dev-hunmin

롯데정보통신 Vision AI 경진대회 Public LB 2nd place Solution [Score : 95.150] + 최종 2위 * 모든 환경은 Colab에서 코드작성, 모델학습이 이루어졌습니다. * Colab에 작성된 코드들과 Train Log들은 github.com/hunmin-hub/LotteVisionAI 에 업로드 하였습니다. * 제출용 Train, Test log Link : drive.google.com/drive/folders/1kFeEv84gvcXznKaUq9VlGH-0y6qYTTw9?usp=sharing * 학습된 각 Model의 Weight Link : drive.google.com/drive/folders/1YAOmYvJLALKJ2iUl-oTc8b_rodXMES4k?usp=s..

1. U-net 이란? Semantic Segmentation에 가장 기본적으로 사용되던 모델 (U-net) 모델의 형태가 U자로 되어있어서 U-net이라고 불림 U-net의 모델 구조는 크게 Encoder, Decoder로 이루어져있다. Encoder(= Contracting Path), Decoder(= Expanding Path) 라고도 한다. 또한, Decoder 구간에서 Upsampling을 할 때, Localization을 좀 더 정확하게 하기 위해서 Encoder의 Feature들을 Concat을 한다. 즉 간단히 말해서, Encoder에서는 이미지의 크기를 줄여가면서 Feature는 더 많이 뽑아내며 나아가는 수축의 과정을 진행하고 Decoder에서는 이렇게 추출해온 Feature들을 기반..

NLP 전처리 과정 & 단어 임베딩 1. Introduction 자연어 데이터는 다른 데이터(Ex:이미지)와 달리 컴퓨터가 이해 할 수 있는 숫자로 변환해야만 한다. 정제되지 않은 입력 데이터와 모델을 연결시켜줄 수 있는 파이프라인 과정을 구축해야할 필요가 있다. 그렇기 때문에 NLP가 다른 데이터를 다루는 분야보다 전처리 단계에서 까다롭게 느껴지는 이유 중 하나라고 생각한다. 즉, 자연어를 모델에 입력시킬 수 있는 파이프라인을 구축하는 단계(자연어 전처리)와 모델은 자연어를 어떻게 이해 할 수 있는 지에 대해 흐름을 파악하는 것이 이 글의 목표 -> 따라서 사용되는 알고리즘이나, 모델 구조의 개념들은 생략 2. 실험에 사용 된 목표 TASK NLP Text Classification 문제 - 주어진 소..

www.dacon.io/competitions/open/235596/overview/ [이미지] MNIST : 숫자 이미지 분류 출처 : DACON - Data Science Competition dacon.io 1. Dataset 구축 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 class DatasetMnist(data.Dataset): def __init__(self,file_path,test_mode=False,train=True,transform=None): self.file_pa..

www.dacon.io/competitions/open/235594/overview/ [이미지] Fashion MNIST : 의류 클래스 예측 출처 : DACON - Data Science Competition dacon.io 1. Dataset 구축 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 class DatasetFashion(data.Dataset): def __init__(self,file_path,test_mode=False,train=True,transform=None): data=..