Jagbbum's Key_Board

LiDAR - 빛을 탐지하고 범위를 측정하는 센서 - 활용 소재 : 레이저 - 형체 인식 가능 - 외부 환경 영향 있음 - 고가 RADAR - 전파를 빛으로 변경한 센서 - 활용 소재 : 전자파 - 정확한 형체 인식 불가능 - 외부 환경 영향 없음 - 저가 LiDAR의 종류 1. single point distance scanner -> 레이저 포인터와 같은 점 2. 2D scanner -> x,y 데이터 사용, 1개의 채널 3. 3D scanner -> 2D scanner를 여러 개 사용하는 효과, N개의 채널 4. Non-Repeating Pattern scanner 2D scanner와 3D scanner는 모두 반사된 직선 거리이기에 위치를 파악하기 위해서는 별도 계산 필요 - 거리 정보와 삼각 ..

Camera model - 카메라 종류에 따라 이미지 형태 달라짐 - Pinhole Camera model - intrinsic : 카메라 내부적인 특성 - extrinsic : 카메라와 대상과의 위치와 자세에 관한 특성 Camera Intrinsic Calibration Camera Calibration : 카메라가 가진 고유 특성을 파악하는 과정 intrinsic 과 extrinsic 으로 나누는 이유 - Intrinsic : 동일한 위치에서 서로 다른 카메라로 동일한 피사체를 촬형하면 결과가 다름 - extrinsic : 같은 카메라로 다른 위치에서 동일한 피사체를 촬영하면 결과가 다름 instrinsic calibration은 초점거리와 주점을 의미 - 초점 거리 : 렌즈부터 이미지 센서까지의 거..

Object detection models One-stage object dectors - YOLO : you only look once - Backbone : GoogLenet, Darknet19, Darknet53 - SSD : Single Shot Detectors - Backbone : VGG-16 Two-stage object detectors - RCNN - Fast-RCNN - Faster-RCNN Evaluation metric Precison(정밀도) : 예측한 바운딩 박스 중 참인 값의 비율 Recall(재현율) : 전체 gt 값 중 맞춘 값의 비율 TP: 옳은 검출 FP: 틀린 검출 FN: 검출되었어야 하는데 검출 안됨 TN: 검출되지 않아야 하는 것이 검출 안됨 F1 score : ..

Training Training model - forwad & backword로 피드백 => 데이터에 맞게 가중치 업데이트 - 경사하상법 Optimizer - 경사하강법 목표는 loss를 최소화 - SGD ( Stochastic Gradient Descent) - update gradients per one data - Momentum - velocity term keep going weight's previous gradient direction - AdaGrad - sum of gradient squared - RMS-prop - exponetial moving average - Adam - RMS-prop + Momentum - Adaptive methods(Adam, RMS-prop) is wor..

자율주행 Perception -> Localization -> Path planning -> Control Image Classification - 레이블이 지정된 이미지 분류 - CNN(Convolution Neural Network)가 가장 많이 사용됨 Pytorch tensor 만드는 법 #int a = torch.tensor([1], dtype=torch.int16) #float b = torch.tensor([1], dtype=torch.float32) #double c = torch.tensor([1], dtype=torch.float64) #zeros d = torch.zeros(4) #ones e = torch.ones(4) #random f = torch.rand(4) 더하기, 빼기 #s..

다층퍼셉트론 뉴런의 동작 이해를 모방한 초기 인공 신경망 연구 시작 -> 퍼셉트론 퍼셉트론 - 구조 : node, weight, layer 과 같은 새로운 개념의 구조 도입 - 제시된 퍼셉트론 구조의 학습 알고리즘을 제안 - 원시적 신경망이지만 깊은 인공신경망을 포함한 인공신경망의 토대 퍼셉트론의 구조 - 입력 - i 번째 노드는 특징 벡터 x의 요소를 담당 - 항상 1이 입력되는 bias 노드 포함 - 입력과 출력 사이에 연산하는 구조를 가짐 - 출력 - 한 개의 노드에 의해 수치 출력 퍼셉트론의 동작 - 선형 연산 -> 비선형 연산 - 선형 : 입력값과 가중치를 곱하고 모두 더해 s 를 구함 - 비선령 : 활성함수를 적용 퍼셉트론 2개를 병렬 결합하면 원래 공간을 새로운 큭징 곤강으로 변환 새로운 특..

기계 학습의 정의 현대적 정의 - 경험을 통해 주어진 작업에 대한 성능 향상 기계 학습과 전통적인 프로그래밍의 비교 전통적인 프로그래밍 - 입력 + 프로그램 = 결과 기계 학습 - 입력 + 이상적인 결과 = 프로그램 기계학습의 필수요소 - 학습할 수 있는 데이터 - 데이터 규칙 존재 - 수학적으로 설명 불가능 표현 학습 - 좋은 특징 공간을 자동으로 찾는 작업 심층 학습 - 표현 학습의 하나로 다수의 은닉층을 가진 신경망을 이용하여 최적의 계층적인 특징을 학습 과소적합과 과잉적합 과소적합 - 모델의 용량이 작아 오차가 클 수 밖에 없는 현상 -> 비선형 모델 사용 과잉적합 - 12차 다항식 곡선을 채택한다면 훈련집합에 대해 거의 완벽하게 근사 하지만 새로운 데이터를 예측할 때 문제 발생 - 모델의 용량이..