greatsangho의 이야기

SRGAN(Super-Resolution Generative Adversarial Network)는 저해상도 이미지를 고해상도로 변환하는 Super-Resolution 문제를 해결하기 위한 모델이다. GAN에 특징 추출기가 추가되어 생성자가 감별자를 속이면서 진짜 이미지와 비슷한 특징을 갖도록 학습한다. 구성 생성자 (Generator)  - 저해상도(LR, Low-Resolution) 이미지를 입력 받아 고해상도(HR, High-Resolution) 이미지를 생성한다. 더 사실적인 결과를 위해 기존 SRCNN 등에서 사용하던 MSE(Mean Squared Error) 대신 퍼셉추얼 손실(Perceptual Loss)을 사용한다. 이는 픽셀 단위 차이와 이미지의 시각적 품질 및 내용 보존을 고려한 방식이..

GAN을 이용하여 얼굴을 학습하고, 생성하는 모델을 만들어본다.생성적 적대 신경망(GAN, Generative Adversarial Network)이란?두 개의 신경망(생성자와 판별자)이 서로 경쟁하며 학습하는 구조를 가진다. 새로운 데이터를 생성하거나 기존 데이터를 변형하는 데 사용되며, 이미지 생성, 데이터 증강, 이상 탐지 등에 활용된다.생성자 (Generator)는 랜덤한 노이즈를 바탕으로 가짜 데이터를 만들며, 판별자를 속일 수 있을 정도의 진짜 같은 데이터를 생성하는데 목적이 있다.판별자 (Discriminator)는 입력받은 데이터가 실제(real) 데이터인지 생성된(fake) 데이터인지 구분한다. 목표는 생성자가 만든 가짜 데이터를 정확히 구별하는 것이다.두 네트워크는 서로 경쟁적으로 학습..

https://www.robots.ox.ac.uk/~vgg/data/pets/ Visual Geometry Group - University of Oxford www.robots.ox.ac.uk이 데이터는 강아지와 고양이를 구분하기 위한 데이터 셋으로 원본 이미지와 동물을 동물 자체와 테두리로 구분하여 표현한 형태로 이루어져 있다. 일반 이미지는 jpg, annotation 이미지는 png로 이루어져 있으므로 glob을 통해 해당 형식으로 불러온다. U-NET : 이미지 분할을 위한 CNN 모델로 세밀한 객체 경계를 분할한다.  합성곱층 ----원래의 특징과 복원된 특징을 합침-------- > 합성곱층  합성곱층에서 특징추출 : 업샘플링층  업샘플링층에서 특징 복원 : 합성곱  업샘플링층 : 이미지에서..

CNN(Convolutional Neural Networ, 합성곱 신경망)은 이미지나 영상처리에 사용되는 딥러닝 모델이다. 입력 데이터의 공간적 구조를 보존하면서 특징을 추출하고 학습한다. 주요 구성 요소는 합성곱 계층(Convolutional Layer), 풀링 계층(Pooling Layer) 그리고 완전 연결 계층(Fully Connected Layer)이다. Convolutional Layer는 이미지의 특징을 추출하는 역할을 한다. 합성곱 연산은 필터나 커널을 사용하여 입력 데이터와 연산을 수행하여 특징 맵(feature map)을 생성한다.필터(Filter)는 작은 행렬로 이미지에 적용되어 패턴을 추출한다.스트라이드(Stride)는 필터가 이미지를 스캔할 때 한번에 이동하는 픽셀 수로 스트라이드..

https://www.ihd.or.kr/introducesubject1.do KAIT 자격검정인사 고과 반영 ㈜KT, 네트웍오앤에스㈜, 신한데이터시스템, 에스큐브아이, 에프아이에스시스템㈜, 위니텍, ㈜애드캡슐소프트, ㈜엘에스씨시스템즈, ㈜파인원커뮤니케이션즈 졸업 인증 숙명여www.ihd.or.kr리눅스 마스터는 1급과 2급으로 나누어져 있다. 클라우드 서버 관련 공부를 위해서는 리눅스를 사용할 줄 알아야 한다고 생각하였고 기본적인 리눅스 사용법을 공부하고자 현재 응시 가능한 시험인 리눅스 마스터 2급에 응시하였다.특히 리눅스 마스터 2급은 1급의 필기 - 실기 구성과 다르게 온라인 시험 - 필기 구성으로 되어있어 도전해보게 되었다.시험은 인터넷 글들을 보고 무작정 응시하였다. 온라인 시험은 지벵서 시험을..

The four FsFACTS(사실, 객관) : 이번 일주일 동안 있었던 일, 내가 한 일이번 주는 chatGPT에서 제공하는 API를 이용한 프롬프테 엔지니어링과 기존의 LLM 모델을 이용하여 파인튜닝을 하는 내용을 공부하였다. 파인튜닝을 GPT와 BERT계열에 대해 진행하였고, PEFT와 LoRA를 활용하였다.FEELINGS(느낌, 주관) : 나의 감정적인 반응, 느낌프롬프트 엔지니어링을 통해 보다 언어 모델이 잘 알아들을 수 있는 방식으로 질문하는 방법을 알 수 있었다. 경험적으로 느끼고 있던 질문 내용과 방식들이 실제로 더 효율적인 방식이라는 점과 질문을 좀 더 체계적으로 할 수 있게 된 것 같다.파인튜닝의 경우 기존 모델에서 추가적인 학습을 진행하는 방식이고 파인 튜닝하는 기법과 이를 평가하는 ..