Carpe Diem Carpe Diem

Pie Chart 원을 부채꼴로 분할하여 표현하는 통계 차트 가장 많이 사용하는 차트지만 지양하자..!! Why? 비교하기 어렵고 유용성이 떨어짐 오히려 bar plot이 유용하다! Pie Chart vs Bar chart 장점: 비율정보에 대한 정보를 제공 단점: 구체적인 양의 비교가 어려움 labels = ['A', 'B', 'C', 'D','E'] data = np.array([60, 90, 45, 85,80]) # 총합 360 fig, ax = plt.subplots(1, 1, figsize=(7, 7)) ax.pie(data,labels=labels, #startangle=90 x축 기준 90도(y축)에서부터 그래프 시작 #explode = [0, 0, 0.2, 0] 세번째 값만 20% 튀어나오..

Polar Plot 극 좌표계를 사용하는 시각 (거리, 각도 사용) 회전, 주기성 등을 표현하기에 적합 주로 scatter 그래프 (Line, Bar도 가능) projection = polar을 추가하여 사용 fig = plt.figure() ax = fig.add_subplot(111, projection='polar') #fig.add_subplot(111, polar=True) 해도됨 ax.set_rmax(2) 반지름 max값 2로 조정 # ax.set_rmin() 반지름 min값 ax.set_rticks([0.5, 1, 1.5, 2]) 원하는 위치에 값 표시 plt.show() #set_rlabel_position: 반지름 label이 적히는 위치의 각도 조정 #부채꼴로도 표현 가능 #set_th..

Semantic segmantation란? 이미지의 픽셀 단위로 class 구분 의료 이미지, 자율주행, 컴퓨터 사진 기술에 활용 Fully Convolutional Networks (FCN) Semantic Segmentation 모델을 위해 기존 image classification에서 우수한 성능을 보인 CNN 기반 모델(AlexNet, VGG16, GoogLeNet)을 변형시킨 구조 호환성이 높음 Convolution Layer를 통해 Feature 추출 1x1 Convolution Layer를 이용해 피처맵의 채널 수를 데이터셋 class 개수와 같게함 (Class Presence Heat Map 추출) Up-sampling: 낮은 해상도의 Heat Map을 Upsampling한 뒤, 입력 이미..

네트워크를 깊게 쌓는 것이 항상 좋은 것은 아님! 기울기 소실, 계산 복잡도 상승, degradation 문제가 있음! GoogleNet (2015) 모든 fillter 출력을 수평으로 연결 (concatenate) 하지만 이렇게 되면 계산 복잡도와 용량이 커져서 1x1 convolution을 적용하여 압축 (채널 수 조절, 계산량 감소) architecture vanilla convolution networks(stem region) stacked inception modules auxiliary classifiers 기울기 손실을 막기위해 중간중간에 넣어줌 하위 layers에 gradient 주입 train할때만 사용하고 test시에는 사용 안함 classifire output (FC layer 한개..

Data augmentation 카메라로 찍은 사진들(편향됨) ≠ 실제 데이터 편향된 데이터가 문제인 이유? 만약에 밝은 데이터로만 훈련을 시킨다면 테스트 이미지로 어두운 사진이 주어졌을 때 모델은 헷갈림,,~ 데이터셋이 실제 데이터 분포를 대표하지는 않는다 ∴ 따라서 train 데이터와 실제 데이터 분포와의 gap을 줄이기 위해 사용 하는 것이 data augmentation Data augmentation 종류 Brightness (밝기) 조절 def brightness_augmentation(img): img[:,:,0]=img[:,:,0] + 100 # R값에 +100 img[:,:,1]=img[:,:,1] + 100 # G값에 +100 img[:,:,2]=img[:,:,2] + 100 # B값에..

Computer Vision이란? 전체 지식 중 75%는 눈을 통해 들어온다 카메라를 통해 어떤 물체를 포착하면 GPU에 올리고 알고리즘을 사용해 정보를 뽑아냄 Inverse Rendering 과정 Visual perception의 종류 color perception motion perception 3D perception semantic-level perception emotion perception visuomotor perception 등 Image Classification 1. 모든 분류 문제는 k-NN 알고리즘으로 해결할 수 있다 k Nearest Neighors 알고리즘: 주변의 가장 가까운 K개의 데이터를 보고 데이터가 속할 그룹을 판단하는 알고리즘 하지만 세상의 모든 데이터를 다 가지고 ..

Seaborn Matplotlib을 기반으로 다양한 색상 테마와 통계용 차트 등의 기능을 추가한 시각화 라이브러리 Matplotlib으로 커스텀 가능 (디테일한 커스텀보다는 새로운 방법론을 위주로) 쉬운 문법과 깔끔한 디자인 pip install seaborn==0.11 import seaborn as sns categorical API Categorical estimate plots countplot: 범주를 이산적으로 세서 막대 그래프로 그려주는 함수 # ordered로 순서 명시 # hue: 데이터의 구분 기준을 정하여 색상을 통해 내용을 구분 # saturation: 탁한 정도 # palette로 색 변경 sns.countplot(x='race/ethnicity',data=student,hue='..

1. github 저장소 인용 방법 3 Ways to Cite a GitHub Repository - wikiHow If you're writing a research paper in computer science or another technical discipline, you may want to include source code in your research sources, such as code you find in a GitHub repository. Generally, you should include enough... www.wikihow.com 2. Git server & Git client git은 여러가지 버전 관리 시스템 중에서도, 분산된 환경을 통해 소스코드를 관리 분산 환경 시스..