클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

이제 컴퓨터 비전의 마지막 수업만이 남아있다. 어제까지 이 수업을 다 듣고 마치고 싶었으나 저녁에 다 하지 못했다. 오늘 새벽에 30분은 더 일찍 일어나서 공부를 하고 싶었는데 2시 반에 알람이 울릴 때 일어나서 무척 아쉬웠다. 그래도 최소 5시간은 넘게 잠을 자야 건강을 유지할 수 있는 것 같다. 어제는 조금 피곤해서 이보다는 좀 더 취침했다.이어서 남은 공부를 시작해보겠다.    YOLO v8 객체 탐지 실습 세 번째  Flask로 연동하기 위한 html 문서를 작성해 준다. 그리고 플라스크의 몇몇 도구를 import 한다.    하지만 이런 오류가 뜬다. NameError: name 'Flask' is not defined 오류는 Flask 모듈이 import 되지 않았기 때문에 발생한 것이다. F..

저녁을 먹고 이제 다시 공부를 시작해 본다. 오늘은 몸이 무척이나 힘든 날이어서 다른 날보다 속도를 조금 늦추면서 학습을 진행하고 있다. 내일은 컨디션이 좀 나아지길 바라며 이제 나머지 공부를 시작해보려고 한다.지금 YOLO 모델로 객체 탐지를 하는 실습을 진행 중이다.    YOLO v8 객체 탐지 하기 전 살펴볼 것조금 전에 코드를 가져왔던 허깅페이스에 보면 밑에 링크가 하나 있다. 거기로 가면 좀 더 많은 정보를 얻을 수 있다.    모델에 들어가면 여러 코드들을 살펴볼 수 있다.     Models에는 YOLO 모델의 버전별로 나와있다.     우리가 사용할 코드는 바로 이것이다.    YOLO 모델로 객체 탐지하기 좌우 반전을 하는 코드를 추가하고 실행하면 이처럼 객체를 탐지해서 보여준다. 그리..

이번에는 yolo 모델을 사용해서 객체 탐지하는 실습을 진행해보려고 한다. 이제 오후 공부할 시간도 얼마 남지 않았으니 힘을 내서 공부를 잘 마무리해 볼 것이다.     YOLO v8 객체 탐지 실습해보기YOLO 모델은 객체 탐지에서 정말 유명한 모델이다. 객체 탐지를 가장 잘하기도 하며 이 모델을 다른 수업을 통해서 사용했었다. 아마도 CNN 수업 시간이었을 것이다. 이 수업은 비교적 초기에 했던 수업이라 선생님이 딥러닝에 관한 개념 설명을 하시는 부분이 좀 있었다. 그런 부분은 이제는 어느 정도 이해하고 있으니 스킵하고 넘어갔다. YOLO 모델 허깅페이스 Ultralytics/YOLOv8 · Hugging Face中文 | 한국어 | 日本語 | Русский | Deutsch | Français | E..

나만의 YOLO 모델을 만드는 부분의 내용이 길어서 포스트를 나누어서 작성하기로 했다. 이 내용은 수업에서도 다루지 않던 내용이고 처음 해보는 거라 많이 어려웠다.  나만의 YOLO 모델 생성하기Darknet 수준의 YOLO 모델을 개인이 학습하기에는 컴퓨터 리소스가 너무 많이 필요하고, 시간이 많이 걸린다는 문제가 있다. 대신 검은색 바탕에 간단한 도형 3개만 탐지하는 YOLO 모델을 만들어보고, YOLO 모델을 더 쉽게 이해하자. 앞의 그림을 보면 YOLO 논문에서는 이미지를 가로, 세로 각각 7개의 셀로 나누어 총 49 셀을 기본으로 하지만, 우리는 가로, 세로 3개의 세로로 나누는 방식으로 문제를 단순화한다. 또한 논문에서는 한 셀 당 2개의 박스를 그리지만, 우리는 한 셀당 1개의 박스를 그리는..

