티스토리

개발챙 스터디
검색하기

블로그 홈

개발챙 스터디

chang-aistory.tistory.com/m

개발챙 님의 블로그입니다.

구독자
1
방명록 방문하기
공지 !!!블로그 이전!!! 모두보기

주요 글 목록

  • !!! 블로그 이전 !!! https://changaistudy.oopy.io/이 사이트에서 이전 글 링크와 함께 새로운 글을 보실 수 있습니다 ♥ 공감수 0 댓글수 0 2023. 8. 25.
  • DeepSORT(SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC) Abstract MOT에서 간단하고 효과적인 알고리즘이었던 SORT의 성능향상을 위해 appearance information을 통합 더 긴 기간동안의 occlusion에도 객체 트래킹이 가능함 효과적으로 identity(ID라 하겠다) switch를 줄임 SORT의 방향과 같이 계산적으로 복잡한 과정은 offline pretrain과정에 치우침 offline pretrain단계에서는 대규모 person re-identification dataset에서 deep association metric을 학습한다. online 적용에서는 visual appearance space에서 nearest neighbor queries를 사용해 measurement-to-track association을 구축 => 즉,.. 공감수 0 댓글수 0 2021. 10. 1.
  • SORT(Simple Online And Realtime Tracking) 오랜만에 논문리뷰 입니당.... https://arxiv.org/abs/1602.00763 Simple Online and Realtime Tracking This paper explores a pragmatic approach to multiple object tracking where the main focus is to associate objects efficiently for online and realtime applications. To this end, detection quality is identified as a key factor influencing tracking performanc arxiv.org (참고하면 좋은 글) kalman filter - https://brunch.c.. 공감수 0 댓글수 0 2021. 9. 28.
  • 컴퓨터구조 4주차 -1 ※ http://kocw.net/home/cview.do?mty=p&kemId=1388791 영남대학교 최규상 교수님의 KOCW강의를 듣고 작성한 글입니다. ※ Supporting Procedures in Computer Hardware Six Steps in Execution of a Procedure Main routine(caller) 가 parameters(=arguments) 를 procedure(callee)가 접근할 수 있는 곳에 위치시킨다. caller : 함수를 부르는 루틴 callee: 불러지는 함수 $a0 - $a3이 register에서 arguments를 위한 곳 (four argument registers) Caller가 callee로 control을 넘긴다. (callee가 실행.. 공감수 0 댓글수 0 2021. 8. 20.
  • 컴퓨터구조 3주차 -2 ※ http://kocw.net/home/cview.do?mty=p&kemId=1388791 영남대학교 최규상 교수님의 KOCW강의를 듣고 작성한 글입니다. ※ 이번 강의에는 전공수업 디지털 공학에서 배운 내용이 많이 들어가 있었다. 음수를 타나내기 위한 2s-Complement Signed Integers 2의 보수 방식 Sign Extension bit 수 증가할 때 어떻게 처리할 것인가 bit수는 증가했지만 나타내는 수는 같도록 해야한다. In MIPS Instruction set addi : 결국 immediate value값을 32 bit으로 바꾸어 레지스터에 더해주어야 한다. lb(load byte) , lh(load halfword) : 메모리로부터 1byte/halfwore(2byte) 받.. 공감수 0 댓글수 0 2021. 8. 18.
  • wget으로 google drive에서 파일 다운 1. 구글드라이브에서 파일에 마우스 우클릭으로 공유 가능한 링크 생성 - 모든 사용자가 볼 수 있게 옵션 설정 2. https://drive.google.com/file/d/[FILEID]/view?usp=sharing 형태의 링크가 생성됨 3. wget --no-check-certificate 'https://docs.google.com/uc?export=download&id=[FILEID]' -O FILENAME 용량이 크다면 $ curl -c ./cookie -s -L "https://drive.google.com/uc?export=download&id=[FILEID]" > /dev/null $ curl -Lb ./cookie "https://drive.google.com/uc?export=down.. 공감수 0 댓글수 0 2021. 8. 12.
  • docker로 ubuntu18.04 /cuda10.1 /cudnn7 /opencv4.4.0/pytorch1.4.0 환경 만들기 프로젝트 진행 중 ubuntu 18.04, cuda 10.1, cudnn 7, opencv 4.4.0, pytorch 1.4.0 의 환경을 구성해야 하는 일이 생겼다. docker로 가상환경을 구상하고자 한 것은 반복되는 서버 초기화에 지쳤고...^^ conda환경은 이제 트렌디하지 않기 때문이다 시간이 많이 없고 처음 해보는 거라 깊은 이해없이 하게 된 감이 없지않아 있지만 ㅠㅠ docker에 대한 깊은 이해는 앞으로 해가도록 하고 일단 이 환경을 구성하는데 성공한 것에 박수를 치면서 ㅎㅎㅎㅎ 경험을 공유하고자 한다 ubuntu 18.04환경의 원격서버에서 진행하였다 1. base가 되어줄 nvidia/cuda:10.1-cudnn7-devel-ubuntu18.04 이미지 pull https://gith.. 공감수 0 댓글수 0 2021. 8. 11.
