Google Open Image Dataset 소개Google Open Images Dataset은 구글에서 공개한 대규모의 공개 이미지 데이터셋으로, 컴퓨터 비전 및 머신러닝 연구에 널리 활용되고 있습니다. 이 데이터셋은 다양한 주제와 상황을 담은 약 9백만 장 이상의 이미지로 구성되어 있으며, 각 이미지에는 풍부한 레이블 정보가 포함되어 있습니다.주요 특징방대한 규모: 약 9백만 장 이상의 이미지와 6천여 개의 클래스 레이블을 포함하고 있어, 대규모 모델 학습에 적합합니다.다양한 레이블 종류:이미지 레벨 레이블: 이미지 전체에 대한 일반적인 분류 정보.바운딩 박스: 이미지 내 객체의 위치와 크기를 나타내는 좌표 정보.이미지 세그멘테이션 마스크: 픽셀 단위로 객체의 영역을 표시.관계 레이블: 객체 간의..
한번 설치한 Docker Engine을 통해 첫 image를 다운로드 해보면서 컨테이너 서비스를 한번 가동시켜 보겠습니다.Docker Container Service리눅스 컨테이너의 미래 라는 제목으로 도커 엔진을 처음 발표한 솔로몬 하익스는 docker 라는 새로운 명령으로 ‘Hello World’ 문자열을 출력하는 데모를 한번 시연했습니다.# docker hub 레지스트리에서 제공하는 busy box image를 다운로드 후 조회해 보겠습니다.toby@tobykakao:~$ docker pull busyboxUsing default tag: latestlatest: Pulling from library/busyboxDigest: sha256:768e5c6f5cb6db0794eec98dc7a967f40..
Raccoon Dataset을 YOLO V3 Model로 학습시켜서 Image & Video에 Object Detection을 한번 수행해 보겠습니다.Dataset GitHub - experiencor/keras-yolo3: Training and Detecting Objects with YOLO3Training and Detecting Objects with YOLO3. Contribute to experiencor/keras-yolo3 development by creating an account on GitHub.github.comLibrary DownloadObject Detection 학습을 위한 Library를 다운로드 하겠습니다.!pwd!rm -rf DLCV!git clone https://..
Object Detection Model Traning시 유의해야할 사항들에 데하여 한번 알아보겠습니다.대량의 이미지 학습시 Memory 문제대량의 이미지 학습 시, 이미지를 네트워크에 입력하기 위해 배치로 변환되며, 이로 인해 메모리 사용량이 증가합니다.반복적인 학습 과정에서 메모리 사용량은 더 커지게 되고, 이로 인해 메모리 관련 문제가 발생할 수 있습니다. 즉, 이미지의 개수가 메모리 사용량의 대부분을 좌우하게 됩니다.Keras fit_generator()를 이용한 학습Keras의 fit_generator()를 이용한 학습을 할때, 만약 데이터가 너무 크면 Memory에 모두 올리지 않고, Batch 단위로 Data Generator(데이터 생성기)를 통해 데이터를 공급하며 학습을 진행하는 방식입니..
한번 UTM에 설치한 가상머신(VM) Ubuntu에 Docker Community Edition Version을 한번 설치해 보겠습니다.Docker Community Edition 설치해보기 (Terminal ver.)Ubuntu에서 Terminal을 연 다음, 한번 설치해 보겠습니다.먼저, 현재 우분투 버전을 확인해줍니다.cat /etc/lsb-releasetoby@tobykakao:~$ cat /etc/lsb-releaseDISTRIB_ID=UbuntuDISTRIB_RELEASE=24.04DISTRIB_CODENAME=nobleDISTRIB_DESCRIPTION="Ubuntu 24.04.1 LTS"최신 패키지로 업데이트를 수행해줍니다.sudo apt-get updatetoby@tobykakao:~$ ..
