Practice

HDF5 (Hierarchical Data Format 5) - h5py 사용

HDF5 HDF란, 대용량의 데이터를 저장하기 위한 파일 형식으로, 구조화된 배열 데이터를 저장하기에 용이하다. 운영체제의 제약을 거의 받지 않고, 대용량 데이터를 빠르게 저장하고, 쉽게 접근할 수 있게 해주는 고성능 데이터 포맷 형식이다. HDF5를 사용하는 이유 특정 데이터 subset을 처리하기 위해서 전체 데이터셋을 RAM에 읽지 않아, 아주 효율적으로 데이터를 처리할 수 있다. 다른 타입들을 가진 데이터들을 HDF5라는 하나의 파일 안에 저장할 수 있다. h5py python에서는 h5py 라이브러리로 HDF5 파일을 쉽게 다룰 수 있다. [docs] 위에서 HDF5를 사용하는 이유에서 설명했듯이, 위 그림의 오른쪽 부분 처럼 HDF5는 임의의 데이터를 참조했을 때, 해당 데이터가 메모리에 올라..

YOLO v8 사용하기 (ultralytics)

앞서, YOLO v3를 사용하는 방법을 포스팅 한 적이 있습니다. 최근 더욱 발전된 YOLO v8이 새롭게 출시되어 간단하게 사용하는 방법을 포스팅합니다. https://github.com/ultralytics/ultralytics GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite - GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite github.com Pytorch로 구성되어 있으며, ultralytics 라이브..

[MMDetection 2.0] 정리

MMDetection 3.0에 관련한 정리는 이 글에서 확인할 수 있습니다. MMDetection (ver. 2) 사용법 (기본적인 내용) https://greeksharifa.github.io/references/2021/08/30/MMDetection/ Python, Machine & Deep Learning Python, Machine Learning & Deep Learning greeksharifa.github.io Mask(Instance or Segmentation) 모델을 Detection 모델로 학습하기 위한 Config 파일 수정 이 글에서 확인할 수 있습니다. Gradient Accumulative 적용 optimizer_config = dict(_delete_=True, # base..

[MMDetection 3.0] 정리

MMDetection (ver. 3)을 사용하면서 필요한 설정 방법들 정리 POST MMDetection (ver. 2) 사용법 (기본적인 내용) https://greeksharifa.github.io/references/2021/08/30/MMDetection/ Python, Machine & Deep Learning Python, Machine Learning & Deep Learning greeksharifa.github.io Mask(Instance or Segmentation) 모델을 Detection 모델로 학습하기 위한 Config 파일 수정 예를들어, mask_rcnn 모델을 Detection Task로 학습시키고 싶을때 다음 Config 파일의 다음 부분을 수정하면 된다. 1. model..

[Ubuntu] Pytorch 에서 YOLO v3 사용하기 (ultralytics)

[2023년] YOLO v8이 출시 되었습니다 ! 사용 방법을 간단히 정리하였으니, 같이 봐주시면 감사하겠습니다 :) YOLO v3가 Pytorch로 만들어진 코드를 Github에서 발견하였다. https://github.com/ultralytics/yolov3 GitHub - ultralytics/yolov3: YOLOv3 in PyTorch > ONNX > CoreML > TFLite YOLOv3 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov3 development by creating an account on GitHub. github.com Pytorch로 구현되어 있어 쉽게 custom할 수 있고, 무엇보다 wandb(..

[Ubuntu] YOLO Darknet(AlexeyAB) 학습 환경 구축

[2023년] Pytorch 환경에서 학습 가능한 YOLO v8이 출시 되었습니다 ! 사용 방법을 간단히 정리하였으니, 같이 봐주시면 감사하겠습니다 :) 환경 Ubuntu의 환경은 다음과 같습니다. ( Ubuntu 18.04.6 ) 그래픽 카드와, 그래픽 카드의 드라이버, CUDA의 버전, CUDNN의 버전은 다음과 같습니다. ( GPU : GeForce 3090 * 2 , Driver : 470.82.01, CUDA : 11.4, CUDNN : 8.2.2 ) 1. OpenCV 설치 먼저 설치된 opencv의 버전을 확인합니다. $ pkg-config --modeversion opencv 원하는 버전과 맞지 않다면 OpenCV를 삭제합니다. 실행 중인 OpenCV 사용중지 $ sudo apt-get pu..

mrcnn(Mask-RCNN) 무작정 따라하기

MMDetection을 사용하여 쉽게 학습이 가능합니다. 간단한 사용법 정리 서론 Computer Vision에서 주로 사용되는 Object Detection을 무작정 따라해보았다. Detection 하기 위한 class는 Car(자동차)로 목표를 잡았고, Car Object Detection 을 구현하기 위해 Kaggle의 데이터셋을 받아 mrcnn을 구현해보기로 결정하였다. Dataset https://www.kaggle.com/sshikamaru/car-object-detection Car Object Detection YOLO Object Detection Playground | 1000+ Videos www.kaggle.com Code 이를 구현하기 위한 참고 코드로 https://www.kag..