본문 바로가기

전체 글

Brief Review on Anchor-Free Object Detection (2019-2020) Anchor-based Object Detection의 설계 Faster R-CNN, RetinaNet, YOLOv2, SSD 등 다양한 Object Detection 아키텍처들은 정확도를 높이기 위해 사전에 정의된 Anchor라는 개념을 도입하고 있습니다. 아무런 전제 조건이 없는 상태에서 물체의 위치와 크기를 학습하기보다는, 대부분의 물체들은 어느 정도 일반적인 형태를 가지고 있으므로 그러한 출발점(Anchor)을 미리 정의해놓고 그로부터 Regression을 하면 보다 빠르게 학습하며 정확히 물체를 탐지할 수 있다는 것입니다. 예를 들어 봅시다. 만약 Feature Map이 원래 이미지보다 1/4로 줄어들었다면 Feature Map의 각 픽셀마다 $4\times 4$의 크기를 갖는 가장 단순한 형태.. 더보기
대규모 인턴 채용 프로젝트.. 그리고 개발팀 인턴 인터뷰 개발자 채용은 쉽지 않은 일입니다. 코딩 테스트를 하고 기술 면접을 봐도 지원자 분의 정확한 실력을 가늠하기 힘들고, 어떤 스타일로 일을 하는지 알기가 어렵습니다. 그 동안 느낀 가장 효과적인 방법은 인턴을 통해 일정 기간 함께 일하면서 회사와 인턴분이 서로 맞는지 확인하고 채용하는 것이었습니다. 그래서 2021년 상반기에는 정직원 수준의 급여 조건으로 전국의 대학생과 취준생을 대상으로 한 대규모 인턴 채용 프로젝트를 진행해 봤습니다. 정말 많은 분들이 지원해 주셔서 고심하며 인턴 분들을 채용했습니다. (경력자분들도 인턴에 지원을 많이 하셔서 깜짝 놀랐습니다.) 인턴 기간이 서로에게 의미있는 시간이 되기 위해 일정한 학습 기간 후 실제 업무 중 인턴 분들이 원하는 것을 선택하여 일을 하였고, 얼마 전 인.. 더보기
시간에 따른 도시 개발을 추적해봅시다 - SpaceNet 7 수상자 기술 분석 참조: https://medium.com/the-downlinq/the-spacenet-7-multi-temporal-urban-development-challenge-announcing-the-winners-847a9a53004c SpaceNet 7: The Multi-Temporal Urban Development Challenge SpaceNet은 지리 정보와 관련된 AI 응용 연구를 하는 비영리 기관입니다. 특히 값비싼 위성영상 데이터, 어노테이션과 관련해 다양한 오픈소스 데이터셋 공개 및 경진대회 개최를 하고 있어 위성영상을 활용하고 싶은 연구자, 개발자들에게 많은 각광을 받고 있습니다. 목표 이번 SpaceNet7은 Multi-Temporal Urban Development Challenge로.. 더보기
세상에서 가장 간단한 Airflow 튜토리얼 머신 러닝 파이프라인의 필요성 일반적으로 학계에서 딥 러닝을 연구한 연구자들은 잘 정제되어 있는 벤치마크 데이터셋에서 명확한 평가 지표를 갖고, 성능을 향상시키기 위한 모델 개선을 고민하는 데에 익숙합니다. 하지만 이러한 연구자들이 현실의 문제를 해결하기 위해 Wild Environment에 발을 내딛으면 여러 종류의 애로사항에 직면합니다. 정제되어 있는 데이터셋은 없으며, 주기적으로 라벨이 수정되거나 새로운 데이터가 끊임 없이 계속 쌓입니다. 그때마다 새로 학습 데이터셋을 구성해야 하며, 평가 데이터셋 또한 주기적으로 업데이트해야 할 것입니다. 또한, 좀 더 유저 경험을 고려한 새로운 평가 지표를 개발해야 하며, 때로는 단일 모델만 사용하는 게 아니라 여러 개의 모델과 연동하기 위해 각각의 모델을 위한.. 더보기
