ML 67

Generative Adversarial Nets 논문 리뷰

Background 마르코프 연쇄 확률론에서, 마르코프 연쇄(Марков連鎖, 영어: Markov chain)는 이산 시간 확률 과정이다. 마르코프 연쇄는 시간에 따른 계의 상태의 변화를 나타낸다. 매 시간마다 계는 상태를 바꾸거나 같은 상태를 유지한다. 상태의 변화를 전이라 한다. 마르코프 성질은 과거와 현재 상태가 주어졌을 때의 미래 상태의 조건부 확률 분포가 과거 상태와는 독립적으로 현재 상태에 의해서만 결정된다는 것을 뜻한다 제한적 볼츠만 머신  에너지 개념을 이용한 확률 표현  통계 물리학 • 동일한 상태에 있는 물질이라도 다양한 미시적 상태(micro state)에 있 을 수 있음 • 높은 에너지의 미시적 상태의 있을 확률은 낮음 • 낮은 에너지의 미시적 상태에 있을 확률은 높음  확률 ..

ML/머신러닝 2020.05.02

FaceNet: A Unified Embedding for Face Recognition and Clustering 논문 리뷰

Background K-NN 분류 k-Nearest Neighber / k-최근접 이웃 알고리즘 지도학습 중 분류 문제에 사용하는 알고리즘이다. 분류 문제란 새로운 데이터가 들어왔을 때 기존 데이터의 그룹 중 어떤 그룹에 속하는지를 분류하는 문제를 말한다. k-NN은 새로 들어온 "★은 ■ 그룹의 데이터와 가장 가까우니 ★은 ■ 그룹이다." 라고 분류하는 알고리즘이다. 여기서 k의 역할은 몇 번째로 가까운 데이터까지 살펴볼 것인가를 정한 숫자이다. Embedding 임베딩 추천 시스템이나 군집 분석에 활용할 수 있다. embedding vector space 상에서 가까운 데이터들은 비슷한 특성을 공유하고 있다. supervised 머신러닝의 input 데이터로 사용할 수 있다. 범주간의 관계를 시각화하..

ML/머신러닝 2020.04.25

Stereo R-CNN based 3D Object Detection for Autonomous Driving 논문 리뷰

1.Introduction 3D object detection은 LiDAR에 의존하는데 코스트가 높고 낮은 지각 범위를 갖는다 그리고 밀도가 낮은 정보를 갖는다 Monocular cameras는 낮은 코스트의 솔루션을 갖는다. 하지만 참조된 깊이는 정확도를 보장할 수 없다. 그래서 stereo-vision based 3d object를 추천한다. 이것은 left-right 광도 측정 정열에 의한 것이다. LiDAR와 비등한 수준의 non-trivial disparities에 대한depth Accuracy를 제공한다. 인식의 범위는 focal length 와 baseline에 따라 달라진다. 우리는 추천된 R-CNN을 사용하여 이미지의 detect와 동시에 물체를 관련시키는 일을 할것이다. Network ..

ML/머신러닝 2020.04.18

얼굴인식 출결 체크 팀 4주차. Flask를 이용한 웹사이트 구축

출석관리팀:김정민 한준희 최웅준 박승재 최영환 회의 : 2020. 03. 27(행아웃 온라인 회의) 저희 팀의 최종 목표는 얼굴인식 출결관리 시스템을 만들어서 웹을 통해 간단하게 실행시키는 것이었기에, 웹 사이트를 만들기 위한 웹 프레임워크인 'Flask' 에 대해 공부해보고 간단한 웹 페이지를 구성해봤습니다. 우선 웹 프레임워크란, 웹 서비스 개발을 위한 프레임워크입니다. 파이썬을 이용한 이용한 웹 프레임워크로는 대표적으로 'Django' 와 'Flask' 가 있습니다. python 기반 web application framework 중 가장 많이 사용되고 있는 것은 Django인데 그 이유는 개발하기 위해 필요한 귀찮은 작업들을 거의 대부분 Framework 레벨에서 지원해주고, 사용자가 가장 많은 ..

ML/머신러닝 2020.03.28

[클라우드 컴퓨팅]구글 클라우드 컴퓨팅을 이용한 웹 서버 구축하기-워드프레스 (word press) 설치/도메인 연결하기

출석관리팀 작성자:김정민 플라스크를 이용한 웹서버를 구축할 수 있으나 지속적으로 웹서버를 돌려줘야 해서 클라우드 컴퓨팅을 이용해서 웹 서버를 구축해보기로 하였고 AWS를 이용할 수 있으나 비용 청구 부분에서 무리가 있을 수 있다고 판단하여 구글 클라우드 컴퓨팅을 이용하여 도메인 연결까지 성공했습니다. 도메인 등록은 24시간이 지나야 정상 이용가능하여 기다리고 있습니다.

