티스토리

officialhoyoon
검색하기

블로그 홈

officialhoyoon

officialhoyoon.tistory.com/m

officialhoyoon 님의 블로그입니다.

구독자
0
방명록 방문하기
공지 저를 소개합니다. 모두보기

주요 글 목록

  • [Image Segmentation] - 기술과 딥러닝 기반모델(FCN,U-Net,SegNet, DeepLab, ResNet) Traditional Image Segmentation 기술 image segmentation 모델에 적용된 객체인식 및 위치 파악 기술은 특정 application이나 세그먼트화할 이미지 유형에 따라 달라짐.  1. Threshold Method - 객체와 배경의 대비가 높은 이미지에 적합 - image binarization에 자주 사용되므로 binary image에서만 작동하는 contour detection 및 identification과 같은 추가 알고리즘 사용가능 - Otsu's Threshold, Mean shift   2. Region Based Method - 인접한 픽셀 간의 유사성(비슷한 속성)을 찾아 공통 클래스로 그룹화하여 작동     일반적인 segmentation procedu.. 공감수 0 댓글수 0 2025. 2. 4.
  • [image Segmentation]- 정의, 종류와 비교, 구조와 원리, 오토인코 Image Segmentation의 정의 머신러닝에서 image segmentation이란 데이터를 개별 그룹으로 분리하는 프로세스를 의미, Deep learning에서 image segmentation은 label이나 범주를 이미지의 모든 픽셀과 연결하는 segment map을 만드는 과정이 중요함.   물체의 경계를 윤곽선으로 표시하여 해당 object 물체가 있는 위치 찾아내기, 갭려 object detection 부터 이미지 속 여러 영역에 개별 레이블 지정  Image Segmentation은 image classification의 확장=> 이미지의 영역을 분할해서 각 객체에 맞게 합쳐주는 것 => 분류 외에도 객체의 관계를 표현하여 해당 객체가 있는 위치를 정확히 가리킨다. => image c.. 공감수 1 댓글수 0 2025. 1. 21.
  • [CNN] Convolutional Neural Network CNN 특징 - Convolutional Neural Network, 합성곱 신경망 - 인간의 시신경 구조를 모방한 기술 - 특징맵을 생성하는 필터까지도 학습이 가능해서  비전(vision) 분야에서 성능이 우수함- 이미지를 인식하기 위해 패턴을 찾는데 특히 유용함- 데이터를 직접 학습하고 패턴을 사용해 이미지를 분류함- 자율주행자동차, 얼굴인식과 같은 객체인식이나 computer vision이 필요한 분야에 많이 사용 -이미지의 공간 정보를 유지한 채 학습을 하게 하는 모델(1D로 변환하는 것이 아닌 2D 그래도 작업)  CNN 구조Fully Connected Layer 만으로 구성된 인공 신경망의 입력데이터는 1차원(배열) 형태로 한정된다. 한 장의 컬러 사진은3차원 데이터이다. 배치 모드에 사용되는.. 공감수 3 댓글수 0 2025. 1. 16.
  • [SLIP] 01 . Compliant leg behaviour explains basicdynamics of walking and running 이 논문은 2006년에 나온 다소 오래된 논문일 수도 있다. 하지만 이 논문을 처음으로 리뷰하는 이유는 gait 즉 보행에서도 SLIP , spring loaded iverted pendulum 이라고 하는 모델로 설명 할 수 있는 포문을 연 논문이기 때문에 리뷰를 진행한다. 이 논문은 향후 다른 많은 gait model에 영향을 미친 만큼 논문 인용 수도 어마 어마 한것을 볼 수 있다.   1. 배경 이 논문이 나오기 이전에는 보행과 러닝을 다른 모델로 설명하려고 했다.  보행은 inverted pendulum이라고 하는 말 그대로 딱딱한 막대기로 설명하려했고 러닝에서는 좀더 complaint한 legs로 rebounding을 하려고 했다.   - 보행 : inverted pendulum - 러닝 : .. 공감수 0 댓글수 0 2025. 1. 15.
