전체
-
[알파프로젝트] 위성 영상 정밀 객체 검출대충 이런이런거 했다[일기,활동요약]/프로젝트-위성영상객체검출 2020. 2. 23. 16:46
1. 대회 설명 우리가 준비하는 대회는 한국국방과학연구소에서 주관하는 대회로써, 위성 사진에서 컨테이너, 유조선, 항공모함, 기타 민간 선박을 검출 및 분류하는 대회이다. 왼쪽 이미지와 같은 위성 사진의 해양 항구, 바다 이미지에서 객체를 오른쪽 사진과 같이 검출한다. 데이콘 대회 링크 : https://dacon.io/competitions/official/235492/data?join=1 2. 대회 배경 우리는 위성으로부터 수집된 영상의 정밀한 객체 인식하는 문제를 해결하고자 하며, 특히 선박들의 위치와 종류를 파악하는 알고리즘을 연구하고 개발하고자 한다. 실제 해상에서 일어나고 있는 다양한 문제들을 해결하기 위해서는 인공위성 영상으로부터 객체 검출을 위한 알고리즘개발은 매우 중요하며 필수적이다. 특..
-
[DLPC] 프로젝트 위한 Docker/DLPC 환경설정하기대충 이런이런거 했다[일기,활동요약]/프로젝트-위성영상객체검출 2020. 2. 23. 16:26
DLPC : https://dlpc.cs.kookmin.ac.kr/ 국민대학교 딥러닝 프라이빗 클라우드 수업/연구 목적으로 공용 GPGPU 자원을 효율적으로 사용하기 위한 클라우드 서비스. 이 서비스는 국민대학교 소프트웨어융합학부에서 제공합니다. dlpc.cs.kookmin.ac.kr Project : Dacon BaseLine Code : https://github.com/SIAnalytics/simplified_rbox_cnn [Docker 환경설정] Local환경에서 baseline Code를 돌리기 위해 다음과 같은 환경설정을 하였다. 우선 아래의 이미지가 baseline code를 돌리는데 문제가 없다고 하여, 도커이미지를 다운 받았다. Docker Hub TF Repo: https://hub...
-
-
[docker] docker 실습/ docker sudo 없이 실행하기하면서 이런이런것을 공부했다[연구노트]/Git, Docker, Pytorch 2020. 2. 21. 01:55
1.원하는 docker ubuntu Image를 만들어보자 $ sudo docker run -it --name ubun18 ubuntu:latest bash ls cat /etc/issue apt update apt install python python sudo apt install python3-dev python3-pip pip3 --help pip3 install numpy python3 --version python3 exit $ sudo docker start $ sudo docker attach $ sudo docker container ls -q # container ID만 출력 $ docker commit ub_with_numpy:1 2.tensorflow를 실행해보자 $ sudo doc..
-
2020.02 새로 안 사실하면서 이런이런것을 공부했다[연구노트]/Python, Ubuntu 2020. 2. 20. 21:20
1. list의 인덱스는 무조건 // 연산자를 써야 한다. list[i/2]를 사용하면 에러가 난다. / 연산자를 써서 나오는 결과는 무조건 float형이다. 그게 8/2 = 4.0 이 된다. 따라서 i/2가 4.0이라 할지라도 list[i//2]를 사용해야한다. 2. list에서 * 연산자를 함부러 쓰면 안된다. [1] * 10 = [1,1,1,1,1,1,1,1,1,1] 이다.깊은 복사이다. (주소 복사 아님) 하지만 [[1]*2]*3 = [[1,1][1,1][1,1]] 에서 [1,1]들은 모두 얕은 복사이다. (포인터, 참조 복사임) [1 for i in range(100)] 을 사용하는 것이 유리하다. 순서대로 ABC A : 변수 for는! 0을 , 로 나누어 100개 나열해준다. []는 밖의 []..
-
최대 우도(가능도) 방법 (Maximum Likelihood Method)하면서 이런이런것을 공부했다[연구노트]/머신러닝(확통,선대,라이브러리) 2020. 2. 19. 21:50
공부를 위해 다음을 참고하였다. https://bit.ly/2ufTaQe - 확률분포가 어떤 분포인지에 따라서 최대 우도가 얼마인지 추정해본다. - 가장 단순한 베르누이 분포(이항 분포)일때, 이 블로그 내용을 추가 설명하자면, x는 실험을 했을 때 동전의 앞면이 나온 횟수이고, 뮤(μ)는 1회 실험시 동전 앞면이 나올 확률이다. https://bit.ly/2vJVDTi - 위의 사이트와 다르게 베르누이 분포(이항 분포)일 때 최대 우도에 대해서 생각해 본다. - 이 블로그 내용을 맨 아래에 적어 놓을 예정이다. 오일석 - 기계학습 기계학습책 내용정리 확률변수 기계 학습이 처리할 데이터는 불확실한 세상에서 발생하므로, 불확실성을 다루는 확률과 통계를 잘 활용해야 한다. 확률 변수(https://namu...
-
[Detection] RBox-CNN Rotated Bounding Box 논문 리뷰하면서 이런이런것을 공부했다[연구노트]/논문 리뷰 2020. 2. 18. 23:24
학교에서 '알파프로젝트'라는 것에 참가하고 있습니다. 팀끼리 하나의 프로젝트를 준비하고 좋은 성과를 내면, 전공 학점을 주는 제도입니다. 저희 팀은 dacon의 위성 객체 탐색 대회 참가를 하여 수상을 하는 것을 목표로 프로젝트를 진행해 나가기로 했습니다. 이 대회를 위해, RBox-CNN Rotated Bounding Box based CNN for ShipDetection in Remote Sensing Image 이라는 논문을 읽을 필요가 있어서, 논문 내용을 아래에 정리 해놓습니다. 0.Abstract - 이 논문은 RBox-CNN 모델을 제안한다. - Faster RCNN을 배이스로 사용한다. - RPN(region proposal network)에서 RRoi(rotation region of ..
-
[강화학습] DQN - playing Atari, Human-level control 논문 리뷰하면서 이런이런것을 공부했다[연구노트]/논문 리뷰 2020. 2. 18. 22:24
연구실에서 매주 하는 논문 리뷰의 발표를 위해, (2013)Playing Atari with Deep Reinforcement Learning https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf (2015.1)Human-level control through deep reinforcement https://web.stanford.edu/class/psych209/Readings/MnihEtAlHassibis15NatureControlDeepRL.pdf 2개의 논문을 읽고 발표를 준비했습니다. 아래 슬라이드에서 홍색 배경의 슬라이드는 playing atari 논문에서 읽은 내용이고, 청색 배경의 슬라이드는 human-level control 논문에서 읽은 내용입니다. 아래의..