본문 바로가기
[Super Resolution] Using Hugging Face Diffusers 출처 : https://pyimagesearch.com/2024/06/03/sharpen-your-vision-super-resolution-of-cctv-images-using-hugging-face-diffusers/ 의 글을 한글 번역과 저의 의견 및 코드 수정을 거친 Post입니다. Sharpen Your Vision: Super-Resolution of CCTV Images Using Hugging Face Diffusers - PyImageSearchLearn how to perform super-resolution on real-life CCTV images using Hugging Face Diffusers, enhancing clarity and detail.pyimagesearch.co.. 2024. 9. 10.
[SAM2] SAM2 transfer learning with custom datasets, .py format SAM2 모델의 배치 학습 구현하기안녕하세요! 오늘은 SAM2(Segment Anything Model 2) 모델의 배치 학습을 구현하는 방법에 대해 알아보겠습니다. SAM2는 이미지 세그멘테이션 작업에 매우 효과적인 모델이지만, 기본 구현은 단일 이미지 처리에 초점이 맞춰져 있습니다. 여기서는 배치 학습을 통해 학습 효율성을 높이는 방법을 소개하겠습니다.1. 필요한 라이브러리 임포트 및 설정먼저, 필요한 라이브러리를 임포트 하고 GPU 설정을 합니다:pythonimport torchimport os import numpy as np import cv2 from sam2.build_sam import build_sam2 from sam2.sam2_image_predictor import SAM2Image.. 2024. 9. 9.
[SAM2] Custom 학습 - SAM2 transfer learning with custom datasets, .ipynb SAM2 model의 custom 학습을 진행해 보겠습니다. 대화형 인터프리터 버전import torchimport numpy as npimport cv2,osimport matplotlib.pyplot as pltfrom PIL import Imagefrom sam2.build_sam import build_sam2from sam2.sam2_image_predictor import SAM2ImagePredictor  우선 필요한 package들을 import 해줍니다.  # use bfloat16 for the entire notebooktorch.autocast(device_type="cuda", dtype=torch.bfloat16).__enter__()if torch.cuda.get_device_.. 2024. 9. 9.
[SAM2] segment anything 2 Sam2가 공개됐습니다. https://sam2.metademolab.com/demo  직접해보시면 아시겠지만 성능이 매우 뛰어납니다. 없어졌다 다시 나오는것도 찾아 tracking하구요. 이름은 Segment anything인데 yolo도 씹어먹을 tracking성능까지 뛰어난것을 확인 할 수 있습니다. https://github.com/facebookresearch/segment-anything-2또한, 빅테크에서 시원하게 오픈한 기술답게 github를 통해 쉽게 사용할 수있습니다.  환경설정도 쉽고 ipynb예시도 줘서 간단하게 사용해 볼 수 있습니다. notebook폴더에 들어있는 ipynb를 사용할 때 한가지 기본적인 내용은 ipynb파일들이 notebook보다 상위 폴더에서 실행된다는 것입니다.. 2024. 8. 8.
[ECW] ECW 파일포맷을 다루고싶어!! ECW을 앞선 포스팅으로 해결하실수 있으시다면 그거슨 축복입니다.. 아래의 코드를 실행했을때 None이 나오지 않아야 ECW를 다룰수있는데요from osgeo import gdalprint(gdal.__version__)print(gdal.GetDriverByName('ECW')) 저는 약 10일간의 고군분투를 하고있으나 여전히 None을 return 하고있는 상황입니다.. # Install ECW SDKsudo unzip erdas-ecw-sdk-5.4.0-linux.zipsudo chmod +x ERDAS_ECWJP2_SDK-5.4.0.bin./ERDAS_ECWJP2_SDK-5.4.0.binsudo cp -r ~/hexagon/ERDAS-ECW_JPEG_2000_SDK-5.4.0/Desktop_Rea.. 2024. 8. 6.