정신이 없어서 이어서 쓰는걸 까먹었네요.. 열심히 써보겠습니다 ㅠKeras YOLO Open source Package 특징더 쉬운 환경 설정Keras 기반의 YOLO 패키지는 Darknet YOLO 프레임워크에 비해 환경 설정이 더 간단합니다. Keras는 Python을 기반으로 한 딥러닝 워크플로우와 잘 통합되며, 더 사용자 친화적인 인터페이스를 제공하여 다양한 사용자가 접근하기 쉽습니다.Keras의 Callbacks, TensorBoard, Preprocessing 기능 활용Keras는 Callbacks 기능을 제공하여 학습 과정 중에 동적으로 모니터링하고 조정할 수 있습니다. 예를 들어, 조기 종료(early stopping)나 학습 속도 스케줄링(learning rate scheduling) 등..
Docker에 대한 보충 개념 설명 및 Docker를 설치할 VM(가상머신)을 한번 설치해보겠습니다.Docker?앞에서 Docker에 대하여 간단하게 설명을 했지만, 한번 더 간략히 설명해 보도록 하겠습니다. 도커는 기존의 리눅스 컨테이너LXC 기술을 이용하여 애플리케이션을 컨테이너로서 사용할 수 있게 만들었고, 설치 후 버전 정보 docker version를 확인해 보면 Go 언어로 구성된 것을 확인할 수 있습니다. 출시 이후 꾸준한 기술 개발을 통해 사실상 컨테이너 가상화를 이용한 차세대 클라우드 인프라 설루션 next generation cloud infrastructure solution의 표준이 되었습니다.도커에서 사용하는 컨테이너 가상화 기술의 변화에 대해 알아보겠습니다.초기 도커는 리눅스 컨..
정신이 없어서 이어서 쓰는걸 까먹었네요.. 열심히 써보겠습니다 ㅠ# 현재 디렉토리는 /content이며 이 디렉토리를 기준으로 실습코드와 데이터를 다운로드 합니다. !pwd!rm -rf DLCV!git clone https://github.com/chulminkw/DLCV.git# DLCV 디렉토리가 Download되고 DLCV 밑에 Detection과 Segmentation 디렉토리가 있는 것을 확인!ls -lia !ls -lia DLCVOpenCV Darknet YOLO를 이용하여 image & 영상 Object Detection여기선 YOLO와 tiny-yolo를 이용하여 Object Detection을 해보겠습니다.import cv2import matplotlib.pyplot as pltimpor..
이번엔 Kubernetes(쿠버네티스), DevOps가 등장한 이유에 대하여 설명을 해보고자 합니다.Kubernetes(쿠버네티스)줄여서 k8s라고도 합니다.앞글에서 Container(컨테이너)에 대하여 살펴보았습니다. 2013년에 발표된 Docker(도커)는 컨테이너화된 애플리케이션을 패키징하고 배포하기 위한 공개 표준을 제공했습니다. Docker가 기존의 Container(컨테이너) 생태계에 큰 변화를 가져온 것은 사실입니다. 하지만 100개, 1,000개 이렇게 지속적으로 수요가 급증하는 Container(컨테이너)에 대한 관리는 어떻게 조정해야 할까요? 애플리케이션 Container(컨테이너) 간의 네트워킹은 어떤 방식을 사용해야 할까요? Container(컨테이너) Instance(인스턴스)는 ..
이번엔 Virtualization(가상화), Container 개념과 Docker에 대하여 한번 알아보겠습니다.What is Virtualization? (가상화)클라우드 컴퓨팅에서 Virtualization(가상화)는 H/W (하드웨어) 기능을 시뮬레이션 하여 App Server, Storage, Network와 같은 유용한 IT Service를 생성하는 SW Architecture 기술입니다.모든 규모의 비즈니스에서 IT 비용을 절감하면서 효율성, 대응력(민첩, 탄력성), 가용성 향상과 운영 자동화를 통해 IT 관리를 간소화 & 소유, 운영비용을 낮출수 있습니다. 이처럼 클라우드는 기업이 추가하는 비용 효율적인 부분을 만족시킨다는 특징이 있습니다. 최근 사용하고 있는 가상화는 하이퍼바이저를 이용한 V..
