Carpe Diem Carpe Diem

Instance segmentation Segmantic segmantation + 각각의 물체 구분 가능(id 부여) Mask R-CNN RoIAlign이라는 새로운 Pooling layer 제안 (RoI Pooling 업그레이드 버전) Faster R-CNN + Mask branch (모든 클래스에 대한 mask를 생성하고 분류 결과에 따라 참조) YOLOACT real-time semantic segmatation 가능, one-stage mask의 프로토타입을 추출해서 사용 (mask를 합성해낼 수 있는 component를 생성해냄) 추후 mask로 합성될 수 있는 component 제공 component를 선형결합하여 다양한 mask 생성 (모든 클래스 x) YoloactEdge YOLOACT를..

CNN Visualization이란? CNN은 블랙박스 방식이다 결과는 인간과 유사하게 또는 원하는대로 도출할 수 있지만 무엇을 근거로 그러한 결과가 나왔는지 알 수 없다 1. Feature analysis (모델의 특징 분석) Embedding Feature 분석 방법 (High Layer 해석) Nearest neighbors(NN) in feature space 단순한 픽셀 비교가 아니라 컨셉을 이해해서 물체의 위치변화에도 강함 query image와 비슷한 이미지를 DB에서 찾아서 나열하면 의미론적으로 유사한 이미지들끼리 모이게 됨 특징과 유사한 이미지들을 묶어서 return 전체적인 이미지 파악은 어려움 Dimensionality reduction 3차원 이상의 고차원의 분포를 저차원으로 차원축..

Interative을 사용하는 이유? 정적 시각화에는 단점이 있다. 예를 들어 Feature가 10개 있다면 각각의 관계를 살펴보는데 45개의 plot이 필요하다는 것이다 이것은 공간적 낭비가 크다 사용자마다 원하는 인사이트가 다르기 때문에 원하는 정보를 압축해서 담으려면 정적시각화가 나음 Interative Viz 라이브러리 대표적인 라이브러리 3개: Plotly , Bokeh, Altair Matplotlib 인터렉티브 제공 주피터나 local에서만 실행할 수 있어서 비추! Plotly (추천!) 인터랙티브 시각화에 가장 많이 사용됨 python 뿐만아니라 R, JS에서도 제공 예시 + 문서화가 잘되어 있음, 다양한 시각화 기능도 제공 Plotly Express plotly를 seaborn과 유사하게..

Missingno 결측치를 체크하는 시각화 라이브러리 빠르게 결측치의 분포 확인하고 싶을 때 pip install missingno import missingno as msno titanic = sns.load_dataset('titanic') msno.matrix(titanic) #msno.bar(titanic) bar형태로 출력 Treemap 계층적 데이터를 직사각형을 사용하여 포함 관계를 표현 사각형을 분할하는 타일링 알고리즘에 따라 형태가 다양해짐 큰 사각형을 분할하여 전체를 나타내는 모자이크 플롯과 유사 pip install squarify 또는 Plotly의 treemap import squarify values = [100, 200, 300, 400] # 각 사각형 넓이 (비율) label ..

Object detection Semantic segmentation: 객체 종류만 구분 Instance segmentation과 Panoptic segmentation: 각각의 객체도 서로 구분 가능 (P_class, x_min, y_min, x_max, y_max) : Classification + Box loacalization 자율주행, OCR 기술에 사용됨 Two-stage와 Single-stage로 구분됨 Two-stage detector 초기의 방법들 Gradient-based detector: 이미지/영상에서 각도에 따라 경계선 따서 객체 탐지 Selective search Over-segmentation: 영상을 비슷한 색끼리 작게 분할 작게 분할된 영역들을 비슷한 색/ gradient끼..

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..