  • [SLIP] spring load inverted pendulum in gait SLIP에 대해서 시리즈 처럼 5편의 논문을 리뷰할 예정이다. 이번 겨울 목표는 5편의 논문을 이해하고 시뮬레이션까지 진행하는게 목표인데 한번 해보자고!!   Compliant leg behaviour explains basic dynamics of walking and runningGeyer, Seyfarth and blickhan2006Leg stiffnessincreaseswithspeedtomodulategaitfrequencyand propulsion energyKim and Park2011Compliant bipedalmodelwiththecenterofpressureexcursion associated withoscillatorybehaviorofthecenterofmass reproduce.. 공감수 0 댓글수 0 2025. 1. 15.
  • 01. Population Mean(모집단 평균) 1. Confidence Intervals  2-1. Donfidendce intervals ( t-intervals) 2-2. Hypothesis testing(t-tests)      1. Confidence Interval      우리가 알고 싶은 것은 모집단의 평균       ==> 그러나 하나를 꼭 찝어서 추정할 수 없음. 그래서 구간을 추정하는 것임.     1) sample data        모집단의 개수는 모르지만 샘플의 개수만 알 수 있음     2) confidence interval        그래서 신뢰구간을 구해서 표본에서 모집단을  추정값에 대한 신뢰도를 알 수 있음.         모집단 평균을 표본 평균으로 추정함.   이때 , standard error = smapl.. 공감수 0 댓글수 2 2024. 9. 9.
  • [이분 탐색] contentsdatad이분 탐색 알고리즘, 백준 1920번 2024.07.31  이분 탐색은 정렬되어 있는 배열에서 특정 데이터를 찾기 위해 모든 데이터를 순차적으로 확인하는 대신 탐색 범위를 절반으로 줄여가며 찾는 탐색 방법   범위를 절반으로 줄여나가는 건 이분 탐색의 탐색법입니다. 선형 탐색은 O(N)에 동작하고 이분탐색은 O(lg N)에 동작하기 때문에 N이 커지면 커질수록 큰차이의 속도가 발생한다.   이분 탐색의 구현 방법  이분 탐색의 구현은 1. 배열을 먼저 정렬을 시킨다. 2. start와 end 변수를 적립해준다.     그래서 start는 맨 처음 end는 맨 뒤로 나누어 전체 범위를 나타내도록 한다..3. 범위를 절반으로 줄이기 위해서 mid = (start+end)/2 지점으로 .. 공감수 0 댓글수 0 2024. 7. 31.
  • [ANACONDA] - 아나 콘다는 파이썬의 체계적인 사용을 도와주는 파이썬과 패키지 관리 프로그램 입니다.  -'가상환경'으로 파이썬 패키지 버전 및 작업 관리를 진행 합니다.   ex)    A작업 필요 패키지: C 1.2버전 , D2.4버전 이 필요하다면 ==> ACD 가상환경을 만듦    B작업 필요 패키지: C 3.4버전,  D1.2버전 이 필요한다면 ==> BCD 가상환경을 만듦 -아나콘다 가상환경에 파이썬과 필요한 패키지를 설치하여 작업 -아나콘다로 작업하기 위한 명령어 사용:  주로 가상환경과 패키지 관련가상환경 생성conda ceate -n가상환경 활성화conda activate 가상환경 비활성화conda deactivate가상환경 삭제 conda remove -n all가상환경 리스트 확인conda inf.. 공감수 0 댓글수 0 2024. 7. 31.
  • [Docker ] 명령어 모음 contentsdatedfirst version 2024.07.31 이 페이지는 docker를 사용하면서 제가 자주 사용하는 명령어를 모아놓은 것입니다.보시는 분들도 참고 하면 좋겠습니다.   도커 이미지 다운로드docker pull 도커 이미지 조회docker images도커 컨테이너 조회docker ps -a도커 이미지 삭제 docker rmi 도커 컨테이너 삭제docker rm  도커 컨테이너 한번에 삭제docker ps -qa도커 이미지 여러 개 삭제docker rmi 도커 컨테이너 여러 개 삭제 docker rm 도커 컨테이너 실행 docker run -it docker run -it 도커 컨테이너 종료 컨테이너가 실행된 상태에서 exit 공감수 0 댓글수 0 2024. 7. 31.
