Deep.I

이미지나 영상에서 객체를 지능적으로 찾기 위해 제안된 객체 탐지 알고리즘은 RCNN 계열과 더불어 SDD와 YOLO 등 다양한 기법으로 파생되고 있습니다. 하지만 아직까지 실제 현업 application 단계에서의 실용성과 효율성 문제, 구현 난이도로 인해 YOLO가 압도적으로 활용되고 있는 것 같습니다. 이번 포스팅에서는 YOLO 학습을 위한 데이터 라벨링 프로그램 하나를 소개하려 합니다. github.com/developer0hye/Yolo_Label developer0hye/Yolo_Label GUI for marking bounded boxes of objects in images for training neural network Yolo v3 and v2 https://github.com/Ale..

현재 딥러닝 객체 인식 분야에서는 학습과 평가 실험을 위한 다양한 데이터셋이 존재합니다. 대표적으로 COCO (Common Objects in Context), KITTI Vision Benchmark Suite 등의 대규모 데이터가 있지만, 실제 시스템에 맞는 딥러닝 객체 탐지 알고리즘을 적용하기 위해서는 결국, 수집된 데이터을 통해 최적화해야합니다. 지도학습으로 정의되는 모든 머신러닝 알고리즘은 학습을 하기 위해 입력되는 데이터(Input)와 데이터를 명시하는 클래스 또는 라벨(Output)이 필요합니다. 단순히 많은 데이터뿐만 아니라 데이터를 알려주는 클래스 정보가 함께 있어야 학습을 진행할 수 있죠. 오늘은 Matlab의 Computer Vision Toolbox에 포함되어있는 Image labe..