upstack 님의 블로그

01. 현재 EDA 실행 경로 확인import osprint("현재 실행 경로:", os.getcwd())02. 최상위 탐색 폴더 지정# 최상위 탐색 폴더 지정base_dir = Path("../datasets/sprint_ai_project1_data/train_annotations")json_paths = list(base_dir.rglob("*.json"))print(f"총 {len(json_paths)}개의 JSON 파일을 찾았습니다.")# 데이터 로드 예시all_data = []for path in json_paths: # 경로를 10개만 테스트로 불러오기: json_paths[:10] with open(path, 'r', encoding='utf-8') as f: data =..

데이터셋 설명1. 도메인 특성AI 경구 약제 데이터는 일반적인 사물 인식과 비교했을 때 매우 까다로운 도메인 특성을 가집니다.- 미세 분류의 극한 : 시중 약제 상당수는 '하얀색 원형 정제' 혹은 '흰색/초록색 경질 캡슐' 형태를 띱니다. 모양과 색상이 동일한 약이 수백 종에 달하며, 오직 2~3mm 크기의 양각/음각 식별 분자나 분할선으로만 구분해야 합니다. - 치명적인 오분류 리스크 : 일반적인 이미지 분류와 달리, 약제 식별은 1%의 오분류가 심각한 투약 사고로 직결될 수 있습니다. 높은 재현율과 정밀도를 동시에 요구합니다. - 물리적 재질의 다양성 : 무광택 정제, 빛 반사가 심하고 표면이 쭈글쭈글해지기 쉬운 연질 캡슐, 두 가지 색상이 결합된 경질 캡슐 등 재질에 따라 빛은 반사하는 특성이 완전..

Git과 GitHub의 개념 및 초기 설정개념Git은 내 컴퓨터(로컬)에서 코드의 변경 이력을 추적하고 버전을 관리하는 시스템이며,GitHub는 Git으로 관리되는 프로젝트를 클라우드에 백업하고 다른 사람과 안전하게 협업할 수 있게 해주는 원격 호스팅 플랫폼초기 설정git config --global user.name "본인 영문 이름 또는 닉네임"git config --global user.email "본인 이메일 주소"git config --global core.editor "code --wait" # VSCode를 기본 편집기로 설정할 경우 핵심 워크플로우와 터미널 명령어Git의 작업 흐름은 작업 폴더 ➔ (add) ➔ Staging Area(대기열) ➔ (commit) ➔ 로컬 저장소 ➔ (pus..

READMEGitHub의 README.md는 저장소(Repository)에 접근했을 때 가장 먼저 노출되는 프로젝트의 얼굴이자 공식 안내서프로젝트의 목적, 주요 기능, 설치 및 사용법 등을 마크다운(Markdown) 문법으로 작성하여, 코드를 직접 열어보지 않고도 프로젝트의 전반적인 맥락을 파악할 수 있게 해주는 핵심 문서이다. 처음부터 완벽한 문서를 만들 수 없다. 대신, 계속해서 내용을 업데이트하고 모두가 함께 공유 가능한 정확한 가이드 문서로 남기자! 필수 구성 요소표준화된 정답은 없지만, 주로 쓰이는 README 템플릿- 프로젝트명 및 소개 : 로고 이미지와 함께 프로젝트가 해결하고자 하는 문제와 목적을 한 줄로 요약- 기술 스택 : 사용된 언어, 프레임워크, 데이터베이스 등을 명시하며, 한눈에 ..

작년에 대학원에서 간단한 토이프로젝트를 하기 위해 파이썬와 라이브러리를 설치하다가 버전이 꼬여서꼬박 하루 넘게 GPT와 구글링을 한 끝에 겨우 설치를 한 경험이 있다. 하지만 이번엔 처음부터 anaconda를 설치하니 자동으로 버전을 맞춰줘 훨씬 고생을 덜 했다. 이렇게 좋은 방법이.. Python 설치홈페이지 : https://www.python.org/downloads/ 아나콘다 설치홈페이지 : https://www.anaconda.com/download!! 주의사항 : Add Anaconda to my PATH environment variable 꼭 체크할 것!수동으로 환경 변수 PATH 설치하려고 하면 귀찮아짐 - 가상 환경 설치 환경 생성conda create --name pill-detect..

