Sims의 문제해결 저장소

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..

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..