[ECW] ECW file 포맷을 다루고 싶어! 출처 : https://www.adobe.com/kr/creativecloud/file-types/image/raster/ecw-file.html ECW 파일 탐구: 향상된 압축 웨이브릿 형식 항공 사진이나 위성 사진과 같은 대규모 이미지를 처리할 때 파일 크기를 줄이면서도 품질을 유지하는 것은 매우 중요합니다. 이때 유용한 것이 ECW(Enhanced Compression Wavelet) 파일입니다. 최대 1:100의 놀라운 압축 비율로 잘 알려진 이 형식은 기상학과 해양학처럼 대규모 이미지가 필요한 분야에 이상적입니다. ECW 파일이란? ECW 파일은 호주의 소프트웨어 개발사 Earth Resource (ER) Mapping Ltd.에 의해 개발되었습니다. 이 파일 형식은 대용량 이미지 파일을 효율적.. 2024. 8. 6.
History of Super Resolution AI Methodologies of Super-Resolution TechniquesSuper-resolution technology has evolved using three main methodologies: Convolutional Neural Networks (CNN), Generative Adversarial Networks (GAN), and Transformers.1. CNN-based Super-Resolution1.1. SRCNN (Super-Resolution Convolutional Neural Network): Introduced in 2015, SRCNN was one of the first CNN-based super-resolution models. It has a simple st.. 2024. 7. 17.
위성영상에 대한 이해 There are four types of resolution in the satellite image industry:Spatial Resolution: The real-world metric represented by one pixel.Spectral Resolution: The ability to measure specific bands or wavelength ranges.Radiometric Resolution: The number of bits representing the variety of colors (e.g., 8-bit = 2^8 = 256 levels, ranging from 0 to 255).Temporal Resolution: The time interval required to.. 2024. 7. 5.
SLAM의 input과 output에 대해 알아보자 우선 다양한 종류의 data를 종합하여 environment를 조성한다는 것을 이해해야 한다. DATA Input 1. LIDAR(light detection and ranging)- Data : Distance Measurements in the form of point clouds.- Usage : Provides highly accurate spatial information, useful for building detailed maps. 2. cameras- Data : Vsual information in the form of images or video streams.- Usage : Used in visual SLAM to extract features from the environment... 2024. 6. 18.
SLAM (Simultaneous Localization and Mapping) 관련 개념정리 SLAM은 이름에서부터 알 수 있듯 Localization과 Mapping을 동시에 하는 알고리즘이다. Key concpets of SLAM1. Localization : Determining the position and orientation of the robot within the map. (map상에서 robot의 위치와 방향을 결정)2. Mapping : building a map of the environment using sensor data. (sensor data를 이용한 주변 공간의 map 생성)3. Sensors : Typically involves various types of sensors, such as Lidar, cameras. IMUs(Inertial measurement .. 2024. 6. 18.
[폰트 비교] 폰트별 느낌을 보고싶어! https://www.myfonts.com/pages/tags/compare-fonts Compare Fonts | MyFonts www.myfonts.com이런식으로 내가 원하는 문구에 대한 폰트별 비교를 해보고싶은데 어디 없을까  여깄넹..  https://www.koreafont.com/fonts/list/ 한글마을 - 한글폰트 비교/검색모두가 찾아보는 한글디자인,오래오래 보고 싶은 글씨로 가득담았습니다.www.koreafont.com   https://fonts.google.com/ Browse Fonts - Google FontsMaking the web more beautiful, fast, and open through great typographyfonts.google.com 구글이 안했을.. 2024. 5. 23.
BoostCamp 전체 경험 정리 BoostCamp의 기간은 총 3단계로 나눌 수 있다. 첫번째로 기초적인 지식을 배양하는 단계 두번째로 실제 Task를 풀어보는 단계 세번째로 문제정의부터 해결까지 전체 싸이클을 경험해 보는 단계이다. 중점적인 경험은 두번째와 세번째 단계로 볼수 있는데, 두번째 실제 Task를 풀어보는 단계에서 Computer Vision 부문의 교육생들을 Classification, Object Detection, OCR, Segmentation 총 네개의 과제를 팀프로젝트 형식으로 진행하게 된다. Classification의 경우 총 3개의 type, 각각 3,3,2개의 class로 이뤄져 총 18개의 클래스를 분류하는 문제였는데, 이때는 보통 특별히 다른 기술이 들어가는 것이 아닌, EfficientNet계열의 모.. 2024. 4. 22.
포트폴리오 습작1 2024. 4. 12.
[linux] 저장공간 관리 어디에 무슨파일이 얼마나 용량을 차지하고있는지 확인 sudo du -ah /home/ | sort -rh | head -n 10 리스트로 터미널에 출력된다 2024. 3. 14.
