공부 정리! 공부 정리!

SRGAN을 텐서플로우로 모델 구현을 해보겠습니다. 논문에 대한 설명은 밑의 주소에 간단하게 정리 했습니다. https://hwanny-yy.tistory.com/18 SR-GAN 정리 및 코드 Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 라는 제목으로 CVPR2017에 올라간 논문입니다. 2017년에는 좋은 논문들이 많이 나온것 같네요! SRGAN - Super Resolution.. hwanny-yy.tistory.com Generator SRGAN의 generator부분입니다. 중요부분으로는 residual block과 subpixel block입니다. Residual block에는 특별하게 ..

목표 basemodel로 널리 사용되고 있는 resnet에 대하여 간단하게 알아보고 블럭 구현및 테스트를 진행 해보자! resnet은 residual path --> skip connection이라고도 표현되는 구조를 고안했다. 이미지 처리를 딥러닝으로 하다 보면 문제점이 발생하는데 그것은 layer의 깊이와 관련되 있을 것이다. 일반적으로는 layer가 많고 깊에 쌓을 수록 좋은 성능을 보여준다. 하지만 위의 그림처럼 무조건 깊게만 하면 성능은 오히려 떨어지게 되는데... 깊어짐에 따라 overfitting문제가 발생할 수 있고 gradient vanishing 문제가 발생한다. 그렇기 때문에 무작정 층계만 많이 쌓으면 오히려 성능이 많이 저하되는 것을 볼 수 있다. 그것을 해결하기 위해 residua..

VGGNet의 구조 1. 가장 기본 적인 구조로 모든 conv필터가 3x3이다. 매우 간단한 구조를 가지면서 꽤 좋은 성능을 보이기 때문에 비교군으로 혹은 테스트를 할때 애용된다. 2. vgg는 블럭형태가 반복되면서 들어가는 것을 확인 할 수 있다. 두개혹은 세개의 conv필터와 maxpooling을 블럭단위로 연속해서 쌓는 방식으로 진행된다. 블럭을 지날수록 필터의 크기는 반으로 줄어들게 한다. (conv필터는 padding = same을 하지만 maxpooling에 의하여 줄어듦) Tensorflow 구현 cifar-10을 활용하여 vgg를 구현한뒤 테스트 해봤다. 데이터 로드부분은 생략하고 바로 코드 블럭을 구현한다. vgg 블럭 구현 def build_vgg_block(input_layer, nu..

파이토치에서 모바일로 실행할 수 있게 데모앱을 지원해 주고 있다. https://github.com/pytorch/android-demo-app pytorch/android-demo-app PyTorch android examples of usage in applications. Contribute to pytorch/android-demo-app development by creating an account on GitHub. github.com 클론해서 사용할 수 있으며 데모 앱실행은 자연스럽게 된다. app단위의 gradle의 depenencies에 아래 코드를 추가하면 android pytorch를 사용할 수 있다. implementation 'org.pytorch:pytorch_android:1..

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix junyanz/pytorch-CycleGAN-and-pix2pix Image-to-Image Translation in PyTorch. Contribute to junyanz/pytorch-CycleGAN-and-pix2pix development by creating an account on GitHub. github.com Cyclegan을 사용하는 것은 test폴더에 이미지를 넣고 모델을 통해 결과물을 저장하는 방식으로 실행이 된다. 웹캠을 이용하여 웹캠으로 들어온 영상을 바로 변환하여 사용을 하고 싶을 수도 있다. 웹캠으로 받은 이미지를 사용하는 코드를 올리고자 한다. import os from o..

전이 학습(Transfer learning) 데이터가 부족한 경우 훌륭하게 학습된 유사한 모델들을 재 학습하는 기법!! CNN모델을 주로 사용한다 (Resnet, Inception, VGG)를 주로 사용 CNN(분류) 모델은 크게 봐서 2가지 모듈이 있다. 1. Feature extraction CNN계층이 있는 칸으로 합성곱 연산을 통해 나온 가중치를 계산하는 곳이다. 계층이 깊어질 깊어질수록 세부적은 특징들을 학습 할 수 있다!! 2. Classifier 분류기 합성곱 연산으로 나온 가중치 값을 활용하여 이미지를 분류함. 각각 클래스의 점수로 나오고 가장 높은 값을 선택한다. 단순하게 입력받은 이미지를 다양한 필터를 통해 나온 값으로 최종적으로 클래스에 맞게 분류한다고 보면 된다. 전이학습이 유사한 ..

torch vision에 있는 pretrained된 mask_rcnn을 활용해서 결과를 바로바로 확인해보고 싶다. 단순하게 input폴더에 이미지를 넣으면 output폴더에 segmentation결과가 바로 나올 수 있게... 또한 결과를 확인 하면서 특정 객체만 segmentation하고 싶다. 다른 예제들은 모든 객체에 대해 결과를 보여준다. 위와 같이 모든 클래스에 대해 결과가 나온다. 하지만 특정 물체만 찾고 싶을때는 조금 어렵다. 두가지의 대해서 사용을 하고 싶다! 간단하게 pytorch를 활용하여 만들어 보자! 프로그램 진행은 간단하다. dataloader을 정의한다. model을 정의 한다. dataloader를 통해 불러온 이미지를 모델에 넣기 모델을 통해 나온 결과를 처리 해줌. 위의 4..

PyTorch 시작하기 tutorials.pytorch.kr/intermediate/torchvision_tutorial.html#id8 TorchVision 객체 검출 미세조정(Finetuning) 튜토리얼 — PyTorch Tutorials 1.6.0 documentation TorchVision 객체 검출 미세조정(Finetuning) 튜토리얼 Tip 이 튜토리얼을 최대한 활용하시려면, 다음의 링크를 이용하시길 추천합니다. Colab 버전. 이를 통해 아래에 제시된 정보로 실험을 해 볼 수 있 tutorials.pytorch.kr 위의 내용을 바탕으로 진행 진행중 윈도우 10용 pycocos 설치가 제대로 되지 않는 문제가 발생 anaconda에서 명령어를 입력함 pip install git+htt..