  • find 원하는 파일을 찾는 명령어 find [경로] [옵션] [파일명] find / -name '*.txt' 최상위 디렉토리에서 부터 검색을 해서 확장자가 txt로 끝나는 모든 파일 find / -name 'abc*' abc 라는 단어로 시작하는 모든 파일 find / -name 'abc' 이름이 'abc'인 모든 파일 find -name '*.txt' 경로를 생략하고 입력하면 해당 디렉토리에서부터 그 하위 디렉토리까지 검색 공감수 0 댓글수 0 2021. 8. 11.
  • 컴퓨터구조 3주차 -1 Instruction Set ISA (Instruction Set Architecture)에서의 IS 컴퓨터(or 프로세서)에서 지원하는 명령어들의 집합/목록 다른 컴퓨터(or 프로세서)는 다른 IS를 갖고있다 그렇지만 대부분의 프로세서는 많은 부분을 공통적으로 가지고 있음 = 대부분의 명령어가 비슷함 초기 컴퓨터들은 매우 단순한 IS를 갖고있었다. 간단한 명령어만 지원 이후 Complex Instruction set을 가진 CISC(복잡 명령어 집합 컴퓨터, Complex Instruction Set Computer)로 발전 (예) Intel 프로세서 그러나 그 이후 요즘은 현대의 많은 프로세서들은 simple instruction sets를 갖고 있다. ⇒ Reduced Instruction Set .. 공감수 0 댓글수 0 2021. 8. 11.
  • curl command line 기반의 웹 요청 도구 Unix, Linux, Windows 등의 주요 OS에서 구동 가능하며 HTTP/HTTPS/FTP/LDAP/SCP/TELNET/SMTP/POP3 등 핵심 프로코콜을 지원하기 때문에 유용하게 사용된다. download와 upload가 모두 가능 $ curl [options] $ curl https://chang-aistory.tistory.com/ 블로그의 주소를 날리면, HTML정보를 콘솔에 출력 short long -k --insecure https 사이트를 SSL certificate 검증없이 연결 wget 의 --no-check-certificate 과 비슷 -l --head HTTP header 만 보여주고 content 는 표시하지 않는다 -D --d.. 공감수 0 댓글수 0 2021. 8. 9.
  • Docker란 컨테이너 기반의 오픈소스 가상화 플랫폼 다양한 프로그램, 실행환경을 컨테이너로 추상화하고 동일한 인터페이스를 제공하여 프로그램의 배포 및 관리를 단순하게 해준다. 백엔드 프로그램, 데이터베이스 서버, 메시지 큐등 어떤 프로그램도 컨테이너로 추상화할 수 있고 조립PC, AWS, Azure, Google cloud등 어디에서든 실행할 수 있다. Image, Container Docker에서 가장 중요한 개념이다. Image는 Container 실행에 필요한 파일, 설정값을 모두 포함 - 변하지 않음 Image를 실행한 것이 Container Container에서 추가/변화되는 값은 Container에 저장 즉, 하나의 Image로 여러개의 Container생성 가능 Container변화에도 Image는 영향.. 공감수 0 댓글수 0 2021. 8. 8.
  • 컴퓨터 구조 2주차 ※ http://kocw.net/home/cview.do?mty=p&kemId=1388791 영남대학교 최규상 교수님의 KOCW강의를 듣고 작성한 글입니다. ※ CPU time CPU Time = CPU Clock Cycle x Clock Cycle Time = CPU Clock Cycle / Clock Rate Performance는 다음과 같이 하여 향상시킬 수 있다 CPU Time이 짧을수록 Performance가 향상되므로 CPU Clock Cycle 또는 Clock Cycle Time을 감소시키기 Clock Rate 증가시키기 = Clock Period 감소시키기 보통 clock rate를 높이면 cycle count도 늘어나게 되어있다. 하드웨어 디자이너는 이 trade -off를 잘 조절하여.. 공감수 0 댓글수 0 2021. 8. 6.
