Doarchive

장점 더 많은 정보를 포함할 수 있습니다. 임베딩 차원이 커질수록 입력 데이터의 다양한 특징들을 더 잘 포착할 수 있습니다. 더 정교한 모델링이 가능합니다. 더 복잡한 함수를 모델링할 수 있습니다. 단점 과적합(overfitting)이 발생할 가능성이 높습니다. 임베딩 차원이 커질수록 모델의 복잡도가 증가하므로, 학습 데이터에 대한 성능이 높아지지만 테스트 데이터에 대한 성능이 낮아질 수 있습니다. 연산 비용이 증가합니다. 임베딩 차원이 커질수록 모델의 파라미터 개수가 증가하므로, 학습 및 추론 시간이 더 오래 걸릴 수 있습니다.

비지도학습(Unsupervised Learning) 의 한 종류로 데이터의 차원 축소(Dimensionality Reduction) ,잡음 제거(Denoising) 등에 사용되는 인공신경망 모델입니다 입력 데이터를 압축하는 인코더(Encoder)와 압축된 데이터를 복원하는 디코더(Decoder)로 구성되어 있는데 인코더는 입력 데이터를 저차원의 잠재 표현(Latent Representation)으로 변환하고, 디코더는 잠재 표현을 다시 원래의 차원으로 복원합니다. 인코더와 디코더는 각각 다른 인공신경망으로 구성되며, 이 네트워크는 학습을 통해 입력 데이터의 특징을 추출하고 압축하는 방법을 스스로 학습합니다. 이미지나 영상 데이터 처리에서 많이 활용되고 생성 모델(Generative Model)로도 사용될..

특징 -RPN (Region Proposal Network )+ Fast R-CNN -Region Proposal을 수행하는 Region Proposal Network를 만들어 ROI 생성을 네트워크에서 수행하여 속도를 향상시 -Two-stage Detection 방식 -객체의 위치를 추론할 때, Anchor Boxes를 사용하여 박스를 예측 -Non-Maximum Suppression(NMS) 기법을 사용하여 박스를 결합 -대규모 데이터셋에서 높은 정확도를 보인다. 처리 속도가 YOLOv7에 비해 느리다 RPN (Region Proposal Network ) -Object Bound 와 Objectness Scores를 동시에 예측하는 Fully Concolutional Network End to En..

DC-GAN은 GAN의 구조에 CNN(Convolutional Neural Network)을 추가하여 이미지 생성을 안정적으로 할수 있는 모델 convolutional, batch normalization, leakyReLU 등의 레이어를 가지고 있음 Generator와 Discriminator 두 개의 네트워크로 이루어져 있으며, Generator는 무작위 노이즈 벡터를 입력으로 받아 실제와 같은 이미지를 생성하고, Discriminator는 생성된 이미지와 실제 이미지를 입력으로 받아 이 둘을 구분 DC-GAN의 학습 방법 1.데이터셋 준비 Generator와 Discriminator 네트워크 구성 Generator와 Discriminator 모두 CNN으로 구성. 2.손실 함수 정의: Generat..

DCGAN (Deep Convolutional Generative Adversarial Network) 딥러닝 모델인 CNN을 사용하여 생성자와 판별자를 구성 생성자는 무작위 노이즈 벡터를 입력으로 받아 진짜같은 이미지를 생성하고, 판별자는 생성된 이미지와 실제 이미지를 입력으로 받아 각각을 구분하도록 훈련됨 생성자는 판별자의 결과를 최대화하고, 판별자는 생성자와 실제 이미지를 구분하도록 훈련되며, 이 과정에서 생성자는 실제 이미지와 비슷한 이미지를 생성하게 됨 DCGAN은 고해상도 이미지를 생성하며, 이미지 내의 객체나 패턴 등의 특징을 잘 포착함. 이미지 간의 변환, 예를 들면 블랙앤화이트 이미지에서 컬러 이미지로 변환하는 작업에서도 사용됨 논문 https://arxiv.org/abs/1511.064..

해당 코드는 구글 코랩에서 작업함 https://colab.research.google.com/?hl=ko Google Colaboratory colab.research.google.com 데이터 사용한 커스텀 데이터 Data Annotation 작업은 https://app.roboflow.com/ 에서 진행 함. Sign in to Roboflow Even if you're not a machine learning expert, you can use Roboflow train a custom, state-of-the-art computer vision model on your own data. app.roboflow.com 이미지는 921장 사용 , 클래스는 2개 roboflow에서 데이터를 내보낼때 ..

1. 학습시 에러가 발생하는 경우 (train.py) KeyError: 'assets' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "/content/gdrive/MyDrive/guideDetection/yolov7/train.py", line 616, in train(hyp, opt, device, tb_writer) File "/content/gdrive/MyDrive/guideDetection/yolov7/train.py", line 86, in train attempt_download(weights) # download if not found loca..

CSV 파일을 로드할때 이와 같은 에러가 뜨는 경우가 있다 아래와 같이 CSV를 로드하는 코드를 dataSet = open('IMDB Dataset.csv','r',encoding='utf-8') csvreader = csv.reader(dataSet) 아래와 같이 바꿔준다 dataSet = open('IMDB Dataset.csv','r',encoding='cp949') #한글이라면 dataSet = open('IMDB Dataset.csv','r',encoding='euc-kr')

mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data 해당 코드에서 Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz Traceback (most recent call last): 이런 에러가 발생할 경우 해당파일에 ~/Library/Python/3.7/lib/python/site-packages/tensorflow/python/keras/utils/data_utils.py 이부분을 추가해 준다 import requests requests.packages.urllib3.disable_warn..