인공지능

labelme 사용법

labelme는 JSON 형식의 주석 데이터를 생성할 수 있는 Python 오픈 소스 그래픽 이미지 주석 도구입니다. 주로 객체 검출(Object Detection), 이미지 분할(Semantic Segmentation) 등의 작업을 위한 데이터셋을 준비할 때 사용됩니다. 설치: labelme를 설치하려면 Python 환경이 설치되어 있어야 합니다. 아래의 명령어로 labelme를 설치할 수 있습니다 pip install labelme 프로그램 실행: 콘솔이나 터미널에서 다음 명령어를 입력하여 labelme를 실행합니다. labelme 이미지 로드 및 주석 추가: Open Dir 버튼을 클릭하여 이미지가 있는 폴더를 선택하거나 Open 버튼을 클릭하여 개별 이미지를 로드합니다. 도구 모음에서 Create..

Alibi-Detect VAE 모델

비지도 학습을 위한 alibi-detect 라이브러리의 VAE (Variational Autoencoder) 모델을 사용하여 이미지의 이상을 감지하는 방법에 대해 알아보려고 합니다. 1. VAE (Variational Autoencoder)란? VAE는 생성 모델 중 하나로, 데이터의 잠재적인 표현을 학습하고 이를 바탕으로 원본 데이터와 유사한 새로운 데이터를 생성할 수 있습니다. Encoder: 입력 데이터를 받아 이를 잠재 공간 (latent space)에 매핑합니다. Sampling: 잠재 공간에서의 확률 분포로부터 샘플링을 통해 특정 잠재 벡터를 얻습니다. Decoder: 샘플링된 잠재 벡터를 받아 원본 데이터와 동일한 차원을 가진 출력을 생성합니다. 2. alibi-detect와 OutlierV..

Anomalib: 왜 비지도학습인가?

안녕하세요, 이번 포스트에서는 Anomalib라는 머신러닝 라이브러리를 소개하고, 이 라이브러리가 왜 비지도학습에 속하는지에 대해 설명하려고 합니다. Anomalib Anomalib는 오픈 소스 프로젝트로, OpenVINO Toolkit을 사용하여 이상 감지 알고리즘이 구현되어 있습니다. 이 프로젝트에서는 ST-CGAN, ST-InfoGAN, ST-FUNIT 등의 알고리즘을 통해 이상 탐지를 수행합니다. 이 알고리즘들은 입력 이미지에서 이상(불량품 등)을 자동으로 탐지하는 역할을 합니다. 그런데 여기서 흥미로운 점은, 이 라이브러리는 '비지도 학습'에 속한다는 것입니다. 그 이유에 대해 설명하기 전에, 먼저 '마스크 이미지'라는 개념에 대해 설명하겠습니다. Mask Image 마스크 이미지는 이상이 발생..

지도학습 vs 비지도학습 쉽게 이해하기

지도학습과 비지도학습은 머신러닝의 핵심 개념입니다. 이 두 가지 방법에 대해 이해하면, 인공지능이 어떻게 학습하고 어떻게 작동하는지 이해하는 데 큰 도움이 됩니다. 이 포스트에서는 이 두 가지 방법에 대해 간단하고 이해하기 쉽게 설명하겠습니다. 1. 지도학습 (Supervised Learning) 지도학습은 머신러닝의 가장 일반적인 형태입니다. 이 방법에서는, 모델은 '레이블'이라는 정답이 붙어있는 데이터를 학습합니다. 레이블이라는 것은 각 데이터에 대한 정답 또는 결과를 말합니다. 예를 들어, 고양이와 강아지의 사진을 구분하는 모델을 학습시키는 경우, 각 사진에 '고양이' 또는 '강아지'라는 레이블이 붙어있습니다. 지도학습은 마치 학생이 선생님의 지도를 받아 공부하는 것과 비슷합니다. 모델은 레이블을 ..