반응형 분류 전체보기 썸네일형 리스트형 Object Detection -YOLO [복습] YOLO (You Only Look Once) 가장 빠른 객체 검출 알고리즘 중 하나 256x256 사이즈의 이미지 GPU 사용 시, 초당 170프레임(170FPS, frames per second), 이는 파이썬, 텐서플로 기반 프레임워크가 아닌 C++로 구현된 코드 기준 작은 크기의 물체를 탐지하는데는 어려움 YOLO Backbone 백본 모델(backbone model) 기반 특징 추출기(Feature Extractor)라고도 불림 YOLO는 자체 맞춤 아키텍쳐 사용 어떤 특징 추출기 아키텍쳐를 사용했는지에 따라 성능 달라짐 마지막 계층은 크기가 𝑤×ℎ×𝐷인 특징 볼륨 출력 𝑤×ℎ는 그리드의 크기이고, 𝐷는 특징 볼륨 깊이 YOLO의 계층 출력 마지막 계층 출력은 𝑤×ℎ×𝑀 행렬 𝑀=𝐵×(𝐶+5) .. 더보기 OpenVX 스터디(계속 업데이트해나갈예정) 필자는 OpenVX에 대해 앞으로 연구 및 개발을 해볼 예정으로 Searching을 통해 알아낸 바를 아래에 개인적인 용도로 적고자 한다. 다른 분들도 제 블로그에서 한번에 정리 되면 더욱 좋을 것 같다. OpenVX 샘플 Khronos OpenVX ™ 는 컴퓨터 비전 애플리케이션의 크로스 플랫폼 가속화를위한 로열티가없는 개방형 표준입니다. OpenVX는 얼굴, 신체 및 제스처 추적, 스마트 비디오 감시, 고급 운전자 지원 시스템 (ADAS), 물체 및 장면 재구성, 증강 현실과 같은 임베디드 및 실시간 사용 사례에서 특히 중요한 성능 및 전력 최적화 컴퓨터 비전 처리를 지원합니다. , 육안 검사, 로봇 공학 등. 이 프로젝트에서는 OpenVX를 준수하는 모든 구현에 사용할 OpenVX 샘플 애플리케이션.. 더보기 딥러닝 Super resolution 이전 논문 정리 Haar Wavelet 사용 CNN 기반 IR 영상 Stripe Denoising 적외선 영상은 가시광선이 아닌 물체의 복사량을 측정하기 때문에, 가시광선이 부족한 야간상황에서 많이 쓰인다. 하지만 적외선 센서, 검출기의 구조 특성 상 영상에서 stripe 잡음(노이즈(noise))이 발생하고, 이로인하여 적외선 영상을 응용하는 다양한 분야의 시스템에서 성능저하가 발생한다. 따라서 적외선(IR; Infrared) 영상에서 stripe 잡음 성분만을 검출하여 제거하는 방법이 필요하다. 최근에는 CNN (Convolutional Neural Network)를 이용한 딥러닝 기반의 IR 영상 stripe 잡음 제거 방법이 소개되었다. 그 중에서도 wavelet transform과 CNN을 이용한 IR 영상 s.. 더보기 Tensorflow CNN 오랜만에 정리하기 CNN 주요 워드를 정리하면 다음과 같습니다. 특징추출 컨볼루션 연산 = 합성곱 수작업 필터 (수직선/수평선 검출, 흐림(blur)효과, 날카로운 이미지(sharpen)효과 수작업 필터를 적용하기에는 3가지 문제점 존재, 도메인 지식 + 시간과 비용 + 좁은 확장성 컨볼루션의 역할은 네트워크가 특징을 추출하는 필터를 자동으로 생성해줌 어떻게 특징을 자동으로 추출하는 것일까요? II. 주요 레이어 정리 지금까지 이 책에 나온 레이어는 Dense 레이어와 Flatten 레이어 두 종류입니다. Dense레이어는 신경망에서 가장 기본이 되는 레이어이며 각 뉴런이 완전 연결(Fully-Connected) 레이어라고 불리웁니다. Flatten레이어는 다차원의 이미지를 1차원으로 평평하게 바꿔주는 레이어입니다. 위 .. 더보기 이전 1 ··· 4 5 6 7 8 9 10 ··· 54 다음
