코딩하는 해커

[AI] 파이토치로 처음부터 U-Net 구현하기 - 1

파이토치로 처음부터 U-Net 구현하기 - 1 U-Net의 기본 개념 U-Net은 'U-Net: Convolutional Networks for Biomedical Image Segmentation'이라는 논문에서 제안한 구조이다. * 논문 주소: https://arxiv.org/pdf/1505.04597.pdf 매우 적은 수의 학습 데이터(위 이미지 형태)만을 사용하여 정확한 시맨틱 세그멘테이션 성능을 보여주어 2015년 세포 추적 대회에서 큰 점수 차로 우승했다. 여기서 시맨틱 세그멘테이션(Semantic Segmentation)이 무엇일까? 시맨틱 세그멘테이션은 한국말로 '의미론적 분할'이라고 하는데, 아래의 예시 이미지와 같이 이미지 내에서 픽셀 단위로 분류하여, 모든 픽셀이 어떤 카테고리에 속하..

[Philosophy] 능력주의 사회의 치명적인 부작용

영국의 저명한 사회학자였던 마이클 영은 1958년에 ‘The Rise of the Meritocracy(능력주의의 등장)’이라는 책에서 능력주의로 인해 생기는 성공한 자의 오만함과 실패자의 분노에 대해 이미 60여년 전에 예견했다. 능력에 따른 차등적 보상을 주는 능력주의 사회가 불러오는 머지않은 미래에 일어날 혹은 이미 현실일 수도 있는 그 부정적인 모습은 어떨까? 살아오면서 성공의 경험을 성취해본 적이 있다면 스스로 돌아보자. 정말 죽을 듯이 노력한 것만으로 성공이라는 결과를 얻어진 것일까? 필자는 수많은 영역에서 성공의 원인 중 가장 큰 요인에는 무엇보다도 ‘운’이 큰 역할을 한다고 생각한다. 운이 주어지더라도 평소에 준비되지 않으면 운을 놓치는 경우가 많아서 확률론적으로 성공의 기회가 많지 않아서..

[서평] Do it 데이터 과학자를 위한 실전 머신러닝

'Do it! 데이터 과학자를 위한 실전 머신러닝' 서평단에 선정되어 책을 받고 빠르게 훑어봤다. 이 책은 기존 머신러닝 책과 차별화된 구성이 가장 큰 매력이다. 예를 들면, 머신러닝 모델을 회귀 모델과 분류 모델로 구분하는 것이 아니라 선형 모델, 트리 모델, 기타 모델, 그리고 비지도 학습 모델로 나누어져 있어, 서로 다른 모델들의 핵심 원리와 활용 방법을 함께 학습할 수 있는 구조로 되어 있다. 특히, 이 책은 이론뿐만 아니라 실제 모델의 구현에 집중한다. 일반적으로 머신러닝 또는 딥러닝 책을 읽다 보면 이론 설명 몇 줄, 관련 수식 몇 줄, 실습 코드로 구성되어 있다. 이러한 경우, 처음 책을 읽는 독자는 왜 저런 수식이 사용되는지 그리고 선형대수학이 어떻게 활용되는지는 전혀 이해하지 못한 채 반..

[JS] ES6의 화살표 함수(fat arrow function)

ES6의 화살표 함수(fat arrow function) 화살표 함수는 ES6에 추가된 표현식을 사용하는 함수로 =>(화살표 기호)로 함수를 선언한다. 이를 살펴보기 앞서 기존의 함수 사용 방법을 먼저 살펴 보자. 기존 JS의 함수 사용 방법 기존 자바스크립트에서는 2가지 방법으로 함수를 선언할 수 있다. 이 둘의 차이는 함수의 이름이 있는지 없는지 차이가 있다. 두 번째 방식을 익명 함수(anonymous function)이라고 한다. ES6의 화살표 함수 사용 방법 화살표 함수는 기존 자바스크립트의 함수 선언 방식 중 익명 함수를 선언하여 변수에 대입하는 방법가 비슷하다. 다만 다른 점은 function 키워드를 생략하며, 인자와 본문 블록 사이( (인자들) {~~} ) 사이에 아래와 같이 화살표 기..

