**Autonomous driving tech. 153

[C++] 03.15 review <algorithm> sort(), stable_sort(), auto

*알고리즘 ( )라이브러리 : 데이터를 정렬, 탐색, 처리하는 함수 모음, 대표적으로 정렬을 하는 sort(), find()sort() 와 stable_sort()의 차이sort() : 값이 있어도 들어온 순서를 고려하지 않고 정렬하는 것stable_sort()  : 같은 값이 있을 때 들어온 순서를 고려야하여 정렬하는 것을 말한다. sort(vec.begin(), vec.end(), greater()); >> greater() 했을시 내림차순 정렬됨 자율주행에서 이 개념을 도입해보자,🎯 🚗 자율주행에서는 언제 필요할까?차량 리스트를 "속도" 기준으로 정렬하는데, 같은 속도일 때 "먼저 감지된 차량" 순서 유지해야 할 때 👉 stable_sort()장애물 거리를 정렬할 때, 그냥 가까운 순서대로만..

[C++] 03.14 review <cmath>, <vector>

#include  pow : 거듭제곱 연산sqrt : 제곱근 연산abs : 절대값 반환exp : 지수 함수 (e^x) 계산 *exponentiallog : 자연로그 계산sin,cos,tan :  삼각 함수 계산asin, acos, atan : 역삼각 함수 계산ceil 올림 계산round 반올림 계산*올림 ceil : 3.2 > 4  , 소수점 이하가 있으면 무조건 큰 정수로 올림*반올림 round : 3.2 > 3, 3.8 > 4  , 소수점 첫째 자리에서 반올림floor 내림 계산round 반올림 계산복사 함수얕은 복사 : 주소값을 복사깊은 복사 : 실제 값을 새로운 메모리 공간에 복사컨테이너, Container 같은 타입의 여러 객체를 저장할 수 있는 묶음 단위의 데이터 구조, 쉽게 말하면 컨테이너 ..

[Deep-Learning] 05 Identity, Diagonal, Transpose Matrix, Logistic Regression

Identity Matrix 단위행렬 대각선 요소는 모두 1이고 나머지는 0으로 채워진 행렬을 Identity Matrix, 단위행렬이라고 한다. print(np.identity(5)) #Numpy에서는 identify() 함수를 이용print(tf.eye(5))      #TensorFlow에서는 eye() 함수를 이용*Transpose Matrix, 전치 행렬 : 행과 열을 뒤바꾼 행렬*Symmetric : 대칭적인 머신러닝에서 대용량의 데이터를 다루는 경우가 흔한데, 이런 데이터의 원소 대부분은 0이다.Sparse Matrix, 희소 행렬은 대부분의 원소가 0인 행렬을 의미한다. Diagonal Matrix, 대각 행렬 대각선에만 값이 있고, 나머지는 모두 0인 행렬

[Deep-Learning] 04 Tensor

*MNIST 데이터셋 : 0~9까지 손으로 적은 손글씨 데이터셋*Sparse : 희소한, 드문*Aggregation : 집합,집계로, 데이터 분석에서 사용되는 용어로 여러 데이터를 합쳐 평균, 합계, 최대값을 구하는 과정을 말한다.Tensor 수학에서 다차원 값을 표현하는 개념 = n차원의 행렬행렬은 행과 열 2개의 축을 가진 2차원 Tensor백터는 1차원 Tensor

[Computer Vision] 04 KLT algorithm, VOT, MOT, SORT algorithm

KLT Algorithm, Kanade-Lucas-Tomasi Algorithm전통적인 Computer Vision Algorithm으로 별도의 학습 데이터가 필요 없이 객체 Tracking 이 가능.1980년대와 1990년대 초반에 걸쳐 개발된 알고리즘임딥러닝 모델 X 아님.Real-Time으로 Object Detection 할 때 활용빠르고 가벼운 알고리즘이지만, 빠른 움직임과 조명 변화에는 약함KLT는 지역 특징을 Tracking 하므로 뚜렷하게 특징점이 나타나지 않는 물체를 추적하지 못함Tracking을 추적할 물체의 개수에 따른 이진 분류VOT, Visual Object Tracking, 단일 물체 추적초기 프레임에서 대상을 하나 지정하고, 하나의 객체만 추적하는 기법빠른 속도로 추적 가능하다...

