본문 바로가기

전체 글112

Grid 와 Tile, Patch 의 차이 안녕하십니까 여러분 이미지 분석 혹은 컴퓨터 비전 관련 딥러닝을 하시는 분들이시라면 Grid, Tile, Patch 라는 용어에 대해서 한 번쯤 들어보셨을텐데요. 오늘은 Grid 와 Tile, Patch 의 차이에 대해서 간단하게 짚어보고 가려고 합니다. 일단 Grid, Tile, Patch 모두 이미지 분석에서 자주 사용되는 용어입니다. 하지만 이 용어들 간에는 차이점들이 존재하는데요. 살펴보겠습니다. 먼저, Grid (그리드): 차이점: 그리드는 이미지를 일정한 간격의 작은 영역으로 나누는 것을 의미합니다. 그리드는 전체 이미지를 균일한 크기의 격자 모양으로 분할합니다. 공통점: 이미지를 작은 영역으로 나누어 정보를 처리하는 방식입니다. 사용 상황: 객체 탐지(Object Detection) 알고리즘.. 2023. 4. 25.
[Segmentation and Detection Score] IoU (Intersection over Union) vs Dice Coefficient IoU (Intersection over Union)와 Dice Score는 두 가지 다른 이미지 분할 성능 지표입니다. 두 지표 모두 정답 영역과 예측 영역 간의 유사성을 측정하지만, 계산 방식에 약간의 차이가 있습니다. IoU (Intersection over Union): IoU는 교집합(Intersection)을 합집합(Union)으로 나눈 값으로 계산됩니다. 즉, 두 영역이 얼마나 겹치는지를 나타내는 지표입니다. IoU의 값은 0(전혀 겹치지 않음)부터 1(완전히 일치)까지의 범위를 가집니다. IoU = (예측 영역과 정답 영역의 교집합) / (예측 영역과 정답 영역의 합집합) Dice Score (Dice Coefficient): Dice Score는 2 * 교집합을 두 영역의 크기 합으로 나.. 2023. 4. 21.
[reduction] 데이터 행 축소 방법 데이터 행 축소는 데이터 세트의 크기를 줄이는 데 사용되는 방법 중 하나입니다. 이를 통해 데이터 분석 및 모델링을 더 빠르고 효율적으로 수행할 수 있습니다. 데이터 행 축소 방법에는 다음과 같은 것들이 있습니다. 무작위 샘플링: 데이터 세트에서 무작위로 일부 행을 선택하여 샘플링하는 방법입니다. 이 방법은 데이터 세트의 크기를 줄이면서도 전반적인 데이터 특성을 유지할 수 있습니다. 계층 샘플링: 데이터 세트에서 특정 그룹 또는 계층에서 일부 행을 선택하여 샘플링하는 방법입니다. 이 방법은 데이터 분석에서 특정 그룹의 특성을 파악하는 데 유용합니다. 클러스터링: 데이터를 비슷한 특성을 가진 그룹으로 분할하는 방법입니다. 이 방법은 데이터 세트의 크기를 줄이면서도 전반적인 데이터 특성을 유지할 수 있습니다.. 2023. 4. 4.
[Pytorch] 학습된 모델에서 필요한 layer 만 사용하는 방법 import torch.nn as nn import torchvision.models as models # Pre-trained ResNet 모델 불러오기 model = models.resnet50(pretrained=True) # ResNet50에서 마지막 classification layer를 제거합니다. modules = list(model.children())[:-1] model = nn.Sequential(*modules) # fully connected layer 1층 추가 model.fc = nn.Linear(2048, 1024) # 학습된 모델을 evaluation mode로 설정합니다. model.eval() 위 코드에서는 먼저 PyTorch에서 제공하는 torchvision.models.. 2023. 3. 31.

티스토리툴바