Maxima's Lab

안녕하세요, 오늘은 Flask를 설치하는 방법에 대해서 알아보겠습니다. 가상 환경(Virtual Environment) 설정 Flask 설치 및 Version 확인 Flask App 생성 첫번째, 가상 환경(Virtual Environment)을 설정하는 방법에 대해서 알아보겠습니다. pip install virtualenv mkdir my_flask_project cd my_flask_project virtualenv venv venv\Scripts\activate 위의 코드는 virtualenv를 설치 후 Project Directory 생성 및 가상 환경을 활성화하는 코드입니다. 다음은, Flask를 설치하고 Version을 확인하는 방법에 대해서 알아보겠습니다. pip install Flask p..

안녕하세요, 오늘은 Anomaly Detection의 개념에 대해 알아보고 Pytorch 프레임워크를 활용해서 코드를 구현해보는 방법에 대해서 알아보도록 하겠습니다. Anomaly Detection : 이상 감지는 이미지 또는 일련의 이미지 내에서 비정상적이거나 비정상적인 패턴, 개체 또는 이벤트를 식별하느 프로세스를 의미합니다. 이어서, Anomaly Detection Task에서 Reconstruction Loss Functions으로 자주 사용하는 Loss Functions에 대해서 알아보도록 하겠습니다. Mean Squared Error (MSE) : 예측 값과 실제 값 사이의 제곱 차이의 평균을 측정하는 손실 함수 입니다. 이는 재구성된 이미지와 원본 이미지의 차이를 계산하기 위해 자주 사용됩니..

안녕하세요, 오늘은 다중 클라이언트 (Multiple Clients)에 대해서 접속을 수락하고 각 Clients가 보내는 데이터를 송수신하는 코드를 구현해보도록 하겠습니다. 이를 구현하기 위해서는 Multiple Threads를 사용해서 클라이언트의 연결 요청을 처리하고 연결할 수 있는 최대 클라이언트 수를 지정해줍니다. import socket import threading HOST = '127.0.0.1' PORT = 12345 MAX_CLIENTS = 5 def handle_client(conn, addr): print(f'Connected by {addr}') while True: data = conn.recv(1024) if not data: break print(f'Received {repr(..

안녕하세요, 오늘은 TCP/IP 개념과 프로토콜을 사용하여 간단 예제를 구현하는 방법에 대해서 알아보도록 하겠습니다. TCP/IP 는 인터넷 프로토콜 스위트 (Internet Protocol Suite)의 핵심적인 프로토콜로, 인터넷에서 데이터를 전송하기 위한 표준 프로토콜입니다. TCP는 신뢰성이 있는 연결 지향 프로토콜로, IP는 비연결성의 데이터그램 프로토콜입니다. 파이썬에서 TCP/IP 프로토콜을 구현하는 방법은 다음과 같습니다. 소켓 만들기 socket.scoket() 함수를 호출하여 소켓 생성 서버 연결 대기 서버 소켓에 bind() 함수를 호출하여 IP 주소와 Port 번호를 할당 listen() 함수를 호출하여 클라이언트의 연결 요청을 대기 클라이언트 연결 수락 accept() 함수를 호출..

안녕하세요, 오늘은 딥러닝에서 Normalization (정규화)에 대해서 알아보겠습니다. 딥러닝에서 Normalization은 입력 데이터를 조정하여 모델의 학습 성능을 개선하는 방법 중 하나입니다. 여러 종류의 Normalization 기법이 있으며, 가정 널리 사용되는 종류들은 다음과 같습니다. Batch Normalization (BN) : 각 미니배치의 입력 데이터를 정규화하여 평균과 분산을 조정하는 방법입니다. 이를 통해 학습 도중 발생하는 Internal Covariate Shift를 줄일 수 있으며, 더욱 안정적인 학습이 가능해집니다. Layer Normalization (LN) : BN과 유사하지만, 전체 미니배치 대신 레이어 내에서 평균과 분산을 계산하여 정구화하는 방법입니다. BN에 ..

안녕하세요, 오늘은 Aggregated Residual Transformations for Deep Neural Networks (https://arxiv.org/pdf/1611.05431.pdf) 위 논문에 대해서 리뷰를 해보고 해당 모델에 대해서 구현해보도록 하겠습니다. RexNeXt는 ResNet의 성능을 개선하기 위해 ResNet과는 다른 방식으로 모델을 구성하였습니다. 이를 위해 ResNet에서 사용된 residual block을 확장하여, 여러 개의 경로를 사용하는 모델 아키텍처인 ResNeXt를 제안하였습니다. RexNeXt의 핵심 아이디어는 Cardinality 입니다. Carninality는 ResNeXt에서 레이어 마다 입력 데이터를 여러 개의 경로로 보내는 개념을 나타냅니다. 예를 들..

안녕하세요, 오늘은 Tkinter 모듈을 사용하여, 지정된 경로에 이미지를 실시간으로 감지(Detect), 로드(Load)하고 시각화(Visualize)하는 방법에 대해서 알아보도록 하겠습니다. 위의 방법에 대한 전체 코드는 다음과 같습니다. import os import tkinter as tk from PIL import Image, ImageTk class ImageLoader(tk.Frame): def __init__(self, master=None, path=None): super().__init__(master) self.master = master self.path = path self.image = None self.label = tk.Label(self.master) self.label...

안녕하세요, 오늘은 Attention U-Net: Learning Where to Look for the Pancreas (https://arxiv.org/pdf/1804.03999.pdf) 위 논문에 대해서 리뷰를 해보도록 하겠습니다. 먼저 Attention U-Net의 전체 구조는 다음과 같습니다. Attention U-Net 모델은 U-Net 아키텍처를 기반으로 하면서, Decoder에서 Attention 메커니즘을 사용하여 성능을 향상시킨 딥러닝 모델입니다. U-Net 모델은 Encoder와 Decoder로 구성되어 있으며, 인코더에서는 이미지를 축소해가며 특성을 추출하고, Decoder에서는 이러한 특성을 기반으로 이미지를 확대하여 Segmentation Mask를 생성합니다. Attention..