  • [Pytorch] torch.utils.data의 Dataset과 DataLoader torch.utils.data.Dataset 이 클래스를 상속받아 Dataset instance를 생성해주는 class 구현 torch의 dataset은 두가지의 형식이 있음 Map-style dataset - index가 존재해 data[index]로 데이터 참조가 가능하다. - __getitem__과 __len__의 오버라이팅이 필요하다. - ‘__len__’ 에서는 학습 데이터의 갯수를 리턴해주고, ‘ __getitem__’ 에서는 파일 경로가 담긴 리스트의 인덱스값을 참조해 해당 이미지를 연 다음 tensor 자료형으로 바꾸어 이미지 전처리를 실행하는 구조이다. Iterable-style dataset - random으로 읽기에 어렵거나 data따라 batch size가 달라지는 데이터에 적합하다.. 공감수 0 댓글수 0 2021. 8. 1.
  • 컴퓨터구조 1, 2강 ※ http://kocw.net/home/cview.do?mty=p&kemId=1388791 영남대학교 최규상 교수님의 KOCW강의를 듣고 작성한 글입니다. ※ Performance의 정의 computer technoloogy의 발전 Moore's Law Makes novel applications feasible computers in automobiles cell phones human genome project world wide web search engines computers are pervasive(만연한) Moore's Law 하나의 칩에 들어갈 수 있는 트랜지스터의 개수는 매 2년마다 2배씩 늘어날 것이다 → 실제로는 더 빨리 더 많이 증가하였다 (log Scale로) ⇒ 무어의 법칙이 .. 공감수 0 댓글수 0 2021. 7. 30.
  • [Pytorch] model.eval() Pytorch로 구현된 딥러닝모델 코드들을 보면 자주 볼 수 있다 (저는 cyclegan 코드리뷰 중 궁금해졌습니다.) def sample_images(batches_done): """Saves a generated sample from the test set""" imgs = next(iter(val_dataloader)) G_AB.eval() G_BA.eval() real_A = Variable(imgs["A"].type(Tensor)) fake_B = G_AB(real_A) real_B = Variable(imgs["B"].type(Tensor)) fake_A = G_BA(real_B) ... ... nn.Module에서 train time과 eval time에서 수행하는 다른 작업을 수행할 수 있.. 공감수 0 댓글수 0 2021. 7. 27.
  • [Python] __call__함수 파이썬은 __(double underscore)로 시작하는 magic method로 클래스가 특별한 동작을 수행하게 할 수 있음 함수호출처럼 클래스의 객체도 호출할 수 있게 만들어주려면 __call__이라는 매직매소드 필요 callable함수를 통해 호출가능한 객체인지 확인할 수 있다. (활용 예) 출처 : https://github.com/rosinality/style-based-gan-pytorch/blob/master/model.py class EqualLR: def __init__(self, name): self.name = name def compute_weight(self, module): weight = getattr(module, self.name + '_orig') fan_in = wei.. 공감수 0 댓글수 0 2021. 7. 26.
  • [Pytorch] torch.nn.Parameter arameter로 간주되는 tensor의 일종 Parameters는 class = torch.Tensor의 subclasses Module class와 함께하면 특별한 속성을 가진다 Module Attributes가 할당되면 자동으로 Module의 parameter들의 list로 추가되고 Module.Parameters iterator에 추가 된다. =>Tensor 할당과 다른 효과 e.i. RNN의 last hidden state같은 일부 임시상태를 모델에 cache하려고 할 수 있기 때문 Parameter같은 class가 없다면 이러한 임시적인 것들도 등록되어버릴것이다. ex) def __init__(self, input_size, hidden_size, correlation_func=1, do_si.. 공감수 0 댓글수 0 2021. 7. 26.
  • [python] *args , **kwargs - *args *arguments의 줄임말. = 꼭 이렇게 쓸 필요는 없다. *a, *names등등 다 가능 여러개의 인자를 받고자 할 때 쓰임 일반 변수보다는 뒤에 위치하도록 해야함. 그렇지 않으면 오류가 난다. ex. 학생 이름들을 인자로 받고 싶어요! def print_names(*names): for name in names: print(name) print('names: ', names, 'type:', type(names)) if __name__ == '__main__': print_names('홍길동', '김철수') 여러 인자가 튜플 형태로 들어와서 출력된다! - **kwargs keyword argument의 줄임말 키워드 = 특정값 형태로 함수호출 가능 이렇게 들어온 인자는 딕셔너리 형태.. 공감수 0 댓글수 0 2021. 7. 19.
