언어는 시간에 따라 전개 되는 시퀀스이다.그러나 표준 ML 방법은 시간적 특성을 고려하지 않는다.feedforward NNs(neural network) 또한 시간 적 특성을 고려하지 않았다(Markov 가정)긴거리 의존성을 갖는 언어의 특성상 이러한 한정된 문맥은 치

Goal확률론적 언어 모델(Probabilistic Language Models)은 $m$개의 단어 $w_1,w_2 ,w_3, ..., w_m$(word sequence)가 주어졌을 때 , 해당 시퀀스의 확률을 구하는 것이 목적이다.$P(W) = P(w1,w_2 ,w

프로그램을 작성하다 보면 상태를 나타내는 다양한 상수들이 존재한다. 이러한 상수들은 프로그램을 작성할 당시엔 어떤 의미인지 바로 알 수 있지만. 시간이 지난 뒤 보면 잊어버리는 경우가 많다. 이럴때 enum 타입을 이용하면 가독성을 높일 수 있다.예시위와 같이 정의된

학교 강의 내용과 맞추기 위해 chap7을 먼저 공부함지도학습 중 분류에 해당하는 머신러닝 기법 중 하나이다.기본원리생선의 길이가가 주어졌을 때 그 길이에 따라 연어 혹은 농어인지 구별하는 문제가 있다고 가정해보자. 아래와 같이 주어졌을 때 사후확률인 $P(c_1| x

자바에는 모든 클래스의 수퍼 클래스인 "Object"라는 이름의 클래스가 존재하며, java.lang.Object 패키지에 정의되어 있다.자바의 모든 클래스는 Object를 상속 받지만 별도의 명시는 필요없다.(java 컴파일러가 알아서함)Object 클래스는 다음 m

3.1 기본형식

Training error: 모델이 학습 데이터셋에서 만들어낸 오차Generalization error: 모델이 새로운 데이터 셋에서 만들어 낸 오차Overfitting: 모델이 특정 훈련 데이터의 특성을 과하게 학습하여 특정 데이터의 특성을 일반적인 성질이라 혼동하는

운영체제의 역할 중 하나인 프로세스 스케줄링에 대해 배워보자.프로세스(process)란 프로그램이 실행 되기 위해 주메모리에 load되어 있는 상태를 의미한다. 즉 쉽게 말해 실행중인 프로그램을 프로세스라고 한다.프로세스의 메모리 layout을 살펴보면 네 가지 sec

write once, compile everywhere -> 타겟 마다 별도의 실행 파일을 생성함변수를 생성할때 stack, heap 둘다 가능.연산자 오버로딩.....write once, run anywhere -> 동일한 실행파일이 타겟에 의존적인 JVM 위에서 실

분산 환경을 지원하는 통신 미들웨어(Linux 운영체제 위에서 돌아가는 소프트웨어), 로봇을 만들고 제어하려면 여러 컴퓨터들을 분산처리해서 소프트웨어를 실행해야한다(분산실행환경). 이러한 분산실행 환경을할 수 있도록 분산 실행환경들을 동기화를 도와주는 것이 ROS2다.

프로세스프로그램이 실행되기 위해 주메모리에 올라와 있는 동적 상태, 단순히 실행 중인 프로그램으로 생각하면 편하다스레드스레드란 프로세스 내에서 실행되는 여러 작업의 단위, 스레드가 한개로 동작하면 싱글, 여러 개의 스레드가 동작하면 멀티 스레딩동시성 (Concurren

바운드는 크게 두가지 cpu, i/o 바운드로 나뉜다.CPU 바운드프로그램이 실행될 때 실행 속도가 cpu 속도에 의해 제한됨을 의미한다. cpu가 계속 계산을하기 때문에 cpu에서 계산이 끝날때 까지 프로그램이 잠시 멈춘다.I/O 바운드 I,O는 각각 input과 o

HRNet의 경우 cityscapes의 paper with codes를 보면 2019, 2020년에 높은 성능을 보인 것을 볼 수 있다. 그리고 HRNet을 바탕으로한 OCR, Multi scale attention, self attention등 다양한 연구가 계속 되

저번 시간에 sementic segmentation Task를 수행하는 FCN의 한계점의 개선방향에 대해 설명하면서 대략적인 DeepLab의 구조와 이론을 살펴보았다. 이번에는 DeepLab계열의 모델들이 어떻게 개선 되어왔는지 비교해보자.이전 포스팅에서 설명한 Dil

딥러닝을 이용한 segmentation으로는 FCN이 있다. FCN이란 Fully convolutional Networks의 약자로 CVPR에 소개 되었고 주요한 특징은 아래와 같다.vgg 네트워크를 backbone로 사용vgg 네트워크의 FC layer를 Convol

Taxonomy Text Detection모델의 경우 regression과 segmentation 기반의 관점으로 볼 수 있다. Regression-Based regression-base Text Detection 모델 예시: TextBoxes'18 ssd를 글자 영

Optical Character Recognition 광학문자인식으로 알려진 ocr은 텍스트를 기계가 인식할 수 있는 텍스트 형식으로 변환하는 Task이다.

Object Detection task에는 크게 아래 두 라이브러리를 사용한다.MMDetectionDetectron2MMDetection은 pytorch 기반의 Object Detection 오픈소스 라이브러리로 각각의 모듈 단위로 커스터 마이징이 가능하다.위 그림을

앞서 포스팅한 2 stage detector의 경우 높은 정확도를 갖지만 이미지 처리 속도가 매우 느리다는 단점이 있다. 이러한 한계를 갖는 모델을 real world(실상황)에 사용하기란 문제가 있다. 따라서 real world에서 응용 가능한 object detec

우선 Neck을 이해하기 전에 2-stage-detector의 pipline에 대해 살펴보자. 아래의 그림처럼 입력 이미지가 backbone을 거쳐나온 마지막 feature map만 RPN을 거쳐 Roi영역을 출력하는 것을 볼 수 있다. Neck을 사용하지 않은 2-s