  • [4. NeRF] ECCV 2020 relate work Novel view Synthesis :N대의 카메라를 통한 input을 통해 임의의 시점에서 본 대상의 모습을 합성   like 영화 매트릭스 총알이 움직이는 장면  parallax Effect: 가까이 있는 것은  픽셀이동이 크고 먼 것이 있는  것은 픽셀이동이 적다. so , 3d space에 대한 Analysis가 필수적임!!  pinhole Camera  model실제 세상의 위치 물체들이 어디에 위치해 있고 길이가 어디에 있는지 알아낼 수 있음. so, 실제의 위치나 거리와 camera 정보간의 관계 Camera 정보와 카메라와 대상간의 거리(Depth)를 알아야함.  Normalized Plane  Depth=1 (m)인 평면 위로 모든 점을 Projection!! 하는.. 공감수 1 댓글수 0 2024. 7. 30.
  • 보행 분석을 통한 감정인식을 위한 STGCN 구조 제안 및 분석 [KCC 학회 제출 ] , 학부생 논문 대회 장려상 수상 활동기간 2024.01~2024.06개인 프로젝트 공감수 0 댓글수 0 2024. 7. 30.
  • [투포인터] Contentsdated투 포인터 backjoon 1644 ,2003,25592024.07.22 투 포인터는 말 그래도 포인터 두개를 정해서 리스트에서의 계산 범위를 줄여주는 알고리즘을 수행한다.  이것을 수행하는 이유는 계산 시간을 획기적으로 줄여주기 때문이다. 실제로 필자는 이중 for문을 이용해서 쉽게 문제가 풀릴거 같아서 이중 for문으로 투포인터 문제를 접근했으나 시간 초과 오류가 계속 해서 나왔다. 이중 for문의 경우 시간 복잡도가 O(n2)인데 반해 투포이너는 log (n)의 수준에서 머물기에 획기 적인 것이다.  투포인터의 핵심은 start와 end의 포인터를 지정해서 list 자체는 그대로 두고 start와 end 포인터들만 움직이는 것이다.   backjoon 2003#시간 초과한 풀.. 공감수 1 댓글수 5 2024. 7. 22.
  • [라인 스위핑] contentsdated라인 스위핑 개념 + 백준 2017번 2024.07.20 라인 스위핑(line Sweeping) 알고리즘은  선 하나를 여러 가지 상황에서 움직이면서 문제를 해결하는 것이다. 즉 한 번만 전체 공간을 스캔하면서 마주치는 요소들에 대해 판단기준이 되는 기준을 적용해 주면 정답이 정답이 구해지는 형태이다.  정렬된 요소들을 한 번만 순회하면 연산 하면 정답이 나오는 구조 이다,   backjoon 2107번import sysinput = sys.stdin.readlinen = int(input())lines = []for _ in range(n): lines.append(tuple(map(int, input().split())))lines.sort()left = lines[0][.. 공감수 0 댓글수 1 2024. 7. 20.
  • [그리디 알고리즘] contentsdated그리디 알고리즘 소개 (바크킹)backjoon  1931, 2217, 1026 2024.07.18   Greedy =  지금 가장 최적인 답을 근시안 적으로 택하는 알고리즘              = 관찰을 통해서  탐색 범위를 줄이는 알고리즘   이상적인 알고리즘 풀이          1. 관찰을 통해 탐색 범위를 줄이는 방법을 고안한다.           2. 탐색 범위를 줄여도 올바른 결과를 낸다는 사실을 수학적으로 증명한다.           3. 구현해서 문제를 통과한다.  현실적인 알고리즘 풀이           1. 관찰을 통해 탐색 범위를 줄이는 방법을 고안한다.           2. 탐색 범위를 줄여도 올바른 결과를 낸다는 강한 믿음을 가진다.           .. 공감수 0 댓글수 0 2024. 7. 18.
