본문 바로가기
728x90
반응형

ML12

Deployment 가능한 HF Custom (Vision) Model 만들기 관련자료: https://huggingface.co/docs/transformers/ko/custom_models 사용자 정의 모델 공유하기(번역중) 효율적인 학습 기술들huggingface.co 관련 gist파일https://gist.github.com/dsaint31x/8a49b5d50dac707873af1ef901859e10 dl_custom_img_classifier_hf_deploy.ipynbdl_custom_img_classifier_hf_deploy.ipynb. GitHub Gist: instantly share code, notes, and snippets.gist.github.comIntro.Hugging Face (HF)에서의 deploy(배포)는모델을 특정 폴더(또는 Hub 레포) 형.. 2025. 12. 18.
torchvision.datasets.CocoDetection 간단 소개. 소개torchvision.datasets.CocoDetection은 PyTorch에서 MS COCO 데이터셋을 기반으로 Object Detection Task 모델 개발을 위한 Dataset 클래스임. 다음의 상속 관계를 가짐:torch.utils.data.Dataset ↑torchvision.datasets.vision.VisionDataset ↑torchvision.datasets.CocoDetectionDataset: __len__, __getitem__ 메서드를 제공 (= DataLoader에서 동작되도록)VisionDataset: transform, target_transform, transforms 같은 변환 등의 전처리를 정의.CocoDetection: COCO 의 .. 2025. 12. 16.
Object Detection 태스크에 대한 모델 평가를 COCO API로 하기 COCO Detection 평가 튜토리얼loadRes : 델이 출력한 예측 결과(JSON)를 COCO annotation 형식으로 감싸, 정답(GT)과 동일한 COCO API로 접근할 수 있게 만드는 함수COCOeval: COCO 형식의 정답(GT)과 예측(DT)을 IoU(또는 OKS) 기준으로 비교·매칭하여 AP·AR 등 표준 성능 지표를 계산하는 공식 평가 모듈mAPmAP (mean Average Precision)여러 IoU 기준과 모든 클래스에 대해 계산한 Average Precision(AP)을 평균낸, 객체 검출 성능을 대표하는 단일 평가 지표 2025.12.16 - [ML] - pycocotools COCO API 기초 pycocotools COCO API 기초pycocotools COCO .. 2025. 12. 16.
pycocotools COCO API 기초 pycocotools COCO API에서 자주 쓰는 메서드들에 대한 정리:getAnnIdsgetCatIdsgetImgIdsloadAnnsloadCatsloadImgsloadResshowAnns2025.12.16 - [ML] - MS COCO (Microsoft의 Common Object in Context) Dataset MS COCO (Microsoft의 Common Object in Context) DatasetCOCO 데이터셋은 여러 종류의 task 에 대한 모델을 훈련시킬 수 있음: 다음의 task들로 구분됨.1. Object Detection (객체 탐지)목적: 이미지 안에 있는 객체의 location 과 class (=category)를 추출 : things만annotatds31x.tistor.. 2025. 12. 16.
MS COCO (Microsoft의 Common Object in Context) Dataset COCO 데이터셋은 여러 종류의 task 에 대한 모델을 훈련시킬 수 있음: 다음의 task들로 구분됨.1. Object Detection (객체 탐지)목적: 이미지 안에 있는 객체의 location 과 class (=category)를 추출 : things만annotationbbox (bounding box)category_id (int)출력 예사람, 자동차, 개 등 80개 클래스대표 사용 모델Faster R-CNN, YOLO, RetinaNet 등관련 디렉토리 및 파일들.train2017/val2017/annotations/instances_*.json2. Instance Segmentation (인스턴스 분할)목적: 객체를 pixel 단위로 정확히 분리 : things만annotationsegme.. 2025. 12. 16.
Detection Task에서 collate_fn의 입·출력 구조와 default_collate의 한계 Detection task를 위한 collate_fnDetection 테스크의 경우, DataLoader에서 collate_fn을 일반적으로 다음과 같이 변경해줘야 함.def collate_fn(batch): # batch: [(img, target), (img, target), ...] imgs, targets = zip(*batch) return list(imgs), list(targets)loader = DataLoader( train_ds, batch_size=2, shuffle=True, collate_fn=collate_fn,)detection task의 경우, 각 image 별로 가지고 있는 object의 수가 다를 수 있음.그 결과 targets.. 2025. 12. 15.
728x90
반응형