위성 영상 이해하기 그리고 딥러닝 part 3. 위성 영상의 종류와 영상의 파라미터들을 알아보았고 이번 글에서는 위성 영상에 적용되는 전처리 과정에 대해 알아보겠습니다. 위성 영상은 일반 카메라로 찍은 영상과 달리, 사람의 눈으로 인지할 수 있는 가시광선 파장 영역뿐만 아니라, 적외선 영역, 마이크로파 영역 등 다양한 파장 영역의 영상을 얻을 수 있습니다. 일반적으로 흔히 볼 수 있는 위성 영상은 정사각형 형태의 grid로 이루어져 있으며 영상 자체의 위쪽이 북쪽을 가리키는 방향으로 정렬되어 있습니다. 지표에서 반사된 태양에너지가 위성의 관측 센서로 들어오면, 센서 내부에서 감지된 빛의 밝기가 하나의 픽셀로 저장되며 각각의 독립적인 밝기 값을 가진 픽셀들이 조합되어 연속적인 명암을 가진 하나의 영상으로 구성됩니다. 이렇게 획득된 자료는 일반 사진과 달.. 더보기
위성 영상 이해하기 그리고 딥러닝 part 2. 이전 글에서는 위성 영상의 종류에 대해서 알아 봤다면, 이번 글에서는 위성 영상이 어떻게 구성되며 어떤 기준으로 영상의 품질을 확인하는지 적어보도록 하겠습니다. 위성 영상의 파라미터 중 가장 중요하다고 볼 수 있는 resolution은 아래와 같이 네 가지로 정의될 수 있습니다. Spatial Resolution (공간 해상도) Spectral Resolution (분광 해상도) Temporal Resolution (시간 해상도) Radiometric Resolution (방사 해상도) Spatial resoution(공간 해상도)은 쉽게 말해 얼마나 작고 가까이 있는 물체까지 자세하게 관측할 수 있는가를 나타내는 지표입니다. 이는 센서의 특성과 위성에서 물체까지의 거리에 따라 결정됩니다. 공간 해상도는.. 더보기
위성 영상 이해하기 그리고 딥러닝 part 1. SI-Analytics는 인류가 지구 관측을 통해 미래의 현명한 결정을 하기 위한 가치 제공이라는 미션과, 인공지능 기반 위성/항공 영상 분석 전문 기업이 되기 위한 비전을 가지고 있습니다. 그렇다면 위성 영상이란 어떤 것 일까요? 카카오맵? 구글어스? 인공위성에서 찍은 영상? 지구를 넓은 범위에서 관측할 수 있는 영상? 그렇다면 구름이 낀 날은 어떻게 하지? 밤에는? 이런 다양한 생각들이 떠오를 것으로 예상됩니다. 이 포스팅에서는 저희가 연구 대상으로 삼고 있는 위성 영상에 대해 간단히 설명하며 여기서 어떻게 딥러닝이 적용될 수 있는지 알아보고자 합니다. 먼저, 위성 영상은 크게 Passive 영상과 Active 영상으로 구분할 수 있습니다. Passive 센서는 물체가 자체적으로 발산하는 에너지를 관.. 더보기
Score-based Generative Modeling by Diffusion Process Introduction to Score-based Generative Models Generative Model는 현실에 존재할만한 그럴듯한(High-fidelity) 이미지를 만들거나, Semi-supervised Learning, Few-Shot Learning 등의 문제에서 성능을 향상시키거나, 적대적 예제나 이상치 탐지를 하는 데 이용하는 등 다양한 응용 문제들에 활용될 수 있습니다. 대표적인 예로 흔히들 잘 알려져 있는 Autoencoder, VAE, GAN, Normalizing Flows를 들 수 있을 것입니다. 이번 글에서는 이와는 다른 방법론인 Score-based Generative Modeling에 대해서 다뤄보도록 하겠습니다. 이 글에서 주로 다룰 논문은 아래와 같습니다. Gener.. 더보기