2012년의 유물을 chatGPT가 정돈해줬다! It's great that you're thinking about becoming a remarkable individual in today's world. To achieve your goal of being a truly remarkable man, I'll break it down into some key steps and provide multiple perspectives: 1. Develop Leadership Qualities: (1) Adaptability: Being a leader who bridges generational gaps requires adaptability. Stay open to new ideas and technologies, and be willing to lea.. 2024. 1. 25.
2012년의 유물(과제였던것 같다) 진짜 개웃기다 ㅋㅋ 1⃣멋진남자란 시대를 초월함과 동시에 그 시대를 반영 하는 리더 멋진남자! 당신의 머릿속에 멋진 남자 하면 떠오르는 사람이 누구인가? 그 사람은 현 시대의 인물일수도, 과거의 인물일수도 있다. 왜 그럴까? 그 이유는 낭중지추,군계일학 즉, 아무리 열악한 상황이던 아무리 쉬운상황이던 시대를 대표하는 뛰어난 모습을 가지고 현대에 회자되고 후대에도 회자 될것이기 때문이다. 내가 생각하는 멋진 남자는 바로 이순신장군님 이다 왜냐하면 그는 약 500년 전 수적 열세에 굴하지 않는 용기와 기가 빠진 병사들의 사기를 올려주고 용기를 북돋아 주는 리더쉽 그리고 거북선을 만드는 등의 철저히 준비된 세상을 바라보는 눈을 가지고 열악한 상황 속에서 일본의 침범을 막아내는데 가장 큰 공헌을 했기 때문이다. 또 다른 멋진남자는.. 2024. 1. 25.
Details of Detection R-CNN 1. Input image 2. Extract Region proposals - (sliding window, selective search) 3. Compute CNN features 4. Classify Regions SPPNet 1. Input image 2. Compute CNN features 3. Spatial pyramid pooling 4. Classify Regions Fast R-CNN 1. Inpute image 2. Compute CNN features 3. RoI projection (feature map의 RoI계산) 4. RoI Pooling을 통해 일정한 크기의 feature 추출 5. Classify Regions + Bounding Box Regressor(Sm.. 2024. 1. 3.
Object Detection! 성능평가의 개념 mAP(mean aveage precision) mAP를 계산하기 위해 필요한 개념 - confusion matrix Ground Truth Prediction 1 0 1 TP(True Positive) FN(False Negative) 0 FP(False Positive) TN(True Negative) - Precision & Recall \(Precision = \frac{TP}{TP+FP} = \frac{TP}{All~detection} \) - positive중에 맞춘 positive를 찾는것 \(Recall = \frac{TP}{TP+FN} \frac{TP}{All~Ground~Truths} \) - 정답에 가까운 의미 - PR curve Ground Truth: 10개 Pre.. 2024. 1. 3.
streamlit # Introduction to Streamlit Streamlit is a powerful tool for building web services, especially useful for data scientists and analysts. It simplifies the process of turning data scripts into shareable web applications. ## Key Features of Streamlit - **Ease of Use:** Rapid prototyping directly from Jupyter notebooks. - **Web Development Skills Not Required:** Simplifies the web development proces.. 2023. 12. 29.
Docker란 무엇이냐.. 1. Docker 소개 > - 가상화란? - 가상화는 서비스 운영에 사용하는 서버와 로컬 환경의 차이를 극복하는 개념입니다. Local 환경은 윈도우일 수 있고, 서버 환경은 Linux일 수 있습니다. 이 때문에 라이브러리, 파이썬 등을 다르게 설치해야 합니다. > - Docker 등장 전 - 가상화 기술로 VM(Virtual Machine)을 사용했습니다. VM은 호스트 머신 위에 OS를 포함한 가상화 소프트웨어를 두는 방식입니다. 하지만 VM은 자원을 많이 사용하고 무겁다는 단점이 있습니다. > - Docker 소개 - Container 기술을 쉽게 사용할 수 있도록 2013년에 오픈소스로 등장한 도구입니다. 컨테이너에 기반한 개발과 운영을 빠르게 확장합니다. Docker Image는 컨테이너를 실행.. 2023. 12. 27.

티스토리툴바