전체 글 (56) 썸네일형 리스트형 1월 4일 뭐했다고 2024년인가... 새해가 되었지만 역시 작심삼일이란 말은 괜히 있는게 아니다 하지만 작심삼일도 여러번 하면 습관이 되니 다시 블로그를 살려보기로 마음먹고 여기에는 자잘한 오늘 했던거 글만 올릴려 한다. 그냥 하루 지내면서 힘들었던거, 느꼈던점, 재미있던점.... 매일은 아니더라도 그래도 생각날때마다 글을 쓰러 와야 내 마음이 편할거 같다 다시 J의 삶을 살아야지 ㅎㅎ 오늘은 그래도 7시에는 기상해서 독서도 다시 시작하고, 신촌에 자율주행 학회도 참여해서 회의 (6시간의 긴 회의....)까지 뭔가 겨울방학의 초반치곤 이제 슬슬 불이 붙는거 같다 다시 갓생의 삶을 위해서! [일의 격] 날짜 : 1월 3일 ~ 1월 25일 2024년도가 되고 독서를 취미로 가지기로 하였다. 커뮤니티로 알게 된 책을 추천받아 취업 준비를 하는 시기에 맞게 읽으면서 간단하게 정리할려한다. 개인적인 사정으로 지하철을 타는 일이 종종 있다보니 지하철 내에서 읽으면서 시간을 보낸 책이다. 아직 사원도 아니고 학생이긴 하지만 어떠한 그룹에서 리더를 맡게 될 수 있는 일이 있기에 인사이트를 줄 수 있는 책이라고 생각한다. 성장 - 성공 - 성숙이라는 장을 필두로 소개하며 책을 읽는 단원이 넘어갈 수록 살아가는데 받을 수 있는 철학적인 생각도 정리하는 느낌을 간접적으로 받는다. 거창하게 들리긴 하지만 사실은 내가 적게나마 쌓인 경험에서도 비슷한 일례로 공감이 될 때도 있어 그런다. (공모전이나 플젝이나 뭐든...) 지.. You Only Look Once: Unified, Real-Time Object Detection 2016년에 나온 논문으로 현재 기술들과는 상당히 다른 점이 있어 review부분에서 말하는 시간대는 앞서 논문이 나온 16년도를 배경으로 이야기하겠습니다. 0. Abstract Object Detection에 관해서 새로운 방식으로 연구를 해서 YOLO라는 접근방식 얻었습니다. 이미지 전체에 대해서 하나의 신경망으로 bounding box 예측 및 class probabailites 예측을 가능하게 했습니다. => End-to-end 방식으로 optimized 했습니다. ※bounding box : 객체를 인식하는 직사각형 box를 말합니다. ※class probabailites : 클래스 확률이라고 직역이 되고 bounding box에서 검출한 객체가 특정 클래스에 해당할 확률을 말합니다. Yolo .. Object Detection in 20 Years : A Survey 0. Abstract 컴퓨터 비전에서 Object Detection에는 20년동안 급속도로 기술이 발전되었습니다. 오늘날은 딥러닝이 주도한 Object Detection 혁명이라면, 과거 90년대는 초기 컴퓨터 비전의 창의적 사고 및 장기적인 전망을 바탕으로 한 설계가 되었습니다. 본 논문은 90년대부터 22년까지 Object detection 기술을 다루는 Survey 논문입니다. 역사적으로 주요했던 detectors, detector의 데이터셋, metric (평가지표), detection system 기본 요소, 속도 향상 기술, 최근의 첨단 기술 및 관심 분야를 다루게 됩니다. 1. Introduction Object detection은 디지털 이미지에서 특정 클래스 (사람, 동물, 사물 등) 시.. D* Algorithm D* Algorithm Dynamic A* 라고 하기도 하며 이 알고리즘은 시작점 (start state)에서 목표점(goal state)까지의 경로비용을 최소화하는 서치 알고리즘 중의 하나라고 합니다. D* 알고리즘의 전역경로계획은 지도 데이터를 바탕으로 로봇이 출발하기 전에 이루어질 수 있는데 각 셀의 화살표(back pointer)는 전역경로 계획된 결과를 나타냅니다. 