민프

K-Nearest Neighbors (KNN) 알고리즘이란?K-Nearest Neighbors (KNN) 알고리즘은 기계 학습에서 분류 및 회귀 문제를 해결하기 위한 간단하면서도 강력한 지도 학습 분류 알고리즘 중 하나입니다.KNN은 데이터에 기반하여 패턴을 학습하고, 새로운 데이터 포인트를 분류하거나 예측하기 위해 가장 가까운 이웃들을 참고합니다.KNN은 지도 학습의 한 유형으로, 데이터 포인트가 어떤 클래스에 속하는지를 결정하기 위해 주변 데이터 포인트의 다수결 투표를 이용합니다.  KNN 알고리즘의 역사K-Nearest Neighbors (KNN) 알고리즘은 1950년대에 소개되었으며, 기계 학습 및 패턴 인식 분야에서 가장 오래된 알고리즘 중 하나입니다. 이 알고리즘은 심플하면서도 효과적인 방법으..

오늘은 TensorFlow Lite에서 제공되는 MoveNet, PoseNet, BlazePose 중 BlazePose에 대해서 알아보겠습니다.소개BlazePose는 Google에서 개발된 기술로, 2021년에 TensorFlow.js에서 처음으로 3D 포즈 추정 모델로 소개되었습니다. 이 기술은 3D 모션 캡처, 캐릭터 애니메이션, 인체 포즈 추정 등 다양한 응용 분야에서 사용될 수 있습니다.BlazePose는 Google의 MediaPipe 프레임워크를 통해 인체의 랜드마크를 감지하는 기술입니다. 이 기술은 이미지 또는 비디오에서 인간의 몸의 랜드마크를 감지하고 분석하는 데 사용됩니다. MediaPipe Pose Landmarker는 실시간 비디오 피드, 디코드된 비디오 프레임, 정지 이미지 등 다양..

오늘은 TensorFlow Lite에서 제공되는 MoveNet, PoseNet, BlazePose 중 MoveNet에 대해서 알아보겠습니다. 소개Movenet은 2021년 Google I/O에서 발표되었고,TensorFlow.js에서 사용할 수 있는 초고속 및 정확한 모델로, 실시간으로 인체의 17개 키포인트를 감지할 수 있습니다.해당 모델은 Lightning과 Thunder 두 가지 버전으로 제공되며,Lightning은 지연 시간이 중요한 애플리케이션용이고Thunder는 높은 정확도가 필요한 애플리케이션용입니다. MoveNet의 예측 방식은 CenterNet의 기본 구조나 아이디어를 사용하되, 특정 부분을 수정하고 최적화 하여서 사용했고,MobileNetV2를 특징 추출기로 사용하여서, 경량화 된 모델..

오늘은 TensorFlow Lite에서 제공되는 MoveNet, PoseNet, BlazePose 중 PoseNet에 대해서 알아보겠습니다.   소개이 논문 2018년 Google에서 발행되었습니다. 논문에 나오는 Keyword는 Person detection and pose estimation, segmentation and grouping. 입니다. 이러한 키워드들은 논문의 핵심 연구 주제와 방법론을 나타내며, 이를 통해 논문의 주요 내용과 목표를 빠르게 파악할 수 있습니다.  PosetNet은 2D pose Estimation으로써 COCO 데이터셋의 얼굴과 신체 부위에 대한 네트워크 훈련을 진행하였습니다. "Person detection and pose estimation"은 논문에서 인물을 정확..

이번 포스팅에서는 MobileNetsV2에 대해서 알아보겠습니다. MobileNetsV1에 대해서 선행 학습이 되어있어야해서 잘 모르시는 분께서는 아래 링크를 통해서 보고 오시기 바랍니다. https://minf.tistory.com/252 [AI] MobileNets 에 대해서 알아보자 (MobileNets - Efficient Convolutional Neural Networks for Mobile Vision Applications 이번 포스팅에서는 MobileNets에 대해서 알아보겠습니다. 소개 및 등장배경 2017년 Google에서 발표한 논문 입니다. 모델 경량화 딥러닝 모델에 대해서 요즘에는 스마트폰, 자동차, 드론 등등 여러 분 minf.tistory.com 소개 MobileNetV2는 ..

