AI67 19. sentence-transformer 활용 1. sentence-transformer 활용하기 ◼ sentence-transformer 라이브러리 _ Hugging Face링크: https://huggingface.co/sentence-transformers/distiluse-base-multilingual-cased-v1 sentence-transformers/distiluse-base-multilingual-cased-v1 · Hugging Facesentence-transformers/distiluse-base-multilingual-cased-v1 This is a sentence-transformers model: It maps sentences & paragraphs to a 512 dimensional dense vector s.. 2025. 1. 3. 21. insightface 활용 | 얼굴 유사도 / 얼굴 바꾸기 1. 얼굴유사도 확인하기 ◼ 아나콘다로 가상환경 만들기 conda create -n if python=3.10 ◼ Insightface Git-hub✔ 링크: https://github.com/deepinsight/insightface GitHub - deepinsight/insightface: State-of-the-art 2D and 3D Face Analysis ProjectState-of-the-art 2D and 3D Face Analysis Project. Contribute to deepinsight/insightface development by creating an account on GitHub.github.com ✔ 확인할 곳 ◼ insightface .. 2025. 1. 3. 20. Mediapipe 활용(2) | 자세 랜드마크 감지 1. 자세 랜드마크 감지 ◼ Mediapipe 사이트 ✔링크: https://ai.google.dev/edge/mediapipe/solutions/guide?hl=ko MediaPipe 솔루션 가이드 | Google AI Edge | Google AI for DevelopersLiteRT 소개: 온디바이스 AI를 위한 Google의 고성능 런타임(이전 명칭: TensorFlow Lite)입니다. 이 페이지는 Cloud Translation API를 통해 번역되었습니다. 의견 보내기 MediaPipe 솔루션 가이드 의견 보내기 달ai.google.dev ✔ 코랩파일 : https://colab.research.google.com/github/googlesamples/mediapipe/blob/ma.. 2025. 1. 3. 19. Mediapipe 활용(1) | 손 랜드마크 감지 1. 손동작 인식하기 ◼ Mediapipe 사이트 ✔링크: https://ai.google.dev/edge/mediapipe/solutions/guide?hl=ko MediaPipe 솔루션 가이드 | Google AI Edge | Google AI for DevelopersLiteRT 소개: 온디바이스 AI를 위한 Google의 고성능 런타임(이전 명칭: TensorFlow Lite)입니다. 이 페이지는 Cloud Translation API를 통해 번역되었습니다. 의견 보내기 MediaPipe 솔루션 가이드 의견 보내기 달ai.google.dev ✔ 코랩파일 : https://colab.research.google.com/github/googlesamples/mediapipe/blob/main.. 2025. 1. 3. 16. 강화학습 | 광고클릭 데이터 1. 강화학습(Reinforcement Learning)이란? 강화 학습은 머신러닝에서 중요한 한 영역입니다. 시간 t까지 관찰된 데이터를 토대로 시간 t+ 1에 취할 행동을 결정하는 상호 작용 문제를 해결하는 데 사용됩니다. 걷기와 같은 작업을 수행할 수 있도록 기계를 훈련시키기 위해 인공 지능(AI)에도 사용됩니다. 성공하면 AI에 보상을 하고, 실패하면 벌칙을 줍니다. 기계는 시행착오를 통해 학습합니다. 1. multi-armed bandit problem ( 다중 무장 강도 문제 )확률 이론과 강화 학습에서 자주 다루어지는 고전적인 문제로, 탐험(exploration)과 활용(exploitation) 간의 균형을 잘 나타내고 있습니다. 이 문제는 슬롯 머신(또는 "한팔 강도")이 여러 대 있는 .. 2024. 10. 7. 15. 연관 규칙 학습 | Apriori , Eclat 1. 연관 규칙 학습 (Association Rule Learning)이란?데이터셋 내의 항목들 간에 발생하는 연관성을 찾는 비지도 학습 기법입니다. 주로 '장바구니 분석(Market Basket Analysis)'에 사용되며, 고객이 함께 구매하는 제품들 간의 관계를 발견하거나, 어떤 항목들이 함께 자주 등장하는지를 파악하는 데 활용됩니다. 1. 연관 규칙 학습의 주요 개념 항목집합(Itemset): 하나 이상의 항목으로 구성된 집합입니다. 예를 들어, A와 B라는 제품이 있을 때, {A}, {B}, {A, B}가 항목집합이 됩니다.연관 규칙(Association Rule): 연관 규칙은 "만약 A를 구매하면 B를 구매할 확률이 높다"와 같은 형태로, 특정 항목(A)이 발생했을 때 다른 항목(B)이 .. 2024. 10. 7. 14. 계층적 군집화(HC) | 고객층 분석 1. 계층적 군집화(Hierarchical Clustering)란? HC는 계층적 군집화(Hierarchical Clustering)를 의미하며, 데이터를 군집화하는 과정과 그 원리를 감각적으로 이해하는 것을 목표로 합니다. 1. 직관적 이해자연스러운 계층 구조: 자연스러운 그룹 간의 계층 구조를 찾으려는 방법입니다.예를 들어, 생물학적 분류에서 종을 분류하는 방법처럼, 작은 그룹들이 더 큰 그룹들로 합쳐지고, 이 과정이 계속 반복되면 전체 데이터를 하나의 큰 그룹으로 묶을 수 있습니다. 이러한 과정이 덴드로그램으로 시각화됩니다.근접성 기반의 군집화: 데이터를 서로 가까운 것들끼리 묶는 방식으로 동작합니다데이터 포인트들이 서로 가까우면 같은 그룹으로 묶이고, 이 그룹들은 다시 가까운 그룹과 묶입니다. 이.. 2024. 10. 7. 18. YOLO v8을 이용한 차량 파손 검사 1. Image Segmentation* 컴퓨터 비전 분야에서 이미지나 비디오의 디지털 데이터를 여러 개의 부분 또는 객체로 분할하는 기술 * 이미지의 중요한 요소들을 식별하고 각 요소를 개별적으로 분석할 수 있게 하는 것 1. Image Segmentation의 유형Sementic Segmentation이미지의 각 픽셀을 미리 정의된 클래스 레이블 중 하나로 분류예) 자율 주행차로의 도로, 차선, 보행자 등을 식별Instance Segmentation동일한 클래스 내의 서로 다른 개체들을 개별적으로 식별예) 이미지 내에 있는 개별 물체의 수를 파악하고 각각 물체를 식별 및 추적하는 경우Panoptic SegmentationSemantic Segmentation, Instance Segmentation을.. 2024. 8. 13. 17. YOLO v8을 이용한 이상행동 탐지 1. 이상행동 탐지 데이터 활용데이터셋 : https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=data&dataSetSn=71550 ◼ import import os import random import shutil import cv2 import glob import xml.etree.ElementTree as ET import csv from tqdm import tqdm ◼ 경로설정 data_root = '/content/drive/MyDrive/1. KDT/8. .. 2024. 8. 12. 이전 1 2 3 4 ··· 8 다음
