inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[개정판] 딥러닝 컴퓨터 비전 완벽 가이드

Faster RCNN의 이해 03 - RPN과 Faster RCNN Training 및 성능 비교

선생님 질문 있습니다.

198

marlone Johnathan

작성한 질문수 20

0

선생님 우선 좋은 강의를 제공해주셔서 감사드립니다.

다름이 아니라 저는 현재 사진으로 물체를 찍으면 자동으로 분리수거 방법을 알려주는 어플을 만들어 보려는 학생입니다. 주어진 시간이 길지 않아 저에게 꼭 필요한 선생님의 강의를 듣고 싶은데 이런경우 이 강의를 끝까지 듣는게 나은지 아니면 제가 만들고 싶은 어플에 맞는 이 강의의 꼭 필요한 부분이 있는지 그것도 아니라면 선생님께서 새로 찍으신 딥러닝 cnn 완벽 가이드 강의를 들어야 하는지 궁금해서 문의드립니다. 

학습문의 tensorflow python keras 머신러닝 배워볼래요? 딥러닝 컴퓨터-비전

답변 2

2

marlone Johnathan

사랑합니다.

0

권 철민

안녕하십니까,

어플의 상세한 로직은 모르겠지만, Object Detection이 적합해 보이는 군요.  먼저 Object Detection으로 해당 사물을 Detection한 뒤에 분리 수거 방법은 Dictionary로 매칭 시키면 될 것 같습니다.

시간이 부족하시다니, 이론 부분은 건너 띄고 Yolo로 Object Detection 학습 모델을 만든 후에 어플에 붙여 보시면 좋을 것 같습니다.

1.  먼저 학습 데이터 세트를 어떻게 만들어야 할지 이해가 필요하므로 Section 2의 Pascal VOC 데이터 세트 탐색하기를 참조해 주십시요. 실제 학습 데이터는 LabelImg와 같은 툴을 이용하여 VOC형식으로 만들 수 있습니다.

2.  Yolo를 이용해서 학습 모델을 만드는 과정은 Section 5의 keras-yolo3 로 실습하는 동영상들을 보시면 이해가 되실 것입니다.

3. 모바일 어플로 만드는 과정은 본 과정에 없습니다. 검색해 보니, 아래와 같이 keras-yolo3 를 이용하여 iOS AR 어플을 만드는 블로그가 있어서 참조 올립니다.

https://nero.devstory.co.kr/post/pj-too-real-03/

감사합니다.

강의 환경설정 질문

0

35

2

Custom Dataset에서의 polygon 정보 관련

0

79

3

cvat.ai 보안 수준이 궁금합니다

0

77

2

캐클 nucleus 챌린지 runpod 실습 코드 에러 질문드립니다.

0

93

3

추론 결과의 Precision(또는 mAP) 평가 방법

0

80

2

mmdetection mask rcnn inferenct 실습 시 runpod 템플릿 관해서 질문드립니다.

0

56

2

runpod에서 google drive 연결 시 오류 발생

0

104

2

로드맵 선택

0

63

1

mmcv

0

54

2

Anchor box의 Positive 처리 위치

0

59

2

해당 강의 runpod 적용 후 에러 제보드립니다

0

82

2

run pod credit 관련 제보

0

92

2

mmdetection 2.x과 3.x 호환 관련 표기

0

74

2

mm_faster_rcnn_train_kitti.ipynb 실행 오류

0

93

3

질문 드립니다.

0

73

3

mm_faster_rcnn_train_coco_bccd 실행 오류 질문드립니다.

0

75

1

강사님께 수정을 제안드리고 싶은 것이 있습니다.

0

91

1

google automl efficientdet 다운로드 및 설치 오류

0

71

1

이상 탐지에 사용할 비전 기술 조언 부탁드립니다.

0

100

2

OpenCV 관련 질문드립니다.

0

67

2

mmcv 설치관련해서 문의드려요

0

324

3

강의 구성 관련해서 질문이 있습니다

1

130

2

모델 변환 성능 질문드립니다.

0

119

1

NMS 로직 문의 드려요

0

108

2