초보가 하는 코딩

CNN이란?이미지의 특징을 자동으로 추출하여 컴퓨터가 이미지를 보고 이해할 수 있도록 돕는이미지 인식과 처리에 특화된 딥러닝 모델이다. 주요 특징특히 이미지처럼 격자 구조를 가진 데이터에서 공간적 구조적 특징을 효과적으로 추출하고 학습하는 데 강점을 지닌 모델이다. 등장배경-기존 신경망의 한계: 과거의 인공 신경망은 이미지를 입력할 때 픽셀을 각각 독립적인 값으로 처리하여 이미지가 가진 중요한 공간적 정보를 제대로 활용하지 못했고 이미지 크기가 커질수록 계산량이 기하급수적으로 증가하는 한계를 지니고 있었다. -얀 르쿤의 제안: 이러한 문제를 해결하기 위해 얀 르쿤 교수가 1980년대에 CNN 개념을 처음 제안했으며 그는 이미지 데이터의 구조적 특성을 활용해 패턴을 효율적으로 인식하는 방식을 고안하였다. ..

Gstreamer스트리밍 미디어 응용 프로그램을 만들기 위한 강력한 오픈 소스 멀티미디어 프레임워크이다.오디오 및 비디오 처리, 네트워크 스트리밍, 인코딩/디코딩 등 복잡한 미디어 작업을플러그인 기반의 파이프라인 구조를 이용해 처리할 수 있도록 설계되었다. Gstreamer 활용 분야1) 미디어 플레이어 및 재생 애플리케이션-> 팟플레이어, 곰플레이어 등2) 스트리밍 및 방송 서비스 -> 유튜브, 넷플릭스 등3) 콘텐츠 제작 도구4) 통신 및 협업 플랫폼 -> zoom, google meet 등5) 컴퓨터 비전 및 AI6) 임베디드 시스템 -> IoT 디바이스, 특수 목적의 하드웨어 Gstreamer 명령어 (Mac 기준)gst-launch-1.0 videotestsrc ! osxvideosink컬러 바..

OpenCV실시간 컴퓨터 비전을 목적으로 한 프로그래밍 라이브러리이다.즉, 이미지와 영상을 분석 및 처리하는 라이브러리이다. VideoCapture카메라, 비디오 파일, 이미지 시퀀스 또는 네트워크 스트림 등 다양한 비디오 소스에서연속적인 프레임을 획득할 수 있도록 설계된 인터페이스이다. 1. 실시간 영상 처리 및 컴퓨터 비전1) 웹캠 등 실시간 카메라 영상 처리2) 머신 비전 및 자동화 시스템 2. 비디오 파일 분석 및 처리1) 비디오 파일 읽기 및 재생2) 프레임 기반의 비디오 처리 3. 스트리밍 및 네트워크 영상 활용1) 네트워크/IP 카메라, RTSP 스트림 처리2) 웹 어플리케이션 통합 4. 보안 및 감시 시스템(CCTV, 스마트시티)1) CCTV 영상 실시간 처리 및 저장2) 침입 감지, 차량..

시계열 알고리즘시간의 흐름에 따라 기록된 데이터(시계열 데이터)를 분석하여패턴, 추세, 계절성 등을 파악하고 미래를 예측하는 알고리즘이다. RNN내부에 순환 구조(Recurrent Structure)를가지고 있어 이전 단계의 정보를 현재 단계의 계산에 반영한다.즉, '기억'을 가지고 데이터를 처리한다. RNN의 약점기울기 소실기울기 폭주 LSTMRNN의 치명적인 단점인 장기 의존성 문제를 해결하기 위해 고안된 특별한 형태의 RNN이다. CELL STATE , CS(게이트는 바로 이 정보를 얼마나 기억하고, 얼마나 잊을지”를 조절하는 장치)LSTM은 이 두개의 정보의 흐름을 이용하여 RNN보다 더 효율적이다.

Generative AI사용자의 요청(프롬프트)에 따라 텍스트, 이미지, 오디오, 비디오 등새로운 콘텐츠를 생성할 수 있는 인공지능의 한 종류이다 Multimodal Generative AIOvi: Twin Backbone Cross-Modal Fusion for Audio-Video Generation Diffusion 모델 노이즈를 점점 제거하면서 원하는 데이터를 만들어내는 생성 AI 방식이다.학습할 때: 이미지를 노이즈가 점점 많아지도록 망가뜨린다.생성할 때: 완전한 노이즈에서 시작해 학습한 규칙을 따라 조금씩 노이즈를 제거 → 이미지 생성 Diffusion 기반 모델정방향 확산(forward diffusion)역방향 확산(reverse diffusion) Cross-modal Fusion (영상과..

