🐹's tory

우리 모자 돌의 캡스톤 아이디어 긴급 회의......... mojadole GitHub is where mojadole builds software. github.com # 230303 개강하고 첫 수업 ! 다른 조들은 미리 주제까지 다 정해둬서 우리 조는 발등에 불 떨어졌다.... 🔥 정말로... 열심히 회의..... 수업 끝나고 저녁 일곱시까지?? 앉아서 10개가 넘는 아이디어를 내긴 했지만.. 다음 회의까지 더 자세하게 생각해오기로 했다.. # 230305, 08, 10, 12 일단 구체화해오고 두 가지로 줄였다 ! 생활 루틴, 여행으로 정해지긴 했는데.. 신박한 아이디어가 떠오르지 않아서 큰일.. 내가 새롭게 냉장고 리스트업 + 레시피 추천 아이디어 내서 일단 이걸로 결정했지만 2주차 수업 때 갈..

파이토치를 사용해서 멀티 퍼셉트론 구현하기 ! iris 데이터를 사용해서 붓꽃의 종류를 분류해보자 ~ PyTorch PyTorch는 Python을 위한 오픈소스 머신 러닝 라이브러리 ! GPU사용이 가능하기 때문에 속도가 상당히 빠르다 파이토치를 사용하는 이유는 1. 파이썬과 유사해서 코드를 이해하기 쉽다 2. 설정과 실행이 매우 쉽다 3. 딥러닝을 배우기 쉽다 4. 연구에도 많이 사용된다 등 ~ IRIS 데이터셋 붓꽃에 대한 데이터 ! 꽃받침의 길이, 너비와 꽃잎의 길이, 너비에 대한 4차원 데이터이다 1. PyTorch 설치 일단 내 개발환경은 맥이기 때문에 mac 기준으로 진행 Anaconda | Anaconda Distribution Anaconda's open-source Distribution..

짜잔 간단하게 키보드에 1, 2, 3을 눌러주면 차례대로 뜬답니다

우선 setting.json에서 vehicle을 설정해준다! "SimMode": "" SimMode를 ""로 지정해주면 차와 드론을 선택할 수 있다 선택을 해줬는데도 에러가 뜬다면 바로 아래처럼 선택된 뷰포트로 플레이해주면 된다! 나는 시뮬레이트로 되어있어서 에러가 ... 오랫동안 해결 못 했지만 그래도 진.짜 간단하게 해결 완

나는 UrbanScene3D 데이터셋을 사용해야한다! 우선 UrbanScene3D dataset이 Unreal Engine과 airsim에 구축되어있기 때문에 일단 unreal engine과 airsim 개발환경을 만들어준다 1. Unreal Engine 설치 언리얼 엔진 설치 언리얼 엔진 설치 단계별 안내입니다. docs.unrealengine.com → unreal engine에서 실행 후 지금 고침 클릭 2. Visual Studio 설치 Visual Studio 2022 | 무료 다운로드 Visual Studio에서 코드 완성, 디버깅, 테스트, Git 관리, 클라우드 배포를 사용하여 코드를 작성합니다. 지금 무료로 커뮤니티를 다운로드하세요. visualstudio.microsoft.com → C..

VCC vcc.tech 도시환경 3D 데이터셋인 UrbanScene3D의 논문을 읽어봤다! 몇달 전에 정리해뒀는데 이제야 올리는 나 .. 쩝 일단 우리 UrbanScene3D는요~? 입니다 0. Abstract UrbanScene3D : urban scene 인식 및 재구성을 위한 대규모 데이터 플랫폼 대규모 실제 도시 지역과 합성 도시를 포함한 16개 scene을 포함하는 128k 이상의 고해상도 이미지가 포함 고정밀 LiDAR 스캔과 서로 다른 관찰 패턴을 가진 수백 개의 이미지 세트도 포함 → 항공 경로 계획 및 3D 재구성 알고리즘을 설계하고 평가할 수 있는 포괄적인 벤치마크를 제공 각 건물에 대해 수동으로 주석이 달린 고유한 인스턴스 레이블과 함께 Unreal Engine 및 Airsim 시뮬레..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.

Transfer Learning 학습 데이터가 부족한 분야의 모델 구축을 위해 데이터가 풍부한 분야에서 훈련된 모델을 재사용하는 학습 기법 Imagenet(대규모 데이터셋) 데이터를 사용해서 사전학습된(pre-trained) 모델의 가중치를 가지고 와서 우리가 해결하고자 하는 과제에 맞게 재보정해서 사용 비교적 적은 수의 데이터를 가지고도 우리가 원하는 과제를 해결할 수 있는 딥러닝 모델을 훈련 → pre-trained model의 weights를 약간씩 변화시켜 적은 데이터셋에서 task에 맞게 재사용 → pre-trained model의 classifier는 삭제하고 목적에 맞는 새로운 classifier 추가 ⇒ 새롭게 만들어진 모델 fine tuning 진행 (strategy 3개 중 1개 선택해..