Dev Stack

이전글 : 2021.08.04 - [Develope/Python] - Detectron - 응용편1 #image labeling Detectron - 응용편1 #image labeling detectron 샘플 예제를 응용하기 위해 직접 모델을 만들어 보기로 한다. 안경을 구분해 내는 모델을 만들어 보도록 한다. 훈련용 이미지에 labeling 을 해줘야 하는데, 여러가지 툴 중 Polygon 형태의 lab brtech.tistory.com 이전 응용편에 이어 validation 과정을 진행해볼 차례이다. 기본 코드는 샘플과 동일하며 다른점은 dataset 을 불러오는것과 validation 용 이미지를 불러오는 방식이 다를뿐 샘플과 완전히 동일하다. 샘플에서는 validation 용 이미지 파일 리스트..

detectron 샘플 예제를 응용하기 위해 직접 모델을 만들어 보기로 한다. 안경을 구분해 내는 모델을 만들어 보도록 한다. 훈련용 이미지에 labeling 을 해줘야 하는데, 여러가지 툴 중 Polygon 형태의 labeling이 가능한 labelme 라는 툴을 사용하기로 했다. https://github.com/wkentaro/labelme#macos GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag Image Polygonal Annotation with Python (polygon, rectangle, circle, l..

* 이 글은 공부하는 단계에서 샘플을 이해하고 개인적인 해석이 들어가 있으므로 잘못된 내용이 있을수 있습니다. 이번에는 Custom Dataset(balloon) 을 이용한 모델 훈련 예제를 실행해본다. 먼저 ballon_dataset 을 다운받아서 압축을 풀어준다. wget https://github.com/matterport/Mask_RCNN/releases/download/v2.1/balloon_dataset.zip unzip ballon_dataset.zip 폴더 안에는 train 전용 이미지들과 validation 용 이미지들이 각각 폴더에 있고 풍선에 레이블링이 된 json파일이 있다. 아래 코드는 detectron zoo 모델에 커스텀 데이터 세트(balloon) 를 등록하고 확인하는 코드이..

https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5#scrollTo=4Qg7zSVOulkb Detectron2 Tutorial.ipynb Colaboratory notebook colab.research.google.com 구글 코랩에 올라와있는 샘플 코드를 기반으로 로컬에서 실행해본다. # check pytorch installation: import torch, torchvision print(torch.__version__, torch.cuda.is_available()) assert torch.__version__.startswith("1.9") # please manually install torch 1.9 if C..

앞번 PART2 까지의 과정에서 우리는 데이터셋을 여러가지 방법으로 살펴보았다. 이제는 이 데이터셋을 가지고 특정 알고리즘을 적용하여 예측하기까지 최적의 알고리즘을 찾고 검증하는 단계를 진행해보고자 한다. 본 글은 http://machinelearningmastery.com/machine-learning-in-python-step-by-step/을 참고로 하였으며 필자는 전문적인 지식이 없고 공부하는 과정으로 일부 잘못된점이 있을 수 있으니 참고해 주세요. 먼저 유효성 검사에 쓰일 데이터 세트를 만들어야 한다. 기존에 로드된 iris 데이터 세트를 두개로 분할한다. 80% 는 모델을 학습하는데 사용할것이고, 20%는 유효성 검사에 사용할 것이다. PART 2 마지막에 진행했던 코드들을 주석처리하고 다음 ..

이번장에서는 PART 1. Hello World ? 장에 이어 데이터셋을 이용하여 데이터 시각화를 해보자. 그전에 먼저 다시한번 필자의 구동 환경에 대해 짚어보자. VULTR 클라우드 호스팅에 우분투 17.04 서버를 얹혀 PC 윈도우상에서 putty 로 접속해서 코드를 짜서 실행해보고있다. 이번장에 데이터 시각화를 하기위해서는 우분투 데스크탑이 필요하다. 서버라서 그런건 없고 우분투는 서툴고.. 간편한 맥으로 넘어가서 python2.7 만 설치하고 다시 처음부터 할까 하다가 시작을 이렇게 했는데 계속 해야지! 하며 우분투 서버에 데스크탑을 설치하기로 했다. 자세한 내용은 우분투 17.04 서버에 VNC로 접속하기 편을 참고. ----------------------------------- PART 1에..