전체 글
SAM-Adapter (ICCV 2023)
SAM-Adapter (2023 ICCV) KOKONI 3D라는 회사를 중심으로 진행된 SAM 기반 전이학습 연구 내용 제안 SAM network를 fine-tuning하는 대신 간단하면서 효과적인 adapter를 사용하여 domain-specific information나 visual prompts를 segmentation network에 통합하는 SAM-Adapter를 제안 전이 학습 시 성능 효과를 위한 Adapter를 추가해 성능 향상 도모 Shadow Detection(그림자 위치를 정확하게 인식), Camouflaged Object Detection(배경과 관심 객체 사이 구분이 어려운 상황에서 객체 인식)을 위해 미세 조정 진행 다른 문제를 위한 사전 학습된 SAM 가중치 전이학습 SAM은 ..
[JupyterLab] 주피터랩에 anaconda 가상환경 연결하기
# 가상환경 활성화 conda activate [가상환경] # 가상환경을 연동할 때 필요한 ipykernel 패키지 설치 conda install ipykernel # ipykernel로 jupyterlab 커널 가상환경 추가하기 python -m ipykernel install --user --name [가상환경이름] --display-name [가상환경이름] 그 다음에 Jupyter Lab에 접속해서 Kernel → Change kernel 에서 내가 추가한 가상환경이 있는지 확인하고 선택하면 끝~!
Meta AI의 SAM(Segment Anything Model) 리뷰
Meta AI에서 개발한 SAM(Segment Anything Model)은 자연어처리 분야의 ChatGPT 같은 *Foundation Model을 컴퓨터비전 분야에서 만들어보려고 한 시도이다. * Foundation Model : 대규모의 광범위한 데이터에 대해 훈련되고 광범위한 다운스트림 작업에 적응할 수 있는 모델. 즉, 하나의 task로 학습시킨 모델이 학습하지도 않은 다야한 분야에 적용될 수 있는 general한 모델을 의미함. SAM 논문 3줄 요약 Next token prediction으로 학습한 GPT가 온갖 task를 잘한다. Computer Vision에서도 이런 만능 모델을 만들고 싶어서 새로운 task, model, data를 개발했다. Segmentation은 당연히 잘하고, 다른..
Python Class 심화
클래스 기반 메소드 심화 - Class Method - Instance Method - Static Method - 3가지 메소드 활용 실습 # Chapter02-01 # 객체 지향 프로그래밍(OOP) -> 코드의 재사용, 코드 중복 방지, 유지보수, 대형 프로젝트 # 규모가 큰 프로젝트 -> 함수 중심 -> 데이터 방대 -> 복잡 # 클래스 중심 -> 데이터 중심 -> 객체로 관리 # 일반적인 코딩: 비효율적임 # 차량 1 car_company_1 = 'Ferrari' car_detail_1 = [ {'color': 'White'}, {'horsepower': 400}, {'price': 8000} ] # 차량 2 car_company_2 = 'Bmw' car_detail_2 = [ {'color': ..
[FastAPI] HTTP Request를 사용하는 두 가지 방법
1. HTTP Request의 작은 요소 타입을 선언해서 사용 - path parameters - Query paramenters - Headers - Cookies 이 방식을 사용하면 FastAPI는 해당 데이터의 유효성을 검사하고 변환하며 API에 대한 문서를 자동으로 생성한다. 그러나 Request에 직접 엑세스해야 하는 상황이 있다. 2. Request Object에 (통째로) 직접 접근해 사용 [공식문서] FastAPI는 내부적으로 Starlette를 사용하고 있고, 필요하다면 FastAPI 대신 Starlette의 Request Object를 직접 사용할 수 있다. - 주의사항: Request Object를 직접 가져오면, FastAPI에 의해 유효성 검사와 문서화가 되지 않는다. from f..
FastAPI 공식문서 내용 정리
[공식 문서] from fastapi import FastAPI app = FastAPI() @app.get("/") async def root(): return {"message": "Hello World"} FastAPI: API에 대한 모든 기능을 제공하는 파이썬 클래스 app: FastAPI 클래스의 "인스턴스" 경로: / 동작: get 함수: 데코레이터 아래에 있는 함수 (@app.get("/") 아래) dict, list, 단일값을 가진 str, int 등을 반환(return) 할 수 있다 동작 동작(Operation)은 HTTP 메소드 중 하나를 나타낸다. HTTP 프로토콜에서는 이러한 "메소드"를 하나(또는 이상) 사용하여 각 경로와 통신할 수 있다. API를 빌드하는 동안 일반적으로 특정..
[Linux] chmod(change mode)로 접근 권한 지정하기
[참고] # 하위 파일들까지 recursive하게 모든 권한 허용 chmod -R 777 파일명 리눅스에서 파일(File)을 사용해 할 수 있는 작업은 크게 세 가지로 나눌 수 있다. 파일에 저장된 데이터를 읽기. (r = read). 파일에 데이터를 쓰기. (w = write). 파일 실행. (x = execute) 만약 리눅스 시스템의 모든 파일이 읽기, 쓰기, 실행 가능하게 만들어져 있다면 시스템에 중요한 역할을 하는 파일의 내용이 변경되거나, 사용자의 사소한 실수로 모든 파일이 삭제되어 버릴 수 있으므로 이런 문제를 방지하기 위해, 리눅스에서는 각 파일 및 디렉토리에 대해 읽기(r), 쓰기(w), 실행(x) 권한을 개별적으로 지정할 수 있게 하였다. 그리고 이 세 가지 권한을 파일을 소유한 사용자..
[Linux] 명령어 Is 옵션의 의미, ls -l 영역별 의미
[root@localhost ~]$ ls ls 옵션 의미 -a .(점)을 포함한 경로 안의 모든 파일과 디렉토리 표시 -l 지정한 디렉토리의 내용을 자세히 출력 -d 지정된 디렉토리의 정보 출력 -n 파일 및 디렉토리 정보 출력시, UID(User ID, 0은 슈펴(root)유저를 의미), GID(Group ID)를 사용 -R 하위 경로와 그 안에 있는 모든 파일들도 같이 나열 -F 파일 형식을 알리는 문자를 각 파일 뒤에 추가 ls -l 옵션은 지정한 디렉토리의 내용을 자세히 출력해준다. 영역별 의미 1영역 : 종류 [일반 파일(-), 디렉토리(d), 블록 디바이스(b), 문자 디바이스(c), 링크(l)] 2영역(*) : 접근 모드 [read(r), write(w), excute(x)] 3영역 : 하드..