  • A Style-Based Generator Architecture for Generative Adversarial Networks:StyleGAN Abstract •Style transfer lecture에서 차용하여 GAN을 위한 새로운 Generator 아키텍쳐 제안 • 새로운 아키텍쳐는 1. 자동으로 학습됨 2. 높은 수준의 특징들(자세, 정체성 등)이 unsupervised seperation됨 • 생성된 영상의 stochastic variation(주근깨, 머리카락 등)으로 scale-specific control of the synthesis가 가능하게 한다. • interpolation quality and disentanglement대한 정량적 표현을 위해 새로운 두가지 제안 1. perceptual path length 2. Linear separability • 다양한 고품질의 새로운 인간 얼굴 데이터셋 소개 - FFHQ data.. 공감수 0 댓글수 0 2021. 7. 15.
  • JSON파일 Python 으로 다루기 파이썬 내장 json모듈 사용 JSON Python object dict array list string str number(int) int number(real) float true True false False null None python object -> json 파이썬 객체를 json데이터로 쓰고/직렬화하고/인코딩 .dumps()메소드에 indent = int형 숫자 ex) 4 옵션을 주면 들여쓰기를 해줌 sort_keys = True해주면 keys를 기준으로 정렬해 직렬화 해 내보내줌 import json json_string = json.dumps(python_data) 이렇게 하면 메모리상에 JSON포맷 데이터를 만들어놓고 파이썬에서 계속 작업할 수 있다 import json with op.. 공감수 0 댓글수 0 2021. 7. 4.
  • [Pytorch] Variable 원래 autograd를 사용하기 위해 사용되던 타입. but 최신 버전에서는 deprecated 상태임을 볼 수 있었다. 현재는 Tensor 타입과 병합되어서 Tensor에서 default로 autograd 기능을 지원한다. PyTorch 0.4 이상 버전에서는 더이상 Variable을 사용할 필요가 없다. 공감수 0 댓글수 0 2021. 6. 19.
  • PatchGAN Discriminator patch 단위로 Discriminate를 한다 ? Discriminator의 구조에 따른 GAN 네트워크의 구분 PixelGAN은 1 x 1 patch에 대해 진위 여부를 확인하고, PatchGAN은 N x N 사이즈의 패치 영역에 대해 진위를 판단 ImageGAN은 일반적으로 알고 있는 VanillaGAN처럼 전체 영역에 대해 진위 여부를 판단 PatchGAN = Markovian Discriminator, Local-patch Disctiminator 전체 영역이 아닌 특정 크기 (NxN) patch단위로 generator가 만든 이미지의 진위 여부를 판단. correlation 관계가 유지되는 범위에 해당하는 적절한 크기의 patch size를 정해야 함. -> patch size는 hyper p.. 공감수 0 댓글수 0 2021. 6. 17.
  • Markov Random Field Markov Random Field = 마르코프 네트워크 Bayesian Modeling 을 통해서 이미지를 분석하는데에사용되는 방법 . 한 부분의 데이터를 알기 위해 전체의 데이터를 보고 판단하는 것이 아니라, 이웃하고 있는 데이터들과의 관계를 통해서 판단 이미지 복원/텍스쳐분석/segmentation/image labeling/edge detectoin/object recognition 등에서 활용 MRF ? 1차 마르코프 연쇄 : 한 상태 -> 다른상태 변할 확률이 '현재 상태'에만 의존하는 모델1차 마르코프 가정 : 시간 n에서 어떤 사건이 관측될 확률은 시간 n-1에서의 관측 결과인 q_n-1에만 의존한다는 가정 = 바로 이전의 확률에만 의존 ==> 마르코프 모델(Markov Model) : 마.. 공감수 0 댓글수 0 2021. 6. 17.
  • Bayesian Modeling Bayesian Model은 확률을 기반으로 어떤 문제에 대해 결론을 내리는 모델이다. Bayesian Theory를 기반으로 한다 (베이즈정리) Baysian Theory는 사전확률과 사후 확률의 관계를 나타내는 정리이다. Prior Probability (사전 확률) 추가적 정보가 주어지기 전 정보 관측자가 관측을 하기 전에 가지고 있는 확률 분포 Posterior Probability (사후 확률) 추가적 정보가 주어진 상태에서의 사전 확률. = 조건부 확률 사전 확률과 가능도가 주어졌을 때, 관측자는 관측값을 얻은 다음 베이즈 정리에 의해 사후 확률을 얻을 수 있다. ex) 사건A, 사건 B 존재 P(A) = A사건이 발생할 사전확률 B라는 사건은 존재하지만 B대한 정보가 아무것도 없음 P(A|B.. 공감수 0 댓글수 0 2021. 6. 17.
