Head vs breakz

data = ImageDataGenerator( featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, samplewise_std_normalization=False, zca_whitening=False, zca_epsilon=1e-06, rotation_range=0, #회전 범위각도 - a ~ + a width_shift_range=0.0, #사진을 수평으로 랜덤하게 평행이동 시킬 범위 height_shift_range=0.0, #사진을 수직으로 랜덤하게 평행이동 시킬 범위 brightness_range=None, shear_range=0.0, #랜덤하게 전단 변환 적용할 각도 범위 zoom_rang..

데이터를 학습 시키기 위해 Train set 과 test set를 나눠서 진행 할때에, 나눠지는 경우에 따라서 학습 값의 차이가 발생하게 된다. 데이터가 크면 클수록 문제이고, 작으면 작을 수록 문제이다. 이러한 문제를 해결하기 위해 사용하는 방법이 K-fold cross validation 이다. 데이터를 K개의 폴드로 나누고, K개 만큼의 모델을 만들어서 K개의 학습 값의 평균을 사용하는 방법 이다. 그러나 K- fold의 문제점은 데이터의 편향이 있는 경우 발생한다. 이러한 문제를 해결하기 위해 사용하는 방법이 Stratified k-fold cross validation이다. label의 분포를 유지하여, 각각 fold가 전체 label 분포를 따르도록 한다. from sklearn.model_s..

Detectron2는 Facebook에서 개발한 객체 탐지 알고리즘을 구현하는 시스템이다. object detection과 segmentation을 다루는 프레임워크로 maskrcnn-benchmark을 통해 Detectron을 기반으로 재작성하였다. Pytorch를 사용하여 제공 Panoptic segmentation, densepose , Cascade R-CNN, rotated bounding boxes.. 등을 제공

1. 가상환경 만들고 시작 conda creat -n 가상환경이름 conda activate 가상환경이름 2. 가상환경에 설치 conda install numpy conda install pillow conda install opencv conda install scipy conda install cmake conda install -c conda-forge dlib conda install -c akode face_recognition_models #위에코드가 안되면 pip install --no-dependencies face_recognition