[Deep-Learning] 03 Loss Function, Optimization

딥러닝 모델에서 사용하는 대표적 비선형 활성화 함수 : Sigmoid TanH, ReLUForward Propagation, 순전파 딥러닝에 값을 입력해서 출력값 ( 예측값, y_hat ) 을 얻는 과정 Loss Function, 손실함수 출력값, Predeicted Value 과 정답값, Ground Truth 의 차이를 계산하는 함수보통 Regression 문제에서는 평균제곱오차 Mean Squared Error, MSEclassification 문제에서는 크로스 엔트로피를 사용한다.가중치, 편향값을 조절해서 손실함수의 값을 최저로 만드는 과정을 최적화( Optimization ) 과정이라고 함.손실함수의 값을 최소로 줄이는 최적화 과정에서 사용되는 알고리즘 : SGD, BGD, Mini-Batch ..

[Computer Vision] 03 IoU, mAP, BCS, Backbone Architecture

IoU, Intersection over UnionIoU, Intersection over Union : Object Detection 모델에서 하나의 계측을 예측한 bounding box와 실제 bounding box와의 accuracy를 측정하는 지표       *Union : 합집합, Intersection : 교집합, Over : 나누기mAP, Mean Average Precision: Object Detection 모델이 여러 객체를 얼마나 잘 탐지했는지  Ex. 0.519 mAP각 클래스별로 AP, Average Precision을 구한 후, 모든 클래스에 대해 평균을 낸 값이 mAPEx.실제 자동차 대수 : 10대정확하게 탐지한 대수 : 9대 탐지 했다면,AP = 0.9 (90%)Box Co..

[Computer Vision] 02 Machine Learning 4-Step

Hough Transform: 이미지에서 특정한 형태( 직선, 원 등 )을 찾는 알고리즘, 가장 기본적인 형태는 직선 검출임 *노이즈 제거, 스무딩 처리하는 이유 :노이즈가 많은 이미지에서는 엉뚱한 곳에 경계를 만들 수 있음.👉 스무딩을 하면 불필요한 엣지를 줄이고, 진짜 경계만 남길 수 있어!👉  경계가 아닌 부분인데도 엣지가 생기면 잘못된 결과를 초래 Machine Learning의 4단계 1단계 : 데이터 수집 , 학습에 필요한 데이터를 수집하는 과정2단계 : 모델 선택 , 머신러닝/딥러닝 모델 선택3단계 : 학습, 훈련 집합에 있는 샘플을 최소 오류로 맞히는 최적의 가중치 weight 값을 알아내는 것4단계 : 예측( 추론, inference ) , 학습을 마친 모델을 사용하여 새로운 데이터 ..

[Computer Vision] 01

컴퓨터 비전의 목표 : 제한된 환경에서 특정한 과업을 사람 성능에 가깝게 또는 사람보다 우월하게 수행하는 것       *GAN, Generative Adversarial Network : 두 신경망( 생성자와 판별자, Generator/Discriminator )가 서로 경쟁하며 학습하는 모델비주얼 서보잉, visual servoing : 로봇이나 자율 시스템이 카메라로 얻은 이미지 정보를 이용하여 물체를 추적하는 기술이진영상, binary image : 픽셀이 두 가지 값 ( 0 과 1 또는 0 검정 과 255 흰색 )만 갖는 영상을 의미캐니 엣지 디텍션의 결과 > binary image이진화 하는 이유 : 데이터를 단순화하고 연산량을 줄이기 위해모폴로지, Morphology : 이미지의 형태를 분석..

[Deep-Learning] 02

의사결정 트리, decision tree지도학습 알고리즘Ex. 스무고개 놀이엔트로피 : 정답에 대한 불확실성을 수치화 한 것정보 이득 = 질문 전의 엔트로피 - 질문 후의 엔트로피단점은, 쉽게 overffiting 된다는 것이다.나이브 베이즈 분류 알고리즘, Naive bayes *naive = 단순한데이터를 나이브하게 독립적인 사건으로 가정하고, 이 독립 사건들을 베이즈 이론에 대입시켜 가장 높은 확률의 레이블로 분류를 실행하는 알고리즘이다. *이산적이다 : 연속적이지 않고 끊어져 있는 상태를 의미 Ex. 1, 3, 7 같은 개별적인 숫자 📌 앙상블 기법 (Ensemble Learning)여러 개의 모델을 조합하여 개별 모델보다 더 나은 성능을 내는 방법배깅(Bagging, Bootstrap Aggr..