스토리챌린지
- 오류
- github
- python
- 오블완
- 딥러닝
- 알고리즘
- 어탠션
- c3k2
- yolov11
- 이미지
- GNN
- GIT
- YOLOv8
- 깃
- 자바
- Tree
- DeepLearning
- CNN
- 뜯어보기
- 정리
- 디텍션
- 욜로
- docker
- java
- 도커
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |