딥러닝관련/Segmentation5 Segmentation 작업시 참고해야 할 것들 (간략히 정리 중) segmentation 작업하다가 참고해야 할 것들 간략히 정리. 나중에 디테일하게 정리해보자. 1. Ignore label ignore index 확인 후 gradient update 안되게 지정 2. Image open 위는 open source code에 나와있는 방법 입력 이미지를 열 때 np.float32으로 열고 (입력이미지는 그냥 open하고 나중에 tensor로 바꿔도 되겠다.) 라벨 이미지를 열 때 np.int32로 연다. 조금 더 살펴보자 현재 iteration에서 위의 label을 불러왔다. 위 label에 대한 입력 이미지와 라벨 이미지는 아래와 같다. 고양이와 의자 이미지다. 위 라벨 이미지를 np.unique하여 고유값들이 어떤 것들이 있나 살펴보았다. np.unique을 했을 .. 2022. 3. 26. MMSegmentation 사용하기 (구성 확인) 따로 정리하지 않았지만 mmsegmentation에서 Pascal VOC 데이터를 이용해 학습을 진행하였다. 이로 생긴 checkpoint로 inference 진행 및 mmsegmentation의 구성을 조금 살펴 보려고 한다. MMsegmentation에서는 모델에 대한 정보를 불러올 때 config 파일을 적극 활용한다. https://github.com/open-mmlab/mmsegmentation/tree/master/configs GitHub - open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. OpenMMLab Semantic Segmentation Toolbox and Benchmark. - Gi.. 2022. 3. 3. MMSegmentation 사용하기 (Installation, env setting, inference with pre-trained models) https://github.com/open-mmlab/mmsegmentation GitHub - open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. OpenMMLab Semantic Segmentation Toolbox and Benchmark. - GitHub - open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. github.com Segmentation을 하기 위해 위의 open-mmlab에서 나온 mmsegmentation을 이용하여 환경을 세팅하였다. https://mmsegmentation.readthedo.. 2022. 3. 3. Image Segmentation 정리 (computer vision) [Image Segmentation] [목적] computer vision 및 digital image processing의 sub-domain이며 이미지의 유사한 영역 또는 부분(segment)를 해당 클래스 레이블로 그룹화 하는 것을 목표로 함 object가 있는 위치, 해당 object의 모양, 어떤 pixel이 어떤 object에 속하는지 등을 알려고 할 때 [개요] 전체 프로세스가 디지털이기 때문에, 아날로그 이미지를 pixel 형태로 표현할 수 있으므로, 부분(segment)를 구성하는 작업이 픽셀을 그룹화하는 작업과 동일 [Recognition + Localization] Image segmentation은 Image recognition의 확장으로 recognition 외에도 localiz.. 2022. 1. 25. 이전 1 2 다음