Face Identification, Recognition, Verification 오픈소스 정리

Face Identification, Recognition, Verification 오픈소스 정리 * Search Keyword: Face Recognition, Face Verification, Face Identification 1. InsightFace Summary: MXNet과 PyTorch 기반의 2D, 3D 얼굴 분석 툴킷 GitHub - Star: 17.5K | Fork: 4.7K https://github.com/deepinsight/insightface GitHub - deepinsight/insightface: State-of-the-art 2D and 3D Face Analysis Project State-of-the-art 2D and 3D Face Analysis Project...

[History] 정전협정인가 휴전협정인가?

정전협정인가 휴전협정인가? 정전협정은 1953년에 협정을 하였으나, 종전협정은 맺지 못하였다. - 정전 및 휴전의 의미 정전: 전투 행위를 완전히 멈추는 것 휴전: ‘전투는 잠시 멈춘 상태이나 언제든지 전쟁이 계속될 수 있는 상태’ ⇒ 국제법상 전투 행위를 완전히 멈추는 정전과는 다르다. 우리측 대표가 없는 상태로 유엔군 사령관과 공산군 측의 북한 및 중국 대표가 ‘정전 협정문'에 서명하면서 ‘정전협정'이 맺어짐 > 왜 한국 대표는 없는가? 미국이 전시작전권을 갖고 있었기 때문이다. 정전협정 시작(1951년 7월 10일, 개성에서 시작) ~~ 2년이 넘게 진행된 후에야 합의 정전협상의 5개 항의 의제 (유엔군 vs 공산군 합의하는데 2개월 넘는 시간이 걸림) 제 1의제: 의제 선택과 의사일정 채택 제 2..

[Paper] Face Recognition 관련 논문 정리

1. MAC Based Security Integration using Face Recognition in Cloud Environment (2021) Input data: human face dataset Model: FCN(Fully Convolutional Network) ← Keras Back-end: Django Summary: 클라우드 환경에서 mac 주소와 사용자의 얼굴을 통합 2. Face Security Authentication System Based on Deep Learning and Homomorphic Encryption (2022) Model: MobileNet + FaceNet Front-End & Back-End: Python web module, MySQL DB Summa..

[AI] 정규화(normalization)와 표준화(standardization)의 필요성

정규화(normalization)와 표준화(standardization)의 필요성 오늘은 정규화, 표준화란 무엇이고 인공지능 모델을 학습시킬 때 왜 필요한지 포스팅을 남기고자 한다. 먼저, 정규화랑 표준화를 해주는 과정을 흔히 데이터를 스케일링(scaling)한다고 하며 이를 'data scaling' 혹은 'feature scaling'이라고 부른다. 이러한 정규화와 표준화는 왜 필요한 것일까? 모델은 target과 관련된 데이터의 특징(feature)을 뽑아서 학습한다. 예를 들어, 신규 고객의 보험료를 예측하는 모델을 만든다고 가정해 보자. 이때 사용되는 수치형 feature로 나이, bmi 지수가 있다고 해보자. 이때, 나이는 58이고 bmi지수는 19라는 값을 갖고 있다면, 모델은 나이의 58에..

[AI] Training Steps, Epoch

Training Steps, Epoch 학부 연구생을 하며 같은 데이터셋을 각각 YOLOv5 모델과 SSD Mobile Net으로 학습시킨 후 성능 평가를 해야 하는 과제가 주어졌다. 그런데 YOLOv5를 학습시킬 때에는 epoch로 train 하이퍼 파라미터를 설정해줬는데 SSD Mobile Net으로 학습시킬 때에는 Training Steps라는 용어가 사용되었고 단위도 YOLO에서 처럼 100~300 이정도의 단위가 아니라 10,000, 20,000 이런 큰 단위였다. 구글을 통해 알게된 사실을 남기고자 한다. epoch는 일반적으로 모든 훈련 데이터에 대한 하나의 반복을 뜻한다. 그래서, epoch = (훈련에 사용되는 전체 이미지 개수 / 배치 사이즈) 단계 이다. 즉 모든 단계를 끝내고 나면 ..

[MachineLearning] 선형 회귀 모델로 보험료 예측하기

선형 회귀 모델로 보험료 예측하기 1. Import library & data import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error # MSE library import ssl ssl._create_default_https_context = ssl._create_unverified_context file_url = 'https:/..