AI 엔지니어 부트캠프 과정 중 인생 첫 AI 프로젝트를 경험하게 되었다. 주제는 '경구약제 이미지 객체 검출(Object Detection) 프로젝트'이며, 촬영된 약제 이미지에 AI Detection 모델 내 바운딩 박스를 활용하여 약제의 이미지 분석과 명칭을 통해 정확한 검출을 하는 것이다. 프로젝트의 과정을 이해하고 공부하여 기록해 나갈 예정이다. 회고록프로젝트 다짐환경세팅Python 설치Git / Github 세팅Visual Studio Code 설치, Extention 설치가상환경 설정필요한 라이브러리 설치Github 프로젝트 설명Read me, environment.yaml 작성데이터 세팅데이터 다운로드데이터 전처리데이터 특징 파악데이터 EDACOCO Data 형식 변환Detection 모델..

GAN(Generative Adversarial Network, 생성적 적대 신경망)은 서로 대립하는 두 개의 인공지능 모델인 생성자(Generator)와 판별자(Discriminator)가 경쟁하며 학습하는 딥러닝 프레임워크입니다.두 모델의 관계는 흔히 '위조지폐 범어(생성자)'와 '경찰(판별자)'의 비유로 자주 설명됩니다.1. 생성자 (Generator)역할: 가짜 데이터를 만들어 내는 '위조지폐 범'목표: 판별자를 완벽히 속여 진짜로 착각할 만한 가짜 데이터를 생성하는 것동작 방식: 무작위 노이즈(Random Noise) 값을 입력받아, 실제 데이터의 패턴과 유사한 가짜 데이터(이미지, 음성 등)를 만들어 냅니다.학습 과정: 판별자에게 가짜 데이터를 보여준 뒤, 판별자가 이를 '진짜'로 오인하면 포..

개념 : FCN은 이미지 분할(Segmentation)을 하는 딥러닝 모델이다. 기존의 CNN 기반 분류(Classification) 모델과 달리, Convolutional Layer만 사용하여 입력 이미지의 공간적 정보를 유지하고, 픽셀 단위로 클래스를 예측하는 것이 특징이다. FCN은 이름 그대로 "오직 합성곱(Convolution) 레이어로만 이루어진 신경망"입니다.기존 CNN이 "이 사진 속 동물은 고양이인가, 강아지인가?"처럼 이미지 전체를 대표하는 단 하나의 정답을 맞혔다면, FCN은 "이미지 속 1번 픽셀은 고양이, 2번 픽셀은 배경..."처럼 모든 픽셀마다 클래스를 정밀하게 예측(Segmentation)하는 딥러닝 모델입니다. 가장 큰 차이점은 Fully Connected Layer를 제거..

컴퓨터 비전(Computer Vision) 기술을 공부하다 보면 가장 먼저 접하는 개념이 바로 Image Classification(이미지 분류), Object Detection(객체 탐지), 그리고 Semantic Segmentation(의미론적 영역 분할)입니다.오늘은 그중에서도 이미지의 가장 디테일한 부분까지 분석하는 Semantic Segmentation이 무엇인지, 그리고 기본이 되는 이미지 분류(Classification)와 어떤 차이가 있는지 초심자 눈높이에 맞춰 쉽게 정리해 보겠습니다. 1. Semantic Segmentation이란?Semantic Segmentation(의미론적 영역 분할)은 이미지 속 모든 픽셀(Pixel) 하나하나가 어떤 클래스(Class / 객체 종류)에 속하는지 ..

전이 학습이란?어떤 문제를 해결하기 위해 수많은 데이터(예: ImageNet의 100만 장 이상의 이미지)로 이미 학습이 완료된 훌륭한 모델(Pre-trained Model)의 지식을 가져와, 내가 풀고자 하는 새로운 문제에 재사용하는 기법입니다. 거인의 어깨 위에 올라타는 것과 같아서, 밑바닥부터(From Scratch) 학습하는 것보다 시간과 데이터가 훨씬 적게 들면서도 성능은 매우 뛰어납니다.이미지 분류 모델에서의 활용 방법보통 사전 학습된 CNN 모델은 '이미지의 특징을 뽑아내는 부분(Feature Extractor)'과 '무엇인지 분류하는 부분(Classifier)'으로 나뉩니다. 이를 활용하는 방법은 크게 두 가지입니다.특징 추출기 (Feature Extraction) 사용하기방법: 사전 학습..