  • CH03. Regression Version Updatedregression  with ada 수업 2024.07.17Bias- Variance 추가 , 모델 성능향상(다중공선성, feature scaling, one hot encoding)  2024.07.18   Regression 이란? ==> 독립변수와 종속변수의 관계를 컴퓨터나 수학적 기술을 사용해서  모델링을 하는 것  Regrssion algorithms의 목표  => 독립변수의 값을 토대로 종목 변수의 연속 값을 예측하는 것  => 종변 변수 예측을 위한 독립변수의 회귀 상관 수를 최적화 하는 것     (Linear ) Regrssion Algorithms 1. Linear regrssion ( 선형 회귀) 2. Polynomial regression( 다항 회귀) .. 공감수 2 댓글수 1 2024. 7. 17.
  • 2. HigherHRNet (scale-Aware Representation Learning for Bottom-Up Human Pose Estimation) 2D human posee esimation -팔꿈치 같은 사람의 신체관절들을 localization 하는 문제 -2D estimation의 경우 x,y좌표만 예측 -성능평가 : PCK(percentage of Correct Keypoint) , Object Keypoint Similarity(OKS) 사용하는 데이터에 따라서 성능평가가 다름 Pose estimation Top-down method - input 이미지에서 사람을 bounding box 형태로 detect 해놓는 것임 - 한 사람의 post estimation task를 진행함. - cropping 과 resizing 을 통해 normalize를 하기 때문에 scale의 변화에 민감하지 않음 -SOTA 또한 대부분 이방식의 알고리즘에서 .. 공감수 0 댓글수 0 2024. 3. 18.
  • CH04 . 3-4 cholesky decompostion , eigendecompostion and diagonalization Cholesky Decomposition 머신러닝에서는 행렬을 특별한 타입으로 분해하는 여러 방법들을 사용한다. Positive read number에서는 숫자를 동일한 구성요소로 분해하는 제곱근과 같은 연산이 있다. 행렬의 경우에는 양수에 대해 제곱근과 같은 연산을 할때 주의해야한다. 대칭이면서 positive definite(양의 정부호)인 행렬의 경우, 여러 square-root equivalent operations 중 선택할 수 있다. cholesky decompostion/ cholesky factorization nultivariate Gaussian variable (다변량 가우시안 변수)의 covariance matrix(공분산 행렬)는 symmetric, positive definite.. 공감수 0 댓글수 0 2024. 3. 12.
  • 1.SlowFast Networks for Video Recognition(ICCV 2019) Task : Human action classification & detection related Work는 크게 두가지로 설정 할 수 있다. 1. 3D ConvNets 2. Optical flow for video recognition two - stream network (spatial stream 과 temporal stream 으로 두개로 나눔) 오늘의 paper 에서는 2 번째 방법을 사용함!! Basic idea : Two pathway slow pathway -low frame rate -capturing spatial semantics - many channel -전체 계산량의 80%를 차지 Fast pathway -high frame rate -capturing motion informa.. 공감수 0 댓글수 0 2024. 3. 12.
  • CH 04 - 1 detreminant and Trace , Eigenvalues and Eigenvectors 1. Determinant and Trace Determinant(행렬식) 은 분석을 위한 수학적 도구 이면서 선형연립 방정식의 솔루션임. 행렬식은 오직 정사각 행렬에서만 정의 됨. 1-1. example of determinant 이때 a11a22 -a12a21 != 0 인 경우에만 역행렬이 존재함. 이 경루를 행렬식이라고 함. n =3 인 경우에는 Sarrus's rule 이라고 알려져 있으며 이런식으로 나타난다. 정리를 하면 정 사각 행렬 T에서 대각 요소 아래부분을 모두 0인 행렬을 Upper-triangular matrix라고 하며 대각 요소 위에 있는 모든 요소들이 0인 행렬을 lower-triangular matrix라고 한다. "행렬식은 upper-triangular matrix와 lowe.. 공감수 0 댓글수 0 2024. 3. 10.