회귀란?주어진 입력값으로부터 연속적인 출력값을 예측하는 방법머신러닝의 지도학습 중 하나 단순 선형 회귀입력 변수가 하나일 때 직선 관계를 학습장점: 해석이 쉽고 직관적 단점: 현실에서 모든 관계가 직선일 수 없음 → 한계가 많음 다중 선형 회귀입력변수가 여러 개일 때 이들의 조합으로 출력값을 예측장점: 여러 요인을 함께 고려 가능단점: 변수들 간에 상관관계가 있으면 정확도가 떨어짐 다항 회귀입력과 출력의 관계가 직선이 아니라 곡선일 때 사용장점:비선형 관계 설명 가능 단점:차수가 높아지면 과적합 위험 릿지 회귀선형 회귀에 규제를 추가한 방식장점: 과적합 억제, 성능 안정적단잠: 불필요한 변수를 남겨두는 경우가 있음 라쏘 회귀릿지와 유사하지만 규제 방식이 다름장점: 불필요한 변수 제거 → 해석력 높음 단점..

데이터 전처리모델을 학습시키기 전에 데이터를 깨끗하게 다듬고모델이 이해할 수 있는 형태로 변환하는 과정 데이터 인코딩머신러닝 모델은 일반적으로 문자열 값을 인식하지 못함 따라서 모든 문자열 값은 숫자형으로 변환하는 과정이 필요문자열 변수는 일반적으로 카테고리형, 텍스트형으로 나뉨 텍스트형은 feature vectorization 등의 기법으로 벡터화하거나 불필요하다고 판단되면 삭제하는 게 좋음 카테고리형은 라벨인코딩과 원핫인코딩으로 적용할 수 있음 라벨인코딩카테고리 데이터를 숫자 라벨로 바꾸는 방법과정1. 고유한 범주를 식별2. 각 범주에 숫자를 부여3. 데이터를 숫자로 변환 라벨인코딩 장단점장점간단하고 빠름메모리를 적게 차지 단점숫자에 순서/대소 관계가 없는데도 순서가 있다고 오해할 수 있음트리 기반 ..

지도학습정답이 있는 데이터를 가지고 학습하는 방식입력과 출력이 짝지어져 있는 데이터를 사용새로운 입력이 들어오면 정답을 예측 비지도학습답이 없는 데이터를 가지고 숨은 패턴을 찾는 방식모델은 입력만 보고 데이터 구조나 군집을 스스로 학습 장단점지도학습장점 - 예측 성능이 좋음단점 - 많은 라벨링 데이터 필요 비지도학습 장점 - 라벨 필요 X단점 - 정답이 없어 성능 평가가 어려움KNN어떤 데이터가 들어왔을 때 가장 가까운 k개의 이웃 데이터을 찾아서그 이웃들이 속한 라벨에 따라 분류하거나 값을 예측하는 방식 KNN의 과정1. 특별한 학습 과정 없음 -> 데이터를 그냥 저장2. 새 데이터가 들어오면 거리 계산3. 가장 가까운 k개를 찾음4. 다수결 또는 평균으로 결과를 결정 KKN의 장단점장점직관적이고 이해..

활성화 함수란?인공 신경망에서 뉴런이 입력 신호의 가중합을 받아들였을 때 그 출력을 어떻게 변환할지를 결정하는 함수이다.단순한 합계를 그대로 전달하지 않고 특정 규칙에 따라 비선형적으로 변환해줌으로써 복잡한 패턴 학습을 가능하게 해준다. 선형 vs 비선형인공지능에서 데이터는 선형과 비선형으로 나뉜다.머신러닝은 선형 데이터를 다룰 수 있지만 비선형 데이터는 다루지 못한다.딥러닝은 비선형 데이터를 다룰 수 있다. 선형 데이터입력 변수와 출력 변수 사이의 관계과 직선으로 표현 가능한 데이터 선형 함수단순한 일차 함수가 아니라 복잡한 곡선 함수도 선형 함수라고 볼 수 있다. 비선형 데이터입력 변수와 출력 변수의 관계가 직선으로 표현되지 않는 데이터 선형 모델의 목적은 대개 추정하거나 해석을 할 때 사용비선형 모..

OpenCV란?이미지와 영상을 분석 및 처리하는 라이브러리이다.OpenCV는 이미지 및 영상 처리, 객체 검출, 패턴 인식 등 다양한 컴퓨터 비전 작업을 수행할 수 있다.OpenCV는 학습된 AI 모델을 불러와 활용할 수 있는 기능도 제공한다. OpenCV로 이미지 분석하기import cv2import matplotlib.pyplot as plt라이브러리를 불러와준다. 여기서 matplotlib.pyplot은 데이터 시각화 라이브러리이다.!wget -O sample.jpg https://coresos-phinf.pstatic.net/a/3120fb/h_4cbUd018svc134uos5yw8j3d_ue3zby.jpg?type=w520진격거 이미지의 주소를 복사하여 다운로드 해주었다.image = cv2.i..