이어서 객체 탐지에 대해서 공부해 볼 것이다. 이번에는 Darknet에서 제공하는 YOLO(You Only Look Once) 객체 탐지 모델을 사용하는 방법을 알아본다. YOLO는 경계 박스와 예측 클래스를 서로 다른 문제로 다루지 않고 하나의 회귀 문제로 접근하는 개념이다. 다시 말하면, 하나의 신경망이 한 번만 계산해 두 가지 일을 한꺼번에 처리한다. 따라서 속도가 매우 빠르다는 장점을 갖는다.     Darknet YOLO 모델 추론하기YOLO 모델을 개인 로컬 PC 환경에서 학습하는 것은 사실상 불가능하다. 성느 좋은 GPU가 필요하고, 학습 시간도 오래 걸리기 때문이다. 하지만 Darknet에서 제공하는 사전 학습 모델을 활용하면 일반 pc 환경에서도 YOLO 뿐만 아니라 RestNet 등 다..

어제 저녁에 이 단원과 영어 공부를 하려고 했는데 피곤하기도 하고 그냥 쉬고 싶었다. 역시 난 외부 활동을 하면 에너지가 많이 소진되는 걸 느낀다. 하지만 정말 가길 잘했다는 생각이 들었다. 오늘도 행사가 있지만 그냥 집에서 밀린 공부를 할 생각이다. 오늘까지 꼭 CNN을 마쳐야 이번주 일요일까지 RNN까지 진도를 나가 딥러닝 공부를 마칠 수 있을 것 같다.더이상 진도가 밀리면 다음 일정에 차질이 생길 테니까.평소보다 늦게 일어났지만 이제부터 다시 열심히 공부해볼 것이다. 객체 탐지에 대하여Object Detection 문제는 객체 탐지 또는 객체 검출이라고 번역하여 사용된다. 이미지를 인식하는 컴퓨터 비전 AI 기술이 가장 많이 응용되는 분야라고 말할 수 있다. 가장 대표적인 응용 분야로는 자율주행차를..

이이서 가위 바위 보 객체 탐지하는 실습을 진행해 보겠다. 아침 공부할 시간이 이제 30분도 남지 않아서 서둘러야겠다.    YOLO v8 객체 탐지 실습해보기이제 불러온 가위 바위 보 객체 탐지 모델을 학습시킬 차례이다.  data의 경로를 yaml에 가서 붙여 넣는데 줄이 너무 길기에 상대경로로 점을 찍어서 앞의 부분을 지우면 된다. 이 모델을 가져오는데 10분 정도 걸린다.너무 긴 관계로 일부만 캡처해 보았다.    모델 학습에 붙여 넣을 경로 runs에 가면 train에 이러한 파일이 들어있다.    weights에 들어가면 이러한 파일이 들어있는데 베스트 모델을 담아놓은 것이 best.pt이다.    이 안에 있는 weights 안의 best.pt의 경로를 복사하여 괄호 안에 넣는다.      ..

AICON 행사에 가려면 아침에 공부할 시간이 1시간 반밖에 남지 않았다. 그래도 수업 한 시간 분량은 공부할 수 있을 것 같아 객체 탐지 공부를 이어서 하려고 한다.그리고 행사 끝나고 나서 집에 와서 저녁에 영어 공부 마치고 나서 하면 분명 오늘 객체 탐지 단원까지는 마칠 수 있을 것 같다. 시간이 남으면 책 학습을 하고 아니면 내일 새벽에 하면 된다.   YOLO v8 객체 탐지 실습해 보기지난 시간에는 YOLO v6 버전으로 객체를 탐지하는 실습을 진행했다. 이번에는 조금 업그레이드된 v8 버전으로 학습을 진행해 볼 것이다.  지난번에 했던 것처럼 경로를 현재 위치로 가져온다.    YOLO 모델 가져와서 코드 붙여 넣기 가위 바위 보 객체 탐지 모델 다운로드 yolov7_rock_paper_sci..

이어서 라벨링한 데이터의 코드를 수정하는 작업을 진행해 보겠다.     data.yaml 파일 수정하기 그리고 이 폴더 안에 들어가면 이미지가 있는데 이상하게도 이미지에 라벨이 표시되어 있지 않다. 그 이유는 라벨은 좌표이기 때문이다. 사진 안에는 없지만 lables에 들어가면 좌표가 찍혀 있다.     이제 다시 코랩으로 돌아와서 이미지 학습을 시킬 텐데 그전에 한 가지 주의 사항이 있다. labes 폴더에 들어가 보면 다음과 같은 텍스트 파일을 볼 수 있다.    data.yaml은 데이터가 들어있는 경로를 저장해 주는 파일이다.     이 파일은 지금 상대경로로 되어 있는데 이것을 절대경로로 변경하여 저장할 것이다. images 폴더 밑에 있는 test, train, valid의 경로를 복사하여 이..