이번 포스팅에서는 MobileNets에 대해서 알아보겠습니다. 소개 및 등장배경 2017년 Google에서 발표한 논문 입니다. 모델 경량화 딥러닝 모델에 대해서 요즘에는 스마트폰, 자동차, 드론 등등 여러 분야에 사용되고 있는데 중요한 부분이 Low power is must-have Real-time is required 입니다. 즉, 실시간으로 인식을 할 수 있어야하고, 저전력이어야 합니다. 저전력으로 동작을 하면서 정확도도 높아지게 하려면 그에 맞는 작은 사이즈의 모델이 필요하겠죠 그럼 작은 사이즈의 모델이 주는 이점은 무엇일까요? 작게 만들면 작은 리소스만 사용해서 빠르게 학습할 수 있습니다. 임베디드 프로세서에 들어가기에도 더 적합합니다. OTA가 더 쉽게 진행될 수 있습니다. (사이즈가 작을수..

3D HPE(Human Pose Estimation) 등장 배경 2차원은 X, Y좌표로 구별하기 때문에 사람이 팔을 앞으로 뻗었는지에 대한 깊이 값을 알 수 없지만 3차원은 Z좌표가 추가 되었기 때문이 사람이 팔을 얼마나 뻗었는지에 대한 깊이 값을 알 수 있습니다. 이렇게 아래 사진과 같이 2차원상에서 구별할 수 없는 Depth를 알기 위해서 등장하게 되었습니다. 아래 사진을 보시면 위에서 찍은 사람의 모습인데 2D라면 추측하기 어려웠겠지만 3D Model로 인식하여서 잘 추측하는 것을 확인할 수 있습니다. 최초의 Single Human 3D Pose 추정 기법 (A simple yet effective baseline for 3d human pose estimation) 이번에 알아볼 3D Pose 추..

ITOP Dataset (3D) https://zenodo.org/record/3932973#.YEdMp2gzYuV 설명 사람의 측면과 상단 View에서 촬영한 100,000개의 Depth Image를 가지고 있는 Dataset 입니다. 용량 : 23GB Joint ID (Index) Mapping joint_id_to_name = { 0: 'Head', 8: 'Torso', 1: 'Neck', 9: 'R Hip', 2: 'R Shoulder', 10: 'L Hip', 3: 'L Shoulder', 11: 'R Knee', 4: 'R Elbow', 12: 'L Knee', 5: 'L Elbow', 13: 'R Foot', 6: 'R Hand', 14: 'L Foot', 7: 'L Hand', } MPII..

Human Pose Estimation이란? Human Pose Estimation이란 직역하면 '사람의 자세를 추정'이라고 합니다. 즉, 영상/이미지 내에서 사람의 자세, 관절 또는 부위를 예측하는 것이 목적입니다. Human Pose Estimation 사용분야 Human Pose Estimation의 사용분야는 사람의 포즈를 가지고 할 수 있는 모든 분야에 사용할 수 있습니다. 예를 들어서) 아래 사진을 보면 스쿼트를 할 때 바른 자세를 어떻게 하면 좋을지 텍스트로 나와있는 것을 볼 수 있습니다. 여기에서 Human Pose Estimation관련 모델들을 사용하여 자세를 파악 후 어디가 잘못되어있는지 알려줄 수 있게 사용할 수 있겠죠 Human Pose Estimation 기술동향 그럼 이 HPE..

순서는 1. 데이터 셋을 만들기 위해서 다운로드를 하는 부분 2. Labelme에서 Polygon 작업하는 부분 3. jupyter notebook에서 라벨링 한 부분이 잘 적용되었는지 확인하는 부분 으로 나누겠습니다. 1 - 아나콘다 다운로드 https://www.anaconda.com/products/distribution Anaconda | Anaconda Distribution Anaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine. www.anaconda.com 아나콘다를 사용하는 이유? 인공지능 프로젝트를 하다보면 여러 ..