*이 포스트는 강의 요약 포스트입니다. 기존 Object Detection 모델의 문제점 1. 많은 수의 Anchor Prediction 과정이 필요하다. (ReitnaNet의 경우 1장의 이미지에 대한 약 100K정도의 Anchor Prediction) 2. 이로인해 Post-Processing 과정에서 NMS 처리로 인해 속도가 느려진다. 3. 또한 Multi-Anchor Prediction 의 결과로 NMS를 적용하더라도 하나의 Object에 대해 여러개의 Prediction을 만드는 중복 Prediction 문제가 생길 수 있다. CenterNet Objects as Points (https://arxiv.org/abs/1904.07850)에서 처음 CenterNet 개념이 나타났다. Object..

문제 설명 정수를 담고 있는 배열 arr의 평균값을 return하는 함수, solution을 완성해보세요. 제한사항 arr은 길이 1 이상, 100 이하인 배열입니다. arr의 원소는 -10,000 이상 10,000 이하인 정수입니다. 입출력 예 arrreturn [1,2,3,4] 2.5 [5,5] 5 -> sum함수와 len함수를 이용해 list내의 평균값을 return하도록 만들었다. -> try, except구문으로 list내의 요소가 없을 때의 예외처리를 해주었다. def solution(arr): try: return sum(arr) / len(arr) except ZeroDivisionError: return 0 모범 답안 def average(list): return (sum(list) / ..

문제 설명 길이가 n이고, "수박수박수박수...."와 같은 패턴을 유지하는 문자열을 리턴하는 함수, solution을 완성하세요. 예를들어 n이 4이면 "수박수박"을 리턴하고 3이라면 "수박수"를 리턴하면 됩니다. 제한 조건 n은 길이 10,000이하인 자연수입니다. 입출력 예nreturn 3 "수박수" 4 "수박수박" 내가 한 풀이 기본적으로 몫과 나머지를 이용해서 n이 짝수, 홀수인 경우로 생각해서 답안 작성 def solution(n): answer = '수박' if n == 1: return str(answer[0]) elif n % 2 == 0: return str(answer * (n//2)) return str(answer * (n//2) + answer[0]) 모범답안 def water_m..

*이 포스트는 강의 요약 포스트입니다. Open Image Dataset Ground Truth Object Detection 문제 영역의 Ground Truth 데이터는 사람이 지정한 Bounding Box와 Class Label 이다. 정답 Ground Truth 데이터와 비교했을 때, 예측 값의 성능을 비교하기 위한 Metric이 필요하다. Metric-1 Intersection over Union(loU) Metric loU은 1개의 Bounding Box와 1개의 Bounding Box가 얼마나 일치하는 지를 0.0~1.0 사이의 값으로 표현한다. 2개의 Bounding Box가 일치할 수록 1.0에 가까운 값이 되고, 일치하지 않을 수록 0.0에 가까운 값이 나온다. Metric 2 - Pre..

*이 포스트은 강의 요약 포스트입니다. 컴퓨터 비전 (Computer Vision) 인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해서 구현하는 방법을 연구하는 분야이다. 이미지분류 (image Classications), Sematic Image Sementation, 물체 검출 Object Detection 등이 컴퓨터 비전의 대표적인 문제들이다. 컴퓨터 비전 문제를 풀기 위해 딥러닝 여러 구조 중 CNN이 많이 사용된다. Object Detection : 물체가 있는 영역의 위치정보를 Bounding Box로 찾고 Bounding Box 내에 존재하는 사물의 라벨(Label)을 분류하는 영역 Object Detection문제 영역의 출력값 - x_min, y_min,x_max,y_max,clas..