셀에서 화살표 방향은 근처 셀 중에서 경로 비용이 가장 작은 셀을 나타냅니다. 전역 경로계획은 목표지점에서 거꾸로 시작점을 찾아가는 Backward 서치 방법으로 이루어집니다. 지역 경로 계획은 로봇의 이동 중 새로운 고정 또는 이동장애물이 발견된 경우 기존 계획된 전역경로계획 결과를 바탕으로 새로운 장애물 근방의 고유비용을 수정한 .. A*(astar) Algorithm 길찾기 알고리즘은 말 그대로 시작점과 목표점 사이의 최단 거리 길을 찾아주는 알고리즘입니다. RPG에서 벽 너머의 맵을 클릭했을 때 캐릭터가 최단거리로 움직이는 것이 바로 길찾기 알고리즘을 사용한 것입니다. 가장 많이 사용하는 A* (A star) 알고리즘을 알아보도록 하겠습니다. 탐색 영역 둘러보기 탐색 시작 경로 채점 계속 탐색 탐색 영역 둘러보기 (The Search Area) 간단하게 우리가 길을 찾아야할 지역을 탐색해보도록 하겠습니다. A지점에서 B지점으로 가는 것으로 목표가 정해졌습니다. 두 포인트 사이에 벽이 있네요. 이 가정은 아래 그림과 같습니다. 초록색은 시작포인트 A, 빨간색은 엔딩포인트 B입니다. 그리고 파란색으로 두 지점 사이에 벽이 쳐져있습니다. 그림을 보면 우리의 탐색 지역은 .. Dijkstra Algorithm (다익스트라 알고리즘) Dijkstra Algorithm 먼저 다익스트라 알고리즘은 하나의 시작점으로부터 다른 모든 정점까지의 최단거리를 구하는 알고리즘입니다 (Greedy 기반으로 최적의 경로를 탐색) ※ Greedy란 탐욕 알고리즘으로 매번 주어진 상황에서 가장 최적의 경로를 선택함으로써 만들어가는 탐색 방법입니다. 다익스트라 알고리즘은 학부 알고리즘 수업에서 반드시 다루는 알고리즘이며 네트워크 같은 곳에서도 종종 쓰이기 때문에 이름과 그 목적만큼은 유명합니다. 참고로 길찾기 알고리즘의 대표적인 예시로 A*(astar) 알고리즘이 있습니다. 대표적으로 네비게이션에서의 길찾기처럼 100% 정확한 최단거리를 내지 않아도 되고, 또 정점의 개수가 너무 많아 현실적으로 다익스트라 알고리즘을 활용하기 힘들경우에 사용되는 근사 알고리.. Greedy Algorithm (1931 : 회의실 배정) Greedy Algorithm (그리디 알고리즘)이란? Greedy 는 '탐욕스러운, 욕심이 많은' 이란 뜻입니다. 탐욕 알고리즘은 말 그대로 선택의 순간마다 당장 눈앞에 보이는 최적의 상황만을 쫓아 최종적인 해답에 도달하는 방법입니다. 탐욕 알고리즘은 최적해를 구하는데 사용되는 근사적인 방법입니다. 순간마다 하는 선택은 그 순간에 대해 지역적으로는 최적이지만, 그 선택들을 계속 수집하여 최종적(전역적)인 해답을 만들었다고 해서, 그것이 최적이라는 보장이 없습니다. 하지만 탐욕 알고리즘을 적용할 수 있는 문제들은 지역적으로 최적이면서 전역적으로 최적인 문제들입니다. 탐욕 알고리즘 문제를 해결하는 방법 1. 선택 절차(Selection Procedure) : 현재 상태에서의 최적의 해답을 선택합니다. 2... 이전 1 2 3 4 5 6 7 다음
