킹남지 컴퍼니

yaml과 관련한 에러다. 예전의 코드를 코랩에서 import yaml 후 yaml.load()를 사용하면 해당 에러를 만날 수 있다. 이 때는 다음 두 방법 중 하나로 대처해주면 된다: 1. 버전 변경 버전을 강제로 변경해준다. # 코랩 기준 !pip install pyyaml==5.4.1 2. 다른 함수 사용 버전을 변경하기 싫다면, load() 대신 full_load()를 사용한다. # config = yaml.load(f) config = yaml.full_load(f) [참고 자료]

Title: CutPaste: Self-Supervised Learning for Anomaly Detection and Localization (CVPR, 2021) Anomalous data를 활용하지 않고, 이미지에서 Unknown Anomalous 패턴을 감지하는 모델을 구축한 모델을 제시. 논문에서는 2-stage 프레임워크를 구축해 normal data를 훈련해 이상 탐지를 수행한다. 이 때, Self-supervsied learning에 자르고 붙이는 이미지 데이터 증강 기법을 활용한다. Introduction 이상 감지는 제조, 의료, CCTV등 다양한 분야에서 활용된다. 비전 분야에서, 이상 감지 문제와 관련된 연구는 대부분 지도 학습(supervised learning)으로 접근하지 않..

요즘 오류와 관련된 글만 올리는 거 같지만 어쩔 수 없다.. 코랩에서 pycaret을 사용하는데 제목과 같은 에러가 났다. (22.07.05 기준) 아래 코드를 실행하려하면, 에러가 나온다. from pycaret.classification import * JinJa2라는 라이브러리를 import 하거나 새로 설치해도 해결이 되지 않았다. 해결 방법은,, markupsafe의 버전을 강제로 바꿔주면 된다. !pip install markupsafe==2.0.1 그 후에 아래처럼 실행해주면 끝! import jinja2 from pycaret.classification import *

최근 Audio data를 사용할 일이 생겨, librosa, scipy 라이브러리를 사용하고 있다. mfcc 피쳐를 시각화하고 싶어 librosa 라이브러리의 display 기능을 쓰려하니 제목과 같은 에러가 나왔다. 해결 방법은 아래처럼 librosa.display를 따로 import 해주면 된다! import librosa.display import 해주고 난 후에는 아래처럼 잘 나왔다. (matplotlib로도 충분히 할 수 있지만, 편하다..)

한참 동안 torch만 사용하다, Keras를 사용했는데 오류가 발생했다. 내용 그대로 tensorflow 2.6 이후부터는 predict_classes 를 지원하지 않는다. 다중 분류 문제에서는 아래와 같이, predict_x = model.predict(X_test) classes_x = np.argmax(predict_x,axis=1) 그리고 이진 분류 문제에서는 아래와 같이 대체해 주면 된다. (predict_x > 0.5).astype("int32")

개요 Title : Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery, (Information Processing in Medical Imaging(IPMI), 2017) Introduction Method Experiment Result Conclusion Introduction 의료 이미지를 보고 단순히, 건강함 or 질병 보유(0 or 1)를 나타내는 것보다 어느 부분이 이상한 지를 짚어주는 것이 훨씬 많은 정보를 제공 Unsupervised Learning 데이터 불균형 문제 : 의료나 제조 현장에는 Normal 데이터는 많지만, Abnormal 데이터는 적음 Annotation ..

matplotlib.pyplot.imshow()로 흑백 이미지를 출력할 때 이상한 색상으로 출력되는 경우가 있습니다. 이미지 확인 먼저, Opencv를 통해 이미지를 불러와서 컬러 그대로 출력해보겠습니다. (Colab에서 실행한 코드입니다.) # 라이브러리 import numpy as np import matplotlib.pyplot as plt import cv2 img_1 = cv2.imread('/content/drive/MyDrive/opencv/cat.jpeg', cv2.IMREAD_COLOR) # 이미지를 [B, G, R] 순의 numpy 객체로 반환 img_rgb = cv2.cvtColor(img_1, cv2.COLOR_BGR2RGB) plt.imshow(img_rgb) plt.show() ..

이 글은 학부 수업을 들으면서 개인적으로 정리한 글입니다. 잘못된 내용이 있다면 댓글로 말씀 부탁드립니다! Frequentist Probability VS Bayesian Probability - Frequentist Probability ( 빈도 확률, 도수 확률 ) : 우리가 흔히 아는 동전의 앞면이 나올 확률을 구하는 예를 생각할 수 있습니다. 만약 동전을 100번 던져서 앞면이 38번 나온다면 (앞면이 나올 확률) = 38 / 100. 이렇게 시행을 반복 해 빈도수를 측정해 빈도 확률을 구할 수 있습니다. ( 이 방식은 시행을 더 많이 반복할수록 정확한 확률을 구할 수 있습니다. ) - Bayesian Probability ( 베이지안 확률 ) : 위의 예시에 제시한 동전 던지기 또는 주사위 던지..

이 글은 학부 수업을 들으면서 개인적으로 정리한 글입니다. 잘못된 내용이 있다면 댓글로 말씀 부탁드립니다! 관계형 해석 (Relational Calculus) 원하는 정보가 무엇(What)이라는 것만 정의하는 비절차적인 특성(Non-Procedural)을 가진다. 관계형 대수와 관계형 해석은 동등하며, 서로 변환이 가능하다. 튜플(Tuple) 관계형 해석, 도메인(Domain) 관계형 해석의 두가지 표현 방법이 있다. 튜플 관계형 해석 vs 도메인 관계형 해석 튜플 관계형 해석과 도메인 관계형 해석은 표현 방법의 차이는 있지만 표현 능력은 동등하다. 1. 튜플 관계형 해석 튜플 관계형 해석식을 구성하는 요소는 아래와 같다. 튜플 변수(또는 범위 변수 t) : 튜플 변수의 선언은 R(t) 형식으로 표기한다..

이 글은 학부 수업을 들으면서 개인적으로 정리한 글입니다. 잘못된 내용이 있다면 댓글로 말씀 부탁드립니다! Ax = b Ax = b 형태의 연립 선형 방정식을 풀기 위한 방법에는 다양한 방법이 있습니다. 가장 기본적인 방법으로는 역행렬을 이용하는 방법, Gauss Elimination 등이 있습니다.하지만 행렬의 크기가 커지면 커질수록 역행렬을 이용하는 방법은 쉽지 않고, Gauss Elimination을 사용하자니 b의 값도 계속해서 계산해줘야하기에 비효율적입니다. LU Factorization 따라서 위에서 말한 방법들도 좋지만, 행렬을 분해해 Solution을 찾는 LU Factorization을 알아보겠습니다. 위와 같은 형태의 식을 Ax = b 로 두겠습니다. 이런 형태에서 A를 L과 U (L ..