ML/머신러닝 2020.03.28

[openCV]얼굴인식 기술을 이용한 화면 잠금해제

cv2라이브러리를 이용하면 얼굴인식 라이브러리를 이용할 수 있습니다. opencv 중에서도 haarcascade_frontalface_default.xml가 얼굴인식 xml입니다! 저는 주피터 환경에서 실행시켰는데 코랩에서는 실행이 잘 되지 않더라고요. 코랩도 시도 중입니다. 코드에서 오류가 난다면 haaracascade 오류일 가능성이 있습니다. 그럴 경우 절대 경로를 지정해주면 좋습니다. file_name_path = 'C:/Users/jeong min/Desktop/Facial-Recognition-master/Facial-Recognition-master/faces/'+str(count)+'.jpg' 위는 파일 저장 경로인데 실행 환경마다 라이브러리마다 조금씩 다를 수 있으나 절대 경로를 위와 같..

ML/머신러닝 2020.03.17

DeepFace 논문 간단 리뷰:Closing the Gap to Human-Level Performance in Face Verificat

Deep face는 어떤 논문인가? What? ·주어진 이미지로부터 사람을 식별할 수 있는 CNN 구조를 묘사하는 논문이다. How? 인풋은 사람의 얼굴이다.(이미지에서 얼굴을 추출하는것이 아니다. 이미 다른 방법에 의해 얼굴은 추출되어 있는것 ) 우선 CNN 구조에 사진을 넣기 전에 2D alignment 와 3D alignment를 거쳐서 사진이 정면을 바라 보도록 해주고 (h)와 같이 새로운 측면에서의 데이터를 얻게 해준다. Face alignment / Frontalization (정렬과 정면화) 얼굴 이미지 내에서 변화를 제거하여 모든 얼굴이 카메라를 똑바로 쳐다보는 것처럼 보이도록 해준다.("frontalized") 2D alignment 얼굴에서 landmark(fiducial points...

ML/머신러닝 2020.03.10

face_recognition을 이용한 real time 얼굴 인식

face_recognition을 이용한 real time 얼굴 인식 2020. 3. 8. 16:31ㆍ3.5기(200104~)/출석체크 팀 2020 3월 8일 출석관리팀 DMC 탐탐 실시간으로 영상을 전송하여 얼굴 인식을 할 수 있는 face_recognition 라이브러리를 이용하여 실제 최영환과 김정민 얼굴의 영상을 인식하여 실습을 진행해 보았습니다. 최영환의 얼굴은 잘 인식되지 않았었는데 영상의 규격의 문제가 있었던것 같습니다. 갤럭시 a50 앞면 카메라를 이용하니 인식이 잘 되었고 출석체크 모델에 적용해볼 예정입니다. 참조 깃허브는 아래와 같습니다. https://github.com/ageitgey/face_recognition ageitgey/face_recognition The world's s..

ML/머신러닝 2020.03.08

유용한 라이브러리에 대해 정리해보자

torch , torch.nn, numpy (PyTorch로 신경망 처리를 위한 필수 패키지) torch.optim (효율적인 그라디언트 디센트) PIL , PIL.Image , matplotlib.pyplot (이미지를 읽고 보여주는 패키지) torchvision.transforms (PIL타입의 이미지들을 토치 텐서 형태로 변형해주는 패키지) torchvision.models (사전 훈련된 모델들의 학습 또는 읽기 패키지) copy (모델들의 깊은 복사를 위한 시스템 패키지) Matplotlib Matplotlib는 파이썬에서 데이타를 차트나 플롯(Plot)으로 그려주는 라이브러리 패키지로서 가장 많이 사용되는 데이타 시각화(Data Visualization) 패키지로 알려져 있다. 다양한 사용법이 ..

ML/머신러닝 2020.03.07

코랩을 이용한 샴 네트워크 구현

출석관리팀 발표자: 김정민 실습은 코드도 길고 첨부할 이미지도 많아서 따로 게시물을 작성하였습니다. 코드는 깃허브에서 가져왔고 중간 중간에 조금씩 수정은 하였습니다. 코랩을 이용하였기 때문에 드라이브에 마운트하여 파일을 이용하면 됩니다. 압축을 풀어서 드라이브에 업로드한다. 우선 깃허브에 있는 데이터셋으로 이용할 파일을 다운받아주고 코랩라이브러리에 저장해줍니다. 파일에는 각종 이미지가 담겨져 있습니다. 물론 주피터를 사용하신다면 본인 내장 드라이브 주소를 입력하시면 됩니다. /content/drive/My Drive/Colab Notebooks/training 위에 보이는 것이 주소입니다. 후에 언급할것입니다. #각종 라이브러리를 임포트 해줍시다. %matplotlib inline import torch..

ML/머신러닝 2020.03.06