Lab 10-7 Next step of CNN

이는 부스트코스 강의를 듣고 정리하였다.

www.boostcourse.org/ai214/lecture/43772/?isDesc=false

파이토치로 시작하는 딥러닝 기초

 

앞으로 뭘 하면 좋을까?

Classification : 사진 분류 DenseNet, SENet, MobileNet, SqueezeNet, AutoML(NAS,NASNet_강화학습을 이용해 찾아낸다.)

Object detection : 객체가 어딨는지 객체가 무엇인지까지 찾아낸다. (Latest Object Detection 을 탐색) -> 정리된 github 사이트가 있음.

Object tracking : 영상을 기준으로 이전 frame과 현재 frame마다 객체를 찾아냈다면, 현재 frame에서 이전 frame 중 어떤 객체에 해당하는지 알려준다. (MDNet, GOTURN, CFNet, ROLO, Tracking the untrackable)

Segmentation :실제 객체가 있는 부분을 배경과 분할시킨다. (FCN, U-Net, Mask-RCNN)

 

 

수업 이어서 끝까지 잘 듣고 복습하기(직접 해보기)

pytorch가 가진 기능들 사용해보기

custom dataset 만드는 방법 익히기

pytorch가 제공하지 않은 데이터셋을 다운받아서 학습해보기 (Tiny-ImageNet challenge 등)

 

 

CNN의 활용 분야 : 시각 정보를 받아서 정보를 처리해야하는 모든 업무에 응용이 가능하다.

Classification

Detection

Tracking => SiamessCNN(Object-ReID)

Segmentation

Image Captioning : image를 설명하는 것으로 RNN을 알아야 할 수 있음.

Super Resolution : 저해상도 -> 고해상도의 이미지로 바꾸어줌

Generative Model(AutoEncoder, GAN) : 생성모델 

OpenPose : 사람 사진에서 사람의 관절 구조를 따는 것이다.