딥러닝 모델을 개발할 때, 많은 사람들이 모델 설계나 데이터 처리에 집중하는 경향이 있습니다.하지만, 문제 정의와 구체화 과정이 제대로 이루어지지 않으면 아무리 좋은 모델을 사용하더라도원하는 성과를 얻기 어렵습니다. 이번 글에서는 딥러닝 프로젝트에서 문제를 정의하고 구체화하는 과정이 왜 중요한지,그리고 이 단계가 프로젝트의 성공에 어떤 영향을 미치는지 알아보겠습니다.1. 문제 정의가 왜 중요한가?문제를 정확하게 정의하는 것은 딥러닝 프로젝트의 첫걸음입니다.문제를 제대로 이해하지 못하면 해결책 또한 엉뚱한 방향으로 갈 수 있기 때문입니다.딥러닝은 일반적으로 데이터를 통해 학습하고 패턴을 찾아가는 과정이므로,문제의 핵심을 파악하지 못하면 모델이 학습해야 할 목표가 불분명해집니다. 예를 들어, 자동차 이미지 ..

강의Generative Model 학습 내용Autoregressive (AE)Variational Auto Encoder (VAE)Difusstion  Daily study생성모델의 개념과 원리에 대한 이해 회고생성모델에 개념을 정리하고, 수식도 파악 후에 머릿속에 넣어야겠다.

강의Visual-languge model 학습 내용다양한 시각언어 모델 설명 Daily studyLLaVa, instructBLIP 회고모든 논문을 정확히 파악하기는 어렵다.내가 관심있는 분야를 정해서 논문을 하나씩 봐야겠다.

서론딥러닝의 발전과 함께 컴퓨터 비전 분야는 급격한 변화를 겪고 있습니다. 그중에서도 객체 탐지(Object Detection)는 이미지나 비디오에서 특정 객체를 찾아내고, 그 위치를 정확히 예측하는 중요한 과제입니다. 이 과제는 자율 주행, 영상 감시, 의료 영상 분석 등 다양한 분야에서 활용되며, 딥러닝의 주요 연구 주제 중 하나입니다.오늘 살펴볼 논문은 R-CNN (Region-based Convolutional Neural Networks) 입니다. R-CNN은 2014년 Ross Girshick가 주도한 연구로, 객체 탐지의 성능을 크게 향상시킨 모델입니다.Pascal VOC 2012 데이터셋에서 mAP 가 53.3% 로 이전 최고 결과보다 30% 향상되었습니다.이 글에서는 R-CNN의 기본 개..

1. SVM 이란??SVM, 즉 Support Vector Machine은 지도 학습(Supervised Learning)의 한 종류로,주어진 데이터를 기반으로 새로운 데이터를 분류하는 데 사용되는 강력한 알고리즘입니다.이 모델은 기본적으로 데이터를 분류할 수 있는 최적의 경계(또는 선)를 찾는 일을 합니다.2. SVM의 기본 아이디어는 최적의 경계를 찾는 것!SVM은 두 클래스 사이의 Decision Boundary(결정 경계)를 찾습니다. 이 경계는 데이터를 가장 잘 분리할 수 있는 선을 의미합니다.예를 들어,키와 몸무게라는 두 가지 특징을 데이터를 이용해 사람들을 "운동 선수"와 "비운동 선수"로 분류하려고 합니다. 각 사람의 키와 몸무게는 좌표 평면에 점으로 나타낼 수 있습니다. SVM은 이 점들..

컴퓨터 비전에서 객체 검출(Object Detection)은 이미지에서 특정 객체의 위치를 찾아내고,그 객체가 무엇인지를 식별하는 복잡한 작업입니다. 하지만 이미지 전체를 대상으로 모든 가능한 위치에서 객체를 찾으려면, 그 계산 비용은 엄청나게 커지게 됩니다.바로 이 문제를 해결하기 위해 등장한 개념이 Region Proposals 입니다.그 중에서도 오늘 이야기할 주제는 Bottom-up Region Proposals 입니다. 이 블로그는 R-CNN 논문에서 연결되는 개념입니다.1. Region Proposals란 무엇인가요? 간단히 말해, Region Proposals(영역 제안)은 이미지에서 객체가 있을 가능성이 높은 후보 영역을 찾아내는 과정입니다. 이러한 영역 제안은 객체 검출 과정에서 중요한 ..

강의멀티모달 학습 내용다양한 데이터 구조멀티모달 학습 방법 Daily studyCLIP 모델 회고CLIP 모델 코드로 이해를 더 많이 함

강의segmentation & Detection의 개념과 활용처 학습 내용segmentation & Detection 에 대한 설명 및 개념 Daily studyR-CNN, DERT, SAM 에 대한 개념 회고논문 리뷰 필요

Motion Magnification (모션 증폭)이란?? 영상에서 미세한 움직임을 증폭시켜, 육안으로는 감지하기 어려운 미세한 움직임을 더 잘 볼 수 있게 해주는 기법입니다.이 기법은 영상에서 작은 진동이나 움직임을 감지하는 데 유용합니다. 예를 들어, 사람의 맥박이 뛰는 모습을 영상에서 더 뚜렷하게 보여줄 수 있으며, 구조물의 미세한 흔들림을 감지하는 데 사용될 수도 있습니다. 이 방법은 Eulerian Video Magnification이라는 알고리즘을 통해 수행되며, 공간적 필터링과 시간적 필터링을 결합하여 움직임을 증폭시킵니다. 기본적으로 영상의 각 픽셀에 대해 움직임을 분석하고, 그 움직임을 증폭시켜 더 뚜렷하게 보이게 합니다.딥러닝 기반 Motion Magnification의 원리데이터 수집..