런코

오늘은 stylegan3로 간단한 훈련을 진행해보겠습니다 전체적인 순서는데이터 준비 (이미지 파일)  →  데이터셋 만들기  →  훈련이렇게 진행되겠습니다   데이터 준비일반적으로 데이터를 준비할 때 실사 이미지를 가지고 준비하지만 저는 오늘 그림 데이터를 준비했습니다하지만 훈련과정은 동일 하니 참고 하시면 될 것 같습니다  각각 크기가 다른 집 이미지 500장을 준비 했습니다하지만 stylegan 훈련에 필요한 데이터셋에는 동일한 크기의 이미지(256X256, 512X512, 1024X1024)가 필요해서 먼저는 이미지 크기를 변환 합니다 변환은 꿀뷰를 사용했습니다   저는 이미지의 크기를 512X512로 하겠습니다 또 여백  붙이기로 사용했지만 꽉차게 늘리기를 사용하셔도 무방합니다 폴더는 따로 생성하..

4090 gpu를 사용하는 window11 환경에서 cuda 11.1 버전을 설치하겠습니다 저랑 비슷한 환경인 경우 시도해 보시면 좋을 것 같습니다 stylegan3를 사용하기 위해서는 python 3.8, pytorch 1.9.0(이상버전), cuda tookit 11.1(이상버전) 이 필요하기에 저는 제 컴퓨터와 맞는 cuda 11.1과 cudnn 8.1.1로 설치하였습니다 1. CUDA 설치 먼저는 밑에 링크에 들어가셔서 cuda 11.1을 설치해 줍니다 https://developer.nvidia.com/cuda-11.1.0-download-archive CUDA Toolkit 11.1.0 Get CUDA Toolkit 11.1.0 for Linux and Windows. developer.nvi..

(참고)cuda version 10.1 기준으로 설치를 했습니다 - Detectron2의 공식 버전은 windows에 지원하지 않기 때문에 해당 설치 방법을 따라하시면 완벽하게 작동이 됩니다 Anaconda Prompt에서 가상환경을 생성하고 접속 (conda create -n 가상환경이름 python=파이썬버전) (conda activate 가상환경이름) conda create -n detectron2 python=3.7 conda activate detectron2 cuda 설치 - pythorch버전 1.6, 1.5, 1.4와 함께 사용할 수 있는 cuda 10.1을 사용합니다 https://developer.nvidia.com/cuda-10.1-download-archive-base CUDA To..

(참고)cuda version 10.1 기준으로 설치를 했습니다 Anaconda Prompt에서 가상환경을 생성하고 접속 (conda create -n 가상환경이름 python=파이썬버전) (conda activate 가상환경이름) conda create -n yolov5 python=3.8 conda activate yolov5 yolov5 설치하고 yolov5폴더로 이동 (cd yolov5를 설치하고자 하는 폴더위치) (git clone 깃허브주소) cd C:/ git clone https://github.com/ultralytics/yolov5.git cd yolov5 내 cuda version을 확인 nvcc --version - cuda가 설치되어 있지 않은 경우에는 밑에 주소에서 다운 받으시면..

- 미디어파이프 설치 : !pip install mediapipe opencv-python import cv2 import mediapipe as mp import numpy as np mp_drawing = mp.solutions.drawing_utils mp_pose = mp.solutions.pose # 웹캠실행 cap = cv2.VideoCapture(0) while cap.isOpened(): ret, frame = cap.read() cv2.imshow('Mediapipe Feed', frame) if cv2.waitKey(10) & 0xFF == 27: # esc 키를 누르면 닫음 break cap.release() cv2.destroyAllWindows() - 기본 웹캠 1. 감지 cap ..

import cv2 as cv cap = cv.VideoCapture(0) while(True): ret, cam = cap.read() if(ret) : cv.imshow('camera', cam) if cv.waitKey(1) & 0xFF == 27: # esc 키를 누르면 닫음 break cap.release() cv.destroyAllWindows() - opencv를 사용한 웹캠 실행기 - opencv 설치 = !pip install opencv-python - 새 창이 떠서 웹캠이 켜진다

* 객체 인식 = 여러가지 객체에 대한 분류 + 객체의 위치 정보를 파악하는 위치 검출 1단계 객체인식 : 두 문제(분류와 위치 검출)를 동시에 행하는 방법 - 빠르지만 정확도가 낮다 예) YOLO, SSD 2단계 객체인식 : 두 문제를 순차적으로 행하는 방법 - 느리지만 정확도가 높다 예) R-CNN * R-CNN - CNN(합성곱)과 이미지에서 객체가 있을 만한 영역을 제안해 주는 후보영역 알고리즘의 결합 (선택적 탐색) 순서 1. 이미지를 입력으로 받음 2. 2000개의 바운딩 박스를 선택적 탐색 알고리즘으로 추출한 후 잘라내고 CNN모델에 넣기 위해 같은 크기로 통일 (바운딩박스 : 3d 오브젝트의 형태를 모두 포함할 수 있는 최소 크기의 박스를 말한다) 3. 크기가 동일한 이미지 2000개에 각..

* 비지도 학습 * GAN * 강화학습