본문 바로가기

About AI (인공지능)11

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.
[Object Detection] 용어 정리 (FPN, RPN, .... ) Object Detection 에서 자주 사용되는 용어들 정리 !! FPN(Feature Pyramid Network) : FPN 은 다양한 크기의 물체를 인식하기 위해 이미지의 특징을 추출하는 CNN(Convolutional Neural Network) 기반 아키텍처입니다. 이를 통해 입력 이미지에서 특징 맵 (Feature Map) 을 생성하고, 물체가 포함된 특징 맵을 탐지할 수 있습니다. RPN(Region Proposal Network) : RPN 은 FPN 과 함께 사용되며, 이미지의 모든 위치에서 물체가 존재할 가능성이 있는 영역 (region) 을 추정합니다. 이를 통해 물체가 존재할 가능성이 있는 영역만을 추려냅니다. ROI_heads (Regoion of Interest heads) :.. 2023. 3. 31.
간단한 Binary Classification 구현 with linear layer import torch import torch.nn as nn import torch.optim as optim 각 데이터는 2개의 feature 를 가지며, 클래스는 0 또는 1로 라벨링됩니다. import numpy as np # 데이터셋 생성 np.random.seed(0) num_data = 1000 x_data = np.random.randn(num_data, 2).astype(np.float32) print("Shape of X: ",x_data.shape) # (1000,2) y_data = ((x_data[:, 0] * x_data[:, 0] + x_data[:, 1] * x_data[:, 1]) > 1.5).astype(np.int32) # boolean to int print("Shap.. 2023. 3. 23.