일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Paper Analysis
- TensorFlow Object Detection API install
- 크롤링
- Git
- DACON
- TensorFlow Object Detection Error
- TensorFlow Object Detection 사용예시
- InstructPix2Pix
- AI Security
- 리눅스 빌드
- VOC 변환
- 사회초년생 추천독서
- Carla
- 기능과 역할
- 커스텀 애니메이션 적용
- TensorFlow Object Detection Model Build
- Linux build
- DOTA dataset
- CARLA simulator
- paper review
- 개발흐름
- 논문 분석
- object detection
- Docker
- Branch 활용 개발
- Custom Animation
- Object Detection Dataset 생성
- 객체 탐지
- Towards Deep Learning Models Resistant to Adversarial Attacks
- 논문분석
Archives
- Today
- Total
목록Data Processing/Data Preprocessing (3)
JSP's Deep learning
[Data Preprocessing] DOTA -> VOC 형식 데이터 변환
DOTA 데이터셋이란? DOTA 데이터셋은 위성 시점 이미지의 객체 탐지를 위해 만들어진 데이터셋이다. 일반적인 객체 탐지 데이터셋처럼 이미지와 바운딩 박스 정보가 포함된 파일로 구성되나, 일반 객체 탐지 데이터셋과 다른 점은 각각의 바운딩 박스의 4 모서리의 좌표가 위치정보를 포함한다는 것이다. DOTA 논문을 살펴보면 (c)와 같이 바운딩 박스가 구성됨을 알 수 있다. 즉, 바운딩 박스 = ((x1, y1), (x2, y2), (x3, y3), (x4, y4))와 같다. (d)는 일반적인 객체 탐지 데이터 형식으로 구성된 바운딩 박스이다. DOTA 데이터셋 DOTA 데이터 셋을 사용하여 일반 객체 탐지 모델을 학습시키기 위해서는 데이터의 형식을 변환할 필요가 있다. 본문에서는 DOTA 형식의 데이터 ..
Data Processing/Data Preprocessing
2023. 3. 25. 13:13
[Data Preprocessing] train_test_split의 stratify 옵션을 데이터 균형 분할
1. 코드 X_train, X_test, y_train, y_test = train_test_split(X_data, y_data, test_size=0.2, random_state=0, stratify=y_data) 또한 Train dataset과 Test dataset을 분할할 때, 라벨의 비율에 맞게 분할할 필요가 있다. 다음의 코드를 통해서 y_data의 label 분포에 맞게 데이터를 분할한다.
Data Processing/Data Preprocessing
2022. 6. 2. 13:50