Please enable JavaScript.

Coggle requires JavaScript to display documents.

Exploration Mapping, Exp. 07 Detection 융,

- - - - 4-2) #tensorflow
      - 4-3) #dataset
      - 4-4) #imageprocessing
      - 4-5) #api
      - 4-6) #compile
      - 4-7) #evaluation
      - 4-8) #transferlearning
      - 4-9) #vgg
      - 4-10) #globalaveragepooling
      - 4-11) #learningcurve
      - 4-12) #transferlearning
    - - 23-1) #pretrained
      - 23-5) #vanishinggradient
      - 23-8) #api
      - 23-2) #dataset
      - 23-3) #model
      - 23-4) #separableconvolution
      - 23-6) #skipconnection
      - 23-7)
    - - 15-2) #mlp
      - 15-3) #activation
      - 15-4) #numpy
      - 15-5) #numpy
      - 15-6) #training
      - 15-7) #predict
      - 15-8) #training
    - - 13-1) #parameter
      - 13-2) #channel
      - 13-3) #layer
      - 13-4) #transformation
      - 13-5) #convolution
      - 13-6) #receptivefield
      - 13-7) #upsampling
    - - 11-1) #representationlearning
      - 11-2) #ann
      - 11-3) #representation
      - 11-4) #행동주의
      - 11-7) #function
      - 11-9) #lineartransformation
      - 11-10) #mapping
      - 11-11) #inductivebias
      - 11-12) #mlvsdl
      - 11-13) #xai
  - - - Filter, Kernel
        
        Activation map
      - Feature extraction
        
        num_filter
      - MLP
    - - Softmax
- - - - 노드를 실제 활용하고싶은 그루
      - 노드에서 말하고 싶은 내용
        
        모델이 무엇을 보고 있는가?(이미지데이터 특성)
        
        데이터의 분포 --> Robustness
      - ML 을 계속 가져가야하는지?
    - - HOG cv CNN kernel
        Kernel size 와
        Stride 에 대한 비교가 필요함(퍼실)
    - - Future Works.. (다음주)
        : ~~노란색 연결 노드 검수 작업 실시!!~~
        EX. GD. 비슷한 세부 내용 태깅하기
      - [딥러닝으로 시작하는 컴퓨터비전] 8. Object Detection
        
        GD에 있는 Object Detection 내용과 같아서 추가하기 어려움
      - GD 14. 멀리 있는 사람도 스티커를 붙여주자
      - GD 13. 멀리 있지만 괜찮아
      - Exp 11. 나랑 닮은 연예인은 누구?
        
        Embedding 추출 후 비교
      - Fund 42. 파이썬으로 이미지 파일 다루기
        
        OpenCV
      - GD 5. Object Detection
        
        5-3) #localization
        
        5-4) #slidingwindow
        
        5-5) #anchorbox
        
        5-6) #stagedetector (gitmind X)
        
        5-7) #anchorbox
      - GD 6. GO/STOP! - Object Detection 시스템 만들기
        
        6-2) #kitti
        
        6-3) #kitti
        
        6-4) #retinanet
        (Focal Loss, FPN)
        
        6-5) #pipeline
        
        6-6) #retinanet
    - - 7-2) #landmark #bounding box #opencv,
      - 7-3) #HOG #SVM #detection, #sliding window, #dlib #face detection
      - 7-4) #object keypoint estimation
      - 7-5) #mask #troubleshooting
    - - 8-2) #keypoint
      - 8-3) #inference
      - 8-4) #landmark
      - 8-5) #masking
- - - - GD 7. 물체를 분리하자! - 세그멘테이션 살펴보기
      - yyy
      - Fund. xx
      - GD 8. 도로 영역을 찾자! - 세그멘테이션 모델 만들기
      - GD 9. 너의 속이 궁금해 - Class Activation Map 살펴보기
      - GD 10. 나를 찾아서 - Class Activation Map 만들기

Exp. 07 Detection
융

Step check

7-1) 변경

- DLIB 을 활용한 HOG vs CNN [예제](https://hayunjong83.tistory.com/38)
   - Keypoint Detection 할 때, 딥러닝 모델의 학습 방식에 대해서 보여주는 것이 더 효율적이지 않을지? 
   - Dlib 내에서 CNN 모델 사용 가능: Inf. speed, mAP  →  CPU vs GPU - Memory 사용량
- Face detection model [성능비교](https://seongkyun.github.io/study/2019/03/25/face_detection/) 그래프 설명 추가

7-2) 변경

1. '따라서 우리는' 뒤에 단계별로 스텝 번호를 표시
  - '1.얼굴이포함된'  -->  '7-2.얼굴이포함된'

7-5) 변경

- 코드와 데이터 이미지를 스크롤 이동없이 함께 볼 수 있게 편집 : 코의 중심점 + 얼굴 크롭 이미지
- 자료 흐름에 따라 섹션이 나뉘어야함 + 그림 번호

7-6) 변경

- Step 5. 문제점에 대한 솔루션을 생각해보도록 퀴즈 블럭 추가

7-7) 변경

- 루브릭 3 보고서가 체계적이기 위해서 필요한 것이 무엇인지 설명이 필요함