Be the only one, not the best one

OpenCV 4.2.0이 정식 릴리즈되었습니다. 이번 릴리즈에서 드디어 CUDA를 이용하여 DNN 모듈을 실행할 수 있게 되었네요. 대박입니다!!! 잠깐 살펴보니 ResNet, VGG16 SSD, YOLO v3 등은 약 10배 빨라지네요. 이참에 컴퓨터 포맷하고 CUDA, OpenCV, TensorFlow 등등을 새로 깔끔하게 설치해야겠네요.

OpenCV 4.2.0의 전체 변경 사항은 아래 ChangeLog를 참고하시구요..

[https://github.com/opencv/opencv/wiki/ChangeLog#version420](https://github.com/opencv/opencv/wiki/ChangeLog#version420)

OpenCV 4.2.0 다운로드는 아직 OpenCV 홈페이지에는 게시되지 않았습니다. 대신 OpenCV Github에서 다운받을 수 있습니다.

[https://github.com/opencv/opencv/releases](https://github.com/opencv/opencv/releases)

[https://github.com/opencv/opencv_contrib/releases](https://github.com/opencv/opencv_contrib/releases)

OpenCV에서 CUDA를 사용하려면 소스 코드를 직접 빌드해야 합니다. DNN에서 CUDA 백엔드를 사용하려면 WITH_CUDA, WITH_CUDNN, OPENCV_DNN_CUDA 옵션을 설정해야 합니다. 조만간 직접 빌드를 해보구요, 빌드 방법을 공유해보도록 하겠습니다.

GAN that can fix ambient lighting in low-quality flash-lit images!

https://www.profillic.com/paper/arxiv:1912.08813

Naver D2 테크톡 영상중에

슬램관련 좋은것들이 있네요

Depth estimation: Do we need to throw old things away?

https://www.youtube.com/watch?v=qs_aI40WrX8

Visual Geometry with Deep Learning

https://youtu.be/87DcC8ksRHs

Knowledge of probability is a prerequisite for developing a good understanding of data science and machine learning. To help students learn basic probability concepts, Prof. Anand Seetharam from SUNY Binghamton has created this playlist

https://m.youtube.com/playlist?feature=share&list=PLXDX4vxbgW0CxCkGLQN_2R360ETWJMHi7

State of the art in image processing using GANs

https://www.profillic.com/paper/arxiv:1912.07116

XGBoost: An Intuitive Explanation

Ashutosh Nayak : https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff

#MachineLearning #DataScience #RandomForest #Xgboost
#DecisionTree

지난 ROSCON 2019에서

SLAM toolbox 라는 것이 소개되었었네요

video: https://vimeo.com/378682207

slide: https://roscon.ros.org/2019/talks/roscon2019_slamtoolbox.pdf

code: https://github.com/SteveMacenski/slam_toolbox

abstract:

We introduce the SLAM Toolbox. It implements synchronous and asynchronous SLAM for massive indoor and changing environments as well as life-long mapping and localization modes. SLAM Toolbox brings several improvements over the existing solutions. This includes plugin optimizers with default Ceres, speed-ups in Karto's scan matcher, pose-graph manipulation tools, serialization, continued mapping on serialized SLAM graphs, pose-graph localization rolling window technique as a replacement for AMCL, and enables fully distributed mapping without the use of derived 2D occupancy image maps. This package was built for mapping of massive retail and warehouse applications, though likely effective out of those scopes. This talk will go over key points of SLAM Toolbox, demonstrations in production environments, and how to enable it in your application.

https://www.facebook.com/groups/847991005393886/permalink/1162345990625051/?sfnsn=mo아시는 분은 이미 아시겠지만 Nvidia의 StyleGAN v2 가 공개되었습니다. 전체적으로 generation 성능이 매우 개선되었습니다. 앞으로 발전이 더 기대가 되네요!

Video: [https://www.youtube.com/watch?v=c-NJtV9Jvp0](https://www.youtube.com/watch?v=c-NJtV9Jvp0)

Code: [https://github.com/NVlabs/stylegan2](https://github.com/NVlabs/stylegan2)

Paper: [https://arxiv.org/abs/1912.04958](https://arxiv.org/abs/1912.04958)

Recently, I came across this excellent machine learning playlist by Prof. Arti Ramesh from SUNY Binghamton. It contains videos on all topics covered in a machine learning course. I think folks here will like it.

https://m.youtube.com/channel/UCt8HFaRhijEKuKY7qzvdA3A

안녕하세요!
지난번에 이어 Detectron2에서 custom dataset을 활용하여 object detection 알고리즘을 학습시켜보는 간단한 튜토리얼을 공유합니다[1].

이번에도 AIHub에서 제공하는 보행자 데이터셋[2]을 이용하였습니다. Detectron2 프레임워크 자체가 인터페이스가 너무 잘 되어 있어서 custom dataset을 활용하기 정말 간편합니다.(Detectron2에서 제공하는 cDatasetCatalog에 데이터셋을 간편하게 등록하기만 하면 됩니다. 자세한 내용은 주피터 노트북 튜토리얼을 참고하세요!)

+ AIHub에 오늘 접속해보니 보행자 데이터셋이 추가 업데이트되었네요. bbox annotation가 추가되었고 (구체적인 통계는 아직 모르겠습니다), depth map과 instance segmentation을 위한 polygon annotation이 추가되었습니다. 데이터 퀄리티는 확인해 봐야 알겠지만 (bbox는 확실히 꼼꼼하고 좋았습니다), 시도해볼 것들이 많아졌군요!

다음 시간에는 detectron2를 활용해 다양한 모델을 커스터마이징 하는 방법을 공유하도록 하겠습니다.
오늘도 즐거운 하루 보내세요!

REFERENCES
[1] http://bit.ly/2EGDgQm
[2] http://aihub.or.kr/aidata/136