Mizzle-Blog

예시 구성데이터로 구성해서 업데이트 했다. 생각한대로 그냥 되서 당혹스럽긴하지만 Faiss 가 잘되있는거 같다. 유사한 이미지를 추론해서 데이터 분류를 수행 하면 어떨까? 라는 막연한 생각을 하다 Meta에서 만든 Faiss가 생각나서 간단하게 만들었다. Faiss : facebook research에서 개발한, dense vector들의 클러스터링과 유사도를 구할때 사용하는 라이브러리이다. GitHub - facebookresearch/faiss: A library for efficient similarity search and clustering of dense vectors. A library for efficient similarity search and clustering of dense vec..

많은 Annotation tool이 있지만 최근 Meta에서 개발한 방법으로 기존 툴에 더해 새로운 기능을 추가하려한다. 해당 코드는 Meta에서 제공한 코드를 기준으로 만든 Sample 코드이다. 상세 내용은 깃을 참고해주시기 바랍니다. https://github.com/MizzleAa/segment-anything-demo

원인 회사에서 AI 통합 솔루션 및 예측 프로그램을 설계하기 위해 프로그램을 간단하게 구현함 Back-end : django Front-end : react AI : cascade Mask R-CNN(MMDetection) 결과 구현 화면 https://www.youtube.com/watch?v=Mj-nGin22Sk 결과 표현 Git https://github.com/MizzleAa/project_catdog_predict GitHub - MizzleAa/project_catdog_predict Contribute to MizzleAa/project_catdog_predict development by creating an account on GitHub. github.com P.S 우리집 강아지는 귀엽다

ℹ️요약 이미지 합성을 위해 원본 이미지를 위험품목과 일반 품목으로 분류한다. 일반 품목에 위험품목을 합성한다. 합성 알고리즘을 통해 데이터 셋을 구축한다. 데이터 수량은 일반품목과 동일하게 구축하며, 효용성을 비교한다. 학습을 수행하여 모델에 따른 결과를 도출한다. 결과는 원본 이미지로 구성된 품목과 큰 차이는 없는것으로 판단된다. 0. Abstract X-ray의 보안 이미지를 비교하는것은 지속적으로 발전해야한다. 본 논문은 합성 된 이미지를 사용할 가능성에 대한 방법을 제시한다. 3가지 위험 품목에 대해 탐지 성능차이를 확인한다. 1. Introduction 공항, 철도, 지하철역 및 대중교통 등 국경 보안 시설에서는 X-ray 보안검사가 일반적으로 수행된다. 위험 품목에 대한 선별작업을 사용자(사..

논문을 보다보면 구현하거나 따라해야할 일이 있는데 그때마다 자료를 저장해서 관리 하였다. 그런데 현회사는 tif 파일에 16bit여서 논문참고용 이상 쓰지는 못했다. 8bit 흑백 영상(GD Xray) https://domingomery.ing.puc.cl/material/gdxray/ GDXray+ – domingo mery X-ray images for X-ray testing and Computer Vision As a service to the X-ray testing and Computer Vision communities, we collected more than 21.100 X-ray images for the development, testing, and evaluation of image..

ℹ️요약 이미지의 크기를 고정(600x600)시킨다. 해당 객체에 대한 bounding Box를 잘라 객채별로 분류한다. 잘라진 이미지 크기(224x224)를 변형한다. vgg16(backbone)의 입력값을 224x224로 변경한다. faster-rcnn을 통해 학습을 수행한다. 0. Abstract 학습 검출기로는 데이터 분류가 가능하나 가시적인 공개 데이터 셋에 대해서 효능적인 성능을 내지 못하는 문제가 있다. 이에 따라 본 논문에서는 X-ray를 위한 물체 검출 알고리즘을 제안한다. X-ray 물체를 이미제에서의 객체 및 색상을 기반으로 하는 전경-배경 분할 알고리즘을 사용한다. 그 후 해당 객체를 각각의 유형의 개체로 분류하고 개요를 설명한다. 학습 알고리즘은 Faster R-CNN을 사용한다...

커밋상태를 보니 이틀이나 걸렸다. 일다니면서 야간에 공부하니까 그럴수 있지만 지금보니.... 좀더 분발하자... ※ 인공지능 이론 설명은 하지 않습니다. 이전글 : https://mizzlena.tistory.com/entry/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-Pytorch-Object-Detection-Fintuning-Tutorial [인공지능] Pytorch Object Detection Fintuning Tutorial 1 여기저기 흩어져있던 정리내용 취합하고 있는데 해당 코드가 과거 블로그에만 있고 git이 날라가 있다.... 뭔가 그렇다 좀... 정리도 잘하고, 공부나 더하자. 해당 코드는 pytorch tutorial을 가져온 것 mizzlena.tistory..

여기저기 흩어져있던 정리내용 취합하고 있는데 해당 코드가 과거 블로그에만 있고 git이 날라가 있다.... 뭔가 그렇다 좀... 정리도 잘하고, 공부나 더하자. 해당 코드는 pytorch tutorial을 가져온 것이다. 링크 : https://pytorch.org/tutorials/intermediate/torchvision_tutorial.html python : 3.7.5 torch :1.8.1+cu111 pycocotools : 2.0.2 0. 환경 설정 링크는 다음을 참고한다. https://mizzlena.tistory.com/entry/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-Pytorch-Install [인공지능] Pytorch Install Python Pytor..

Tensorboard로 활용해서 모델 학습 및 정보 확인하는 방법. 실상 실무에서는 epoch에 따른 lr 및 iou, map 만 확인하고, 그 후에 실환경 이미지 비교하면서 넘어가면서 하고있다. 천천히 분석좀 해보고 싶다. 해당 코드는 pytorch tutorial을 가져온 것이다. 링크 : https://pytorch.org/tutorials/intermediate/torchvision_tutorial.html TorchVision Object Detection Finetuning Tutorial — PyTorch Tutorials 1.11.0+cu102 documentation TorchVision Object Detection Finetuning Tutorial Tip To get the most..

기본적인 Tensor 기능은 Tensorflow와 동일한것 같다. 실상 케라스를 통해 다른라이브러리들이파생되면서 AI 코드 짜기가 쉬워진것같다... import torch import numpy as np def fun(): torch.multiprocessing.freeze_support() #device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # Directly from data data = [ [1, 2], [3, 4] ] x_data = torch.tensor(data) print(f"x_data = {x_data}") # From a NumPy array np_array = np.array(data) x_np = tor..