반응형 실전 예제, 프로젝트7 [실전 예제/객체 추적/PyTorch] 객체 추적 튜토리얼: MOT 데이터셋으로 PyTorch 데이터셋 만들기 객체 추적(Object Tracking)이란? 객체 추적(Object Tracking)은 영상 속에서 특정 객체를 시간에 따라 지속적으로 추적하는 컴퓨터 비전 태스크입니다. 프레임마다 객체의 위치를 예측하고, 각 객체에 대해 고유한 ID를 유지하는 것이 핵심이죠. 이번 시간에는 PyTorch를 이용하여 객체 추적 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다.예: CCTV에서 사람을 추적하거나, 자율주행 차량에서 차량/보행자를 추적하는 경우 목표실제 MOT17 구조를 탐색해서 하위 시퀀스들을 하나로 합쳐서 Dataset 구성객체 Crop 이미지를 만들고, 이를 기반으로 Re-ID 임베딩 모델을 학습할 수 있도록 구성PyTorch Dataset ↔ 추적 모델 학습 코드가 자연스럽게 연결되도록 통일 .. 2025. 4. 27. [실전 예제/리스트/파이썬] 리스트 요소에 같은 연산을 적용하는 6가지 방법 리스트에 일괄 연산하기 파이썬을 쓰다 보면 리스트 안의 모든 값에 동일한 연산을 적용해야 하는 상황이 자주 발생합니다. 예를 들어 상품 가격 목록에서 전부 1달러씩 할인하거나, 센서 측정값에 보정값을 빼야 하는 경우가 있죠. 이번 글에서는 가장 많이 사용되는 6가지 방식으로 리스트에 동일한 연산을 적용하는 방법을 소개합니다. 각 방식의 장단점도 함께 정리했으니, 상황에 맞는 방법을 쉽게 골라 사용할 수 있습니다. 1. numpy 사용 - 가장 빠름 ***import numpy as npprices = [10, 15, 20]discounted = np.subtract(prices, 1)print(discounted) # [ 9 14 19] 2. List Comprehension - 가장 Python.. 2025. 4. 22. [실전 예제/변화 탐지/PyTorch] 변화 탐지 튜토리얼: LEVIR 데이터셋으로 PyTorch 데이터셋 만들기 변화 탐지(Change Detection)란? 변화 탐지(Change Detection)는 두 시점의 이미지를 비교하여 변화가 발생한 영역을 픽셀 단위로 분류하는 컴퓨터 비전 태스크입니다. 이번 시간에는 PyTorch를 이용하여 변화 탐지 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다. 변화 탐지 vs 의미론적 분할변화 탐지입력: 시점이 다른 두 이미지출력: 픽셀별 변화 여부(0: 동일, 1: 변화)활용 분야: 리모트 센싱, 감시, 재난 대응의미론적 분할 (Semantic)입력: 단일 이미지출력: 픽셀별 클래스활용 분야: 의료, 자율주행 대표 변화 탐지 데이터셋LEVIR-CD고해상도 항공 이미지 (1024×1024)클래스: 변화 / 무변화 (2-class binary segmentation)건물의.. 2025. 4. 19. [실전 예제/인스턴스 분할/PyTorch] 인스턴스 분할 튜토리얼: COCO 데이터셋으로 PyTorch 데이터셋 만들기 인스턴스 분할(Instance Segmentation)이란? 인스턴스 분할(Instance Segmentation)은 이미지 속의 객체를 픽셀 단위로 구분하되, 객체의 개별 인스턴스마다 다른 마스크를 예측하는 태스크입니다. 즉, 객체 검출(Object Detection)과 의미론적 분할(Semantic Segmentation)을 동시에 수행하는 고급 비전 과제입니다. 이번 시간에는 PyTorch를 이용하여 인스턴스 분할 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다. 인스턴스 분할 vs 객체 검출 vs 의미론적 분할인스턴스 분할: 픽셀 단위 클래스 + 인스턴스 구분 모두 수행객체 검출 (Object Detection): 물체 위치를 박스로 찾음의미론적 분할 (Semantic): 픽셀 단위 클래스 .. 2025. 4. 19. [실전 예제/객체 탐지/PyTorch] 객체 검출 튜토리얼: COCO 데이터셋으로 PyTorch 데이터셋 만들기 객체 검출(Object Detection)이란? 객체 검출(Object Detection)은 이미지 속의 객체의 종류(class)와 위치(bounding box)를 동시에 예측하는 비전 태스크입니다. COCO는 객체 검출 학습을 위한 가장 널리 사용되는 대표 데이터셋입니다. 이번 시간에는 PyTorch를 이용하여 객체 탐지 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다. PyTorch로COCO데이터셋 만들기COCO 데이터셋 특징COCO (Common Objects in Context)80개 클래스바운딩 박스 + 클래스 ID + 세그멘테이션 마스크 형태의 라벨로 구성JSON (MS COCO format)객체 검출, 인스턴스 분할, 키포인트 검출 등에 사용디렉토리 구조 예시coco/ images/ .. 2025. 4. 19. [실전 예제/이미지 분류/PyTorch] 이미지 분류 튜토리얼: CIFAR-10과 ImageNet으로 PyTorch 데이터셋 만들기 이미지 분류(Image Classification)란? 이미지 분류(Image Classification)는 딥러닝에서 가장 기본적이면서도 실전 활용도가 높은 컴퓨터 비전 과제입니다. 고양이와 개를 구분하거나, X-ray 사진에서 질병을 탐지하는 문제도 모두 이미지 분류 문제에 해당합니다. 이번 시간에는 PyTorch를 이용하여 이미지 분류 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다. PyTorch로 CIFAR-10 이미지 분류 데이터셋 만들기 CIFAR-10은 딥러닝 입문자들이 가장 많이 사용하는 공개 이미지 분류 데이터셋입니다.CIFAR-10 특징10개 클래스 (비행기, 자동차, 개구리 등)32×32 크기 컬러 이미지PyTorch에서 `torchvision.datasets.CIFAR10`.. 2025. 4. 19. [실전 예제/소켓통신/루프백] 컴퓨터 한 대로 가능한 TCP/IP 소개 TCP/IP는 네트워크 통신에서 가장 널리 사용되는 프로토콜 중 하나로, 데이터를 안정적으로 송수신할 수 있는 기반을 제공합니다. 본 글에서는 Python을 활용해 루프백(127.0.0.1)을 기반으로 한 TCP/IP 서버-클라이언트 통신을 구현하는 방법을 살펴보겠습니다. 루프백 TCP/IP란? 루프백은 네트워크 내부에서 데이터를 송수신하기 위한 가상의 네트워크 인터페이스입니다. IP 주소 127.0.0.1은 호스트 머신 자신을 나타내며, 네트워크 테스트나 로컬 환경에서의 통신을 구현할 때 유용하게 사용됩니다. 구현 목표서버는 포트 5000에서 클라이언트 요청을 대기합니다.클라이언트는 서버에 메시지를 전송하고 서버로부터 응답을 받습니다.서버는 클라이언트와의 연결을 유지하며 여러 요청을 처리할 .. 2025. 1. 15. 이전 1 다음 반응형
