코딩

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 ..

Yolov8 - 테스트 동영상으로 예측하기

https://hyunsungstory.tistory.com/263 Yolov8 - 내 커스텀 데이터를 이용해 학습하기 / 훈련 데이터와 검증 데이터로 나누기 사용하기에 앞서 https://github.com/ultralytics/ultralytics 위 링크에 접속하여 Clone한 후에 내 로컬에서 열어줍니다. 언어는 Python을 이용해 작업을 진행해보겠습니다. GitHub - ultralytics/ultralytics: NEW - YOLOv8 hyunsungstory.tistory.com 위에서 학습을 시켜놓은 뒤 완성된 모델이 있다면 필요 라이브러리들을 Import 해준 이후에 import ultralytics from ultralytics import YOLO 완성된 모델을 불러옵니다. myMo..

Yolov8 - 학습이 완료된 후 생성되는 파일들의 정보

Yolo v8을 통해 학습을 완료하게 되면 C:\Users\your_path\runs\detect\train 이라는 폴더에 아래 사진과 같이 파일들이 저장되는 것을 확인할 수 있다. 각각의 파일들이 어떠한 정보를 가지고 있는지 자세하게 살펴보려고한다. confusion_matrix.png 이 파일은 혼동 행렬(Confusion Matrix)를 시각화한 것입니다. 혼동 행렬은 분류 모델의 성능을 평가하는 데 사용되며, 모델이 예측한 클래스와 실제 클래스 간의 관계를 보여줍니다. 행은 실제 클래스를, 열은 예측된 클래스를 나타냅니다. 대각선 값들은 정확하게 분류된 인스턴스를 나타내며, 대각선 이외의 요소들은 잘못 분류된 인스턴스를 나타냅니다. 행(Row): 이는 실제 클래스(Actual Class)를 나타냅..