| 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 |
- Git
- 리눅스 빌드
- object detection
- DOTA dataset
- VOC 변환
- 객체 탐지
- 크롤링
- 개발흐름
- Docker
- 논문 분석
- TensorFlow Object Detection Error
- Linux build
- paper review
- Object Detection Dataset 생성
- 기능과 역할
- Paper Analysis
- AI Security
- CARLA simulator
- TensorFlow Object Detection API install
- Branch 활용 개발
- TensorFlow Object Detection Model Build
- InstructPix2Pix
- Towards Deep Learning Models Resistant to Adversarial Attacks
- DACON
- Carla
- 논문분석
- 사회초년생 추천독서
- 커스텀 애니메이션 적용
- Custom Animation
- TensorFlow Object Detection 사용예시
- Today
- Total
목록전체 글 (47)
JSP's Deep learning
1. 요약 “C & W(Carlini & Wagner) Attack” 라는 강력한 Targeted White-Box Attack을 소개한다. C & W Attack은 Defensive Distillation을 무력화 시킨다. C & W Attack은 Distance method에 따라 L_0, L_2, L_∞ 3가지 방법이 존재한다. 2. 용어 정리 1) Transferability Adversarial example을 생성한 Model외의 다른 Model에도 High-Confidence로 Attack이 적용되는 것 3. Background 1) Neural Networks and Notation Neural Network의 수식적 정의 2) Adversarial Examples Adversarial E..
1. Faster R-CNN 요약 1) Architecture 2) Faster R-CNN의 특징 Region Proposal Network(RPN)을 이용한 Region Proposals RPN과 Fast R-CNN detector가 하나의 convolution feature map을 공유하도록 합친 단일 네트워크(Single Network) End-to-End 방식의 학습 GPU 상에서 5 fps의 속도을 가진다. 3) Multiple scales와 sizes을 처리하기 위한 Faster R-CNN의 체계 (a) : 이미지 피라미드(Pyramids of images)에서 다양한 scales와 sizes을 가진 이미지마다 feature map을 만들어 처리하는 방법 (b) : 필터 피라미드(Pyrami..
더보기 1. Docker 설치 및 NVIDIA 관련 설치가 완료되었다고 가정한다. 2. 환경 구축은 Linux 서버 상에서 Docker을 사용하여 진행된다. 3. GPU을 사용하는 환경이라고 가정한다. 1. Docker 이미지 다운로드 docker pull pytorch/pytorch 2. PyTorch 컨테이너 생성 docker run -itd --name pytorch_study --gpus '"device=1"' -p 8888:8888 -p 8889:8889 pytorch/pytorch 8888 및 8889 2개의 포트를 열었다. GPU가 여러 개이기 때문에 1개의 GPU만을 지정하였다. 3. PyTorch 컨테이너 접속 docker exec -it [컨테이너ID] bash 4. ..