  • [4주차 - norm , inner products, lengths and distance] norm 어떤 값의 크기를 계산하여, 비교가 가능하게끔 하는 어떤 함수? 같은 것임. l1 norm (Mahattn distance) 두개의 벡터를 빼고 , 절대값을 취한뒤 합하는 것 l2 norm (euclidean distance) 두 개의 각 원소를 빼고 , 제곱하고, 합치고 루트를 씌운것 (두 개 벡터 사이의 직선거리를 말함) &&교재에서는 특별한 언급이 없다면 euclidean norm을 사용함&& inner Product 내적은 벡터의 길이나 두벡터 간의 각도 또는 거리 등과 같은 직관 적인 기하학적 개념을 도입하기 위한 것이며 , 내적의 주요 목적은 벡터가 서로 직교 인지 확인 하는 것이다. dot product general inner product 두 인자에 대한 mapping 이며, 각.. 공감수 0 댓글수 0 2024. 3. 1.
  • [CH2. Linear Algebra] 1. Systems of Linear Equations 연립 일차 방정식은 선형대수학의 중심이 되는 파트로 , 많은 문제들은 연립선형방정식으로 공식화될 수 있고 선형대수학은 이 문제를 풀수 있는 방법을 제공한다. 식 2.3은 연립선형방정식의 general form 이고, x1, ....., xn 은 이 방정식에서 미지의 값이다. 식(2.3)을 만족하는 모든 n-튜플은 이 연립선형방정식의 해이다. 연립선형 방정식을 조금 더 체계적으로 접근하기 위해서 식 2.3을 다음과 같은 형태로 표현하게 된다. 즉 계쑤 aij를 벡터로 표현하고 이러한 벡터들을 모아서 행렬로 표현하는 것이다. 2. Matrices 행렬은 선형대수학에서 매우 중요한 역할을 담당하며, 연립선형방정식을 간결하게 표현하는데 사용 할 수 있다. .. 공감수 0 댓글수 0 2024. 2. 23.
  • [mathematics for Machine Learning] 선형대수 스터디 2주차 3.1 Norm 절대 동질성(Absolutely homogeneous): 모든 스칼라 λ에 대해 ||λx|| = |λ|||x||을 만족한다. 삼각 부등식(Triangle inequality): 두 벡터의 합의 노름은 각 벡터의 노름의 합보다 작거나 같다는 것을 의미한다. ||x + y|| ≤ ||x|| + ||y||. 양의 정부호(Positive definite): 모든 벡터 x에 대해 ||x|| ≥ 0이며, ||x|| = 0인 경우에만 x = 0이 된다. 맨해튼 노름 (Manhattan Norm) vs 유클리드 거리 (Euclidean Distance) 맨해튼 노름(L1 norm) : 벡터의 각 성분의 절대값의 합으로 계산 유클리드 거리(L2 norm) : 유클리드 거리는 우리가 일반적으로 생각하는 두.. 공감수 0 댓글수 1 2024. 2. 17.
  • [mathematics for Machine Learning] 선형대수 스터디 1주차 (solving ststems of linear Equations , vector space) 2.3 Solving systems of Linear Equations 선형 방정식을 푸는 방법 이런 선형 방정식들은 알려진 상수 a11, a12, a1n 과 알려지지 않는 변수 x1 ,x2,x3 ,,, xn으로 이루어져 있고 우리는 여러개의 방정식에서 변수들의 값을 찾아야 한다. 2.3.1 Particular and General Solution 특이해 과 일반해 이런 해를 구하려고 생각해보자. 2개의 방정식과 변수 4개가 존재 한다. 그러므로 당연히 무수히 많은 해가 존재 한다. 하지만 그럼에도 불구 하고 그 중 하나의 특정 해를 구하는 방법을 생각 해보자. 우선, 방정식의 앞 두 개만을 가지고 [42, 8] 해를 구할 수 있다. [42,8,0,0]을 특이해 라고 한다. 그러나 이 선형 방정식에서 유.. 공감수 0 댓글수 1 2024. 2. 9.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.