첨부된 9-5 ipynb 에 resnet weight 를 불러올 때 from torchvision.models.resnet import model_urls 에서 오류가 나와 찾아보니 torchvision 0.13 버전 이후에 model_urls 는 없어졌다고 하네요. https://github.com/pytorch/vision/blob/main/torchvision/models/resnet.py 아래와 같이 해결을 해보았습니다. from torchvision.models.resnet import ResNet50_Weights checkpoint = load_state_dict_from_url(ResNet50_Weights.IMAGENET1K_V2.url)
No such file or directory: '../3DHPE/datasets/data_2d_h36m_cpn_conf.npz' 이렇게 에러가 나는데 해당 파일은 없는 것 같습니다. data_2d_h36m_cpn_ft_h36m_dbb.npz data_2d_h36m_gt.npz data_3d_h36m.npz 이렇게 다운받았는데, data_2d_h36m_cpn_conf.npz 파일은 어디서 받나요?
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요! 항상 좋은 강의 너무 감사합니다. 강의 중 몇가지 질문이 있어 이렇게 남기게 되었습니다. Segmentation 시각화 강의 중 1. ploygon 좌표로 그린 mask 정보는 ground truth와는 다른 정보라고 이해했는데, 이부분이 맞는지 여쭤보고 싶습니다. 2. 만약 한 이미지에 여러 동일한 물품이 분포되어 있고, mask rcnn 모델을 이용하여 각각의 객체를 인스턴화한 후에 불량과 양품을 분류하고 싶을 때, '데이터를 직접 수집할 경우' 라벨링을 양품과 불량품 이외에도 물품의 ground truth 정보를 같이 라벨링 해야하는지 궁금합니다. 또한, 위에서 말씀드린 이미지를 개별 인스턴화를 통해 양품,불량품을 판별해기 위해 mask rcnn 모델이 적합한지 여쭤보고 싶습니다.
실습 3 - A simple yet effective baseline for 3d human pose estimation 의 강의 내용대로 코드를 돌리다 보면 data_2d_h36m_cpn_conf.npz 파일이 없어 코드 진행이 안됩니다.ㅠㅠ 해당 파일을 아래의 구글 드라이브에 업로드했다고 하시는데 들어가보면 저 파일만 없구요. https://drive.google.com/drive/folders/112GPdRC9IEcwcJRyrLJeYw9_YV4wLdKC 제가 뭔가 놓친걸까요?? 어떻게 데이터셋을 받을 수 있을까요?
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요, 첫 수강이라 전체흐름 위주로 듣고 있습니다. 도움 많이 받고 있습니다. 현재 맥에서 도커를 이용해 로컬호스트로 이용해서 제가 가진 이미지로 라벨링하고 학습시켜보았는데요. 추론까지 제대로 되는데, 클래스마다 이미지수가 편차가 있다보니, 이미지가 많은 클래스로 인식하는 경향이 있는 것 같은데, 기분탓인지요? 그래서, 적은 클래스의 이미지를 추가해서 전체적으로 숫자를 맞추고 싶은데, 기존 태스크에 이미지를 추가하는 방법이 있는지요? 감사합니다.
안녕하십니까 질문이 있어 문의 드립니다. 현재 로드맵을 따라 다음과 같은 수업을 신청하여 수강중에 있습니다. 딥러닝 CNN 완벽 가이드 - Fundamental 편 딥러닝 컴퓨터 비전 완벽 가이드 컴퓨터 비전 수업을 수강하기 위해서 1번 수업의 'CNN 모델 구현 및 성능 향상 기본 기법 적용하기' 까지만 수강해도 이해가 될지 여쭙습니다.
안녕하세요 질문있어서 남깁니다. input 이미지를 backbone을 거치고 정보가 함축된 이미지 feature map을 만든 후 cell별 anchor box를 통해 Detection을 진행하는걸로 이해했는데요, 실제 이미지는 feature map과 스케일이 다를텐데, 그러면 최종 결과 이미지에서는 이 값(x,y,w,h)을 보정한 최적 bounding box 값을 출력하는 건가요?
강의 잘 듣고 있습니다. 해당 강좌에서 1:50쯤에 나오는 모델의 구성을 보면 마지막 단에 7x7x1024의 Feature map을 Flatten한 뒤 Linear layer를 거친 후 다시 7x7x30으로 변환되는 것으로 보이네요. 조금 찾아보니 1,470을 출력으로하는 Linear layer를 거친 후 다시 7x7x30으로 재구성하더군요. 헷갈리는 점은 Flatten과 Linear layer과정에서 공간적인 정보가 소실된 것 같은데 이를 7x7x30으로 바꾸어도 괜찮은가요? Feturemap[0][0]에 있는 30의 특징값은 앞에서 해석한 것과 같이 원본 이미지의 (1,1) Cell에 있는 30개의 특징값과 동일하다고 생각하면 될까요?
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 강의 내용을 질문할 경우 몇분 몇초의 내용에 대한 것인지 반드시 기재 부탁드립니다. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요 교수님 강의 잘 듣고 있습니다. colab의 github 사본 저장을 통해 github에 코드를 저장해두었는데 코드를 옮기게 되면 Invalid syntax라고 뜹니다. 구글링을 해보아도, 도무지 해답이 나오지 않아 colab에서 코드를 다운로드하고, github에 그냥 업로드를 시켰습니다. 강의와 다른 질문이지만, 해결해주시면 감사하겠습니다.
안녕하세요. 자꾸 질문드려 죄송합니다. mmdetection mask R-CNN 학습 후 validation 데이터에 대한 성능지표 그래프를 보고 싶은데요. 학습데이터와 검증데이터로 나누어, 학습을 약 10시간 이상 수행하였는데, 성능지표 그래프가 나오지 않아서요. YOLO 같은 경우는 학습시킨 후, ultra_workdir 디렉토리에, cofusion_matrix.png, f1_curve.png, PR_curve.png와 같은 파일들이 생기고, 배치 이미지에 대한 식별 및 분류사진이 있었는데, mmdetection에서도 이와 같은 성능지표 그래프를 볼 수가 있는지 궁금합니다.
안녕하세요. 교수님 강의 잘듣고 있습니다. Mask rcnn의 수업과정의 'Balloon 데이터를 이용한 Train 실습 - Train 실행 및 Gray Scale로 배경 적용한 Segmentation 구현하기'를 참고해서, 제가 가지고 있는 이미지 데이터에 학습을 시켜보고 있습니다. MMDetection은 배치사이즈를 어디서 설정하는지 궁금합니다. config 파일을 보면, 'mask_rcnn_r50 _fpn.p y'은 mmdetection/configs/base/models에 위치해 있는데, 배치사이즈로 볼만한 내용이, 다음 내용밖에는 없거든요. cfg.auto _scale_lr = dict(enable=False, base_batch_size=62) 16을 62로 변경했는데, Epoch의 배치사이즈는 변하지 않고 그대로 10으로 설정되는것 같습니다. Mask Rcnn은 배치사이즈를 어디서 설정하는지 궁금합니다.
