Maxima's Lab

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..

안녕하세요, 오늘은 "Free-Form Image Inpainting with Gated Convolution" (https://arxiv.org/pdf/1806.03589.pdf) 위 논문에 대해서 리뷰를 해보도록 하겠습니다. 해당 논문은 이전의 Inpainting 기술에서 보완해야 할 몇가지 문제점을 해결하기 위해 Gated Convolution Neural Network를 사용합니다. 논문에 대한 전반적인 내용들은 다음과 같습니다. 기존의 Inpainting 기술의 문제점 분석 및 Gated Convolution Neural Network의 개념과 작동 방식을 소개하며, Free-From Image Inpainting 모델의 구조와 학습 방법에 대해 상세히 설명합니다. 해당 모델은 Input Ima..

오늘은 Tensorflow 2 모델(.h5)을 .onnx 모델로 변환하는 방법에 대해서 알아보도록 하겠습니다. import tensorflow as tf from tensorflow.keras.models import load_model model = load_model("model.h5") 먼저, .h5 모델을 로드 합니다. 이어서 .onnx 파일로 변환하기 위해 tf2onnx 패키지를 설치합니다. pip install -U tf2onnx 패키지를 설치 후 다음 명령어를 통해 .onnx 모델로 변환합니다. python -m tf2onnx.convert --input model.h5 --output model.onnx --opset 13 위의 명령어에서 Opset은 ONNX에서 지원하는 연산의 집합을 의..

오늘은 Template Matching (템플릿 매칭, .cu 파일)을 구현하는 방법에 대해서 알아보도록 하겠습니다. 전체 코드는 다음과 같습니다. #include #include #include #include #include __global__ void template_matching_kernel(const usigned char* img, const unsigned char* tpl, int img_width, int tpl_width, int tpl_height, float* output) { int x = blockIdx.x * blockDim.x + threadIdx.x; int y = blockIdx.y * blockDim.y + threadIdx.y; if (x>= img_width || ..

안녕하세요, 오늘은 Tkinter 모듈을 사용하여, Toplevel을 활용한 Multiple Windows를 생성하는 방법에 대해서 알아보도록 하겠습니다. 다음과 같이, main.py 파일을 구성하였습니다. import tkinter as tk import tkinter.ttk as ttk import sub_main class Mainform(): def __init__(self): self.main_win = tk.Tk() self.main_win.title("Maxima") self.main_win.geometry("1000x800+200+200") self.make_widgets() def execute_sub_main(self): self.sub_main = sub_main.SubMainForm..