/modu

Primary LanguageJupyter Notebook

test.ipynb

스타벅스 지도에서 위/경도 좌표 및 주소를 csv로 저장해주는 소스
chromeDriver 다운로드 필요 https://m.blog.naver.com/tnsqo1126/222570075666

프로젝트#3 캐글 코리아와 함께하는 2nd ML 대회 - House Price Prediction

앙상블(Ensemble)

** 여러 개의 학습 알고리즘을 사용 **
** 그 예측을 결합 **
** 정확한 최종 예측을 도출하는 기법 **

** 이미지, 영상, 음성 등의 비정형 데이터의 분류 ==> 딥러닝 **
** 대부분의 정형 데이터 분류 ==> 앙상블 **

앙상블 학습 유형
Voting/Averaging : Voting(분류:categorical), Averaging(회귀:numerical)
Bagging(Bootstrap Aggregating),
Boosting,
Stacking 등 다양한 앙상블 학습의 유형

Going Deeper

  1. 없다면 어떻게 될까?(ResNet Ablation Study)

    • ResNet-34, ResNet-50 모델 구현이 정상적으로 진행되었는가?
    • 구현한 ResNet 모델을 활용하여 Image Classification 모델 훈련이 가능한가?
    • Ablation Study 결과가 바른 포맷으로 제출되었는가?

  2. 이미지 어디까지 우려볼까?

    • CutMix와 MixUp 기법을 ResNet50 분류기에 성공적으로 적용하였는가?
    • 다양한 실험을 통해 태스크에 최적인 Augmentation 기법을 찾아내었는가?
    • 여러가지 Augmentation 기법을 적용한 결과를 체계적으로 비교분석하였는가?

  3. GO/STOP! - Object Detection 시스템 만들기

    • KITTI 데이터셋에 대한 분석이 체계적으로 진행되었다.
    • RetinaNet 학습이 정상적으로 진행되어 object detection 결과의 시각화까지 진행되었다.
    • 자율주행 Object Detection 테스트시스템 적용결과 만족스러운 정확도 성능을 달성하였다.

  4. 도로 영역을 찾자! - 세그멘테이션 모델 만들기

    • U-Net을 통한 세그멘테이션 작업이 정상적으로 진행되었는가?
    • U-Net++ 모델이 성공적으로 구현되었는가?
    • U-Net과 U-Net++ 두 모델의 성능이 정량적/정성적으로 잘 비교되었는가?

  5. CAM을 만들고 평가해보자

    • RESNET50 + GAP + DENSELAYER와 결합된 CAM모델의 학습
    • CAM방식과 GRAD-CAM방식의 CLASS ACTIVATION MAP 생성, 시각화
    • CAM과 GRAD-CAM각각의 원본이미지 합성, 바운딩박스, IoU계산과정을 통해 CAM과 Grad-CAM의 object localization성능비교/

  6. 직접 만들어보는 OCR

    • Text recognition을 위해 특화된 데이터셋 구성이 체계적으로 진행되었다.
      .텍스트 이미지 리사이징, ctc loss 측정을 위한 라벨 인코딩, 배치처리 등이 적절히 수행되었다.
    • CRNN 기반의 recognition 모델의 학습이 정상적으로 진행되었다.
      . 학습결과 loss가 안정적으로 감소하고 대부분의 문자인식 추론 결과가 정확하다.
    • keras-ocr detector와 CRNN recognizer를 엮어 원본 이미지 입력으로부터 text가 출력되는 OCR이 End-to-End로 구성되었다.
      . 샘플 이미지를 원본으로 받아 OCR 수행 결과를 리턴하는 1개의 함수가 만들어졌다.

  1. 멀리 있는 사람도 스티커를 붙여주자
    • multiface detection을 위한 widerface 데이터셋의 전처리가 적절히 진행되었다.
      .tfrecord 생성, augmentation, prior box 생성 등의 과정이 정상적으로 진행되었다.
    • SSD 모델이 안정적으로 학습되어 multiface detection이 가능해졌다.
      .inference를 통해 정확한 위치의 face bounding box를 detect한 결과이미지가 제출되었다.
    • 이미지 속 다수의 얼굴에 스티커가 적용되었다.
      .이미지 속 다수의 얼굴의 적절한 위치에 스티커가 적용된 결과이미지가 제출되었다.