  • [pytorch] nn.Upsample 주어진 멀티채널 1D / 2D / 3D 데이터를 업샘플링한다. 인풋데이터는 minibatch x channels x [optional depth] x [optional height] x width 형태로 가정되나, spatial input(2D)은 4D 텐서, volumetric input(3D)은 5D텐서가능한 알고리즘 : nearest neighbor, linear, bilinear, bicubic, 3D이상의 데이터에 대해서는 trilinear parameters size (int/tuple) : output 사이즈 scale_factor(float/tuple) : Depth, Height, Width에 입력받은 정수 만큼 곱해준다. (1,1,2,2) 가 인풋으로 들어오면 (1,1,4,4)가 된다... 공감수 0 댓글수 0 2021. 6. 16.
  • [Pytorch] nn.ReflectionPad2d input tensor를 input boundary의 reflection(반사)를 이용해서 패딩 적용 2차원 아닌 N차원 패딩을 이용하려면 torch.nn.functional.pad()를 사용 padding은 int형이나 tuple형 : 패딩 사이즈. int형이면 모든 바운더리에 같은 패딩을 적용. 4-tuple이면 (padding_left, padding_right, padding_top, padding_bottom)으로 적용 Input: (N, C, H_in, W_in) Output: (N, C, H_out, W_out) W_out = W_in + padding_left + padding_right H_out​ = H_in​ + padding_top + padding_bottom https://pyt.. 공감수 0 댓글수 0 2021. 6. 16.
  • ResNet ResNet 간단 정리 기존 딥러닝 모델 -> 그냥 딥러닝 모델의 깊이만 늘린다고 성능이 늘어나지 않음 -> Residual Block의 출현 입력값을 출력값에 더해줄 수 있도록 지름길(shortcut)을 하나 만들어 줌 기존의 신경망은 입력값 x -> 타겟값 y로 매핑하는 함수 H(x)를 얻는 것이 목적이었다. 그러나 ResNet은 F(x) + x를 최소화하는 것을 목적으로 한다. x는 변할 수 없는 값 -> F(x)를 0에 가깝게 만드는 것이 목적이 된다. F(x) = 0이 되면 출력=입력=x로 같아지게 된다. F(x) = H(x) - x이므로 F(x)를 최소로 해준다 = H(x) - x를 최소로 해주는 것 H(x) - x = 잔차(residual) 즉, 잔차를 최소로 해주는 것이므로 ResNet이란.. 공감수 0 댓글수 0 2021. 6. 15.
  • hasattr(object, name) / getattr(object, name) / setattr(object, name) object의 속성(attribute) 존재를 확인한다. 만약 argument로 넘겨준 object 에 name 의 속성이 존재하면 True, 아니면 False를 반환한다. __builtin__ module에 포함된 function 내부적으로 getattr(object, name)을 이용 -> 수행시 exception이 발생하는지 하지 않는지를 통해 판단 class cls: a = 1 def __init__(self): self.x = 3 def b(self): pass # cls에 b라는 멤버가 있는지 확인 print(hasattr(cls, 'b')) # cls에 x라는 멤버가 있는지 확인 print(hasattr(cls, 'x')) # cls에서 a변수의 값 가져오기 print(getattr(cls,.. 공감수 0 댓글수 0 2021. 6. 15.
  • [Pytorch] Initializer (torch.nn.init) torch.nn.init의 간단한 initializer들을 살펴보겠다 xavier같은 초기화기법들은 따로 다루기 1. torch.nn.init.normal_(tensor, mean=0.0, std=1.0) input tensor을 N(mean, std^2)의 normal distribution(정규분포)에 따라 초기화 2. torch.nn.init.uniform_(tensor, a=0.0, b=1.0) input tensor을 U(a, b)의 uniform distribution에 따라 초기화 * uniform distribution ? [a, b]의 범위에서 모든 값의 확률이 동일한 분포 3. torch.nn.init.constant_(tensor, val) input tensor를 특정 값 val로 .. 공감수 0 댓글수 0 2021. 6. 15.
  • class 이름/ class 변수 참조 1. class 이름 참조 클래스명.__name__ 클래스 내부에서 self.__class__.__name__ 2. class 변수 참조 클래스명.변수명 클래스 내부 self.__class__.변수명 ex) class Person: condition = 'student' def __init__(self, name, age): self.name = name self.age = age def echo(self): print(self.__class__.__name__) # 클래스 이름 print(self.__class__.condition) # 클래스 변수 print(self.name) # 인스턴스 변수 if __name__ == '__main__': person1 = Person('챙', 24) person.. 공감수 0 댓글수 0 2021. 6. 15.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.