[KT에이블스쿨] 9주차 리뷰

안녕하세요, "나는야맹구"입니다.

오늘은 9주차 리뷰를 가져와봤씁니다.

---

월요일에는 한기영 강사님과 함께했어요. cnn구조에 대해 설명도 해주셨습니다.

• (60000,28,28) -> 28x28짜리가 6만개 있다
• 컬러이미지는 3차원이다. -> 3차원이 여러장있으면 4차원이 되는거다
• CNN구조 4개만 기억하자
  • input_shape = (픽셀 사이즈, 세로 * 가로 * 채널)
    • 흑백 : 채널 = 1
    • 칼라 : 채널 = 3
  • Convolutional Layer:필터로 지역적인 특성(feature)을 뽑는 과정.
    • Conv2d(32):32개의 특징을 찾는다
    • ConvNet(특히 Conv2D): 이미지 분석에 주로 사용
      • 데이터에 담겨 있는 지역적 특징을 추출
      • 필터(커널) : 개수 32개
      • 2차원으로 이동하며 Feature Map 구성
      • kernel_size = (3,3) 가로3, 세로3, 가로세로 길이가 같으면 kernel_
  • Max Pooling: 앞에서 생긴 너무 많은 데이터들을 중요한 정보만 남기고 요약하자
  • Flatten: 펼쳐서 dense레이어의 인풋으로 넣음
• object detecion
  • iou - 예측한 박스(x)와 실제 박스(y) 일 때 x와 y의 교집합/x와 y의 합집합 -> 0에서 1사이의 값을 가짐
  • confidence score - 박스 안에 물체가 있을 확 
  • NMS - 특정 Object라고 예측한 Bounding box의 중복을 제거함 -> 여러 박스 중에 하나만 남겨두도록
  • Precision - Recall Curve
    • Curve 아래 영역 -> Average Precision
      • Object Detection의 평가 지표 - mAP
  • Annotation: 정답 bounding box에 대한 정보
    • YOLO모델에서는 txt파일
      • 뽀로로.png라는 파일이 있으면 뽀로로.txt파일이 있어야됨
  • 꼭 만들어야하는 파일 구조
    • yaml이라는 파일에 아래 지정해둬야함
      • 데이터셋 경로, 클래스의 수, 클래스명 등

images폴더에는 image파일을, labels 폴더에는txt파일

train, valid파일만 잇으면 됨!

train
ㄴweights 
ㄴ best.pt, last.pt
best.pt는 m성능이 좋은 가중치, last.pt는 마지막 성능이 기록된 가중

• Image Classification 
  • mnist데이터 가지고 한거
  • 분류
  • 이미지가 사전에 정의한 범주 중 어떤 범주에 속하는지 분류하는 문제 (주로 CNN기반)
• Image localization
  • 이미지 내 사전에 정의한 범주 중 어떤 범주에 속하며 어디에 존재하는지 예측하는 문제
• Roboflow
  • yolo와 친숙한 사이트, 다른 사람이 만들어놓은 데이터셋을 끌어다 사용해볼 수 있는 사이트
  • 나만의 데이터셋을 만들어 사용해보기

 

다음날에는 한기영 강사님과 같이 언어모델을 다루는 수업을 진행했습니다.

• chatgpt 접속안하고도 gpt한테 답변 얻기 등의 수업을 진행했습니다.

---

이번 주에는 딥러닝 심화에 대해서 배웠던 주였어요.
yolo모델 사용해서 image detection도 하고, colab에서 gpt를 사용해보기도 했어요. 많은 걸 얻어간 시간이었습니다!!!