hye-log

⚽ 개별학습 [7] Advanced Object Detection 1 3. Transformer 1) Overview (1) Transformer - NLP에서 long range dependency 해결 -> Vision에서 Vision Transformer(ViT)로 발전 - End-to-End Object Detection with Transformers(DETR) - Swin Transformer (2) Self Attention - Input(text)를 deep learning이 이해할 수 있는 포맷인 vector로 변환해줌 - Input embedding과 Positional Encoding을 합쳐서 network에 넣어줌 2) Vision Transformer(ViT) (1) Overvie..

⚽ 개별학습 [7] Advanced Object Detection 1 1. Cascade RCNN 1) Contribution (1) Faster-RCNN - 입력 image를 ConvNet에 통과시킨 뒤 feature map을 생성 - RPN을 통해서 나온 Region proposal을 feature map에 projection 하여 RoI를 뽑아냄 - RoI pooling을 통해서 고정된 feature vector로 최종적으로 RoI가 어떤 object인지, 어디에 있는지 classification 가능 - 학습해야 하는 Network : backbone(ConvNet) -> Region Proposal Network(RPN) -> Head Network - RPN : 0.7 이상의 IoU를 Posi..

0. 문제 링크 https://school.programmers.co.kr/learn/courses/30/lessons/42587 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 1. 문제 설명 1) 인쇄 대기목록의 가장 앞에 있는 문서부터 꺼내기 2) 나머지 인쇄 대기목록에서 꺼낸 문서보다 중요도가 높은 문서가 있으면 꺼낸 문서를 대기목록의 맨 끝으로 옮기기 3) 꺼낸 문서보다 중요도가 높은 문서가 없으면 꺼낸 문서를 인쇄하기 2. 입출력 # input priorities = [2, 1, 3, 2] location = 2 # output return = ..

0. 문제 링크 https://school.programmers.co.kr/learn/courses/30/lessons/42586 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 1. 문제 설명 1) 작업의 진도와 개발 속도가 주어질 때 2) 각 배포마다 몇 개의 기능이 배포되는지 구하기 2. 입출력 # input progresses = [93, 30, 55] speeds = [1, 30, 5] # output return = [2, 1] 3. 코드 import math def solution(progresses, speeds): answer = [] re..

🌿 개별학습 [5] 1 Stage Detectors 1. 1 Stage Detectors 1) Background (1) 2 Stage Detectors - RCNN, FastRCNN, SPPNet, FasterRCNN, ... - Localization(후보 영역 찾기) -> Classification(후보 영역에 대한 분류) - 속도가 느림 -> real world에서 사용하기 어려움 (2) 1 Stage Detectors - Yolo, SSD, RetinaNet, ... - Localization & Classification 동시에 진행 - 전체 이미지에 대해 특징 추출, 객체 검출이 이루어짐 -> 객체에 대한 맥락적 이해가 높음 - 속도가 빠름 (real-time detection) 2) His..