[Microsoft AI School 6기] 4/1(68일차) 정리 - Azure기반 개체 감지 및 이미지 분류
Azure기반 개체 감지 및 이미지 분류
소프트웨어 프로젝트
Dataset
Bounding box 정보가 포함된 이미지 데이터 세트
Kaggle, AI Hub 등의 사이트에 공개된 이미지 데이터 세트 중에는 바운딩 박스 정보가 포함된 경우가 많이 있음
이미지 라벨링 vs 어노테이션
COCO
COCO (Common Objects in Context) 데이터셋은 컴퓨터 비전 분야에서 널리 사용되는 대규모 벤치마크로, 다양한 연구 작업과 응용 프로그램을 지원하기 위해 설계
학습하고자 하는 annotation이 COCO형식이 아닐 경우 bbox 표현하는 방법을 변환해야 한다.
YOLO
- 객체 탐지 모델
- detection이 특기
Custom Vision
- 객체 탐지 모델
-custom이 특기
VOC, COCO, YOLO의 경우 추구하는 데이터 형식이 다르기 때문에 변환하여 사용하여야 한다
SWE Bench가 높은 devin
간헐적 데이터베이스 타임아웃 오류 등 더 구체적인 소프트웨어 엔지니어링에 관한 정보를 AI 에이전터가 잘 대답해주지 못하였으나, Devin의 등장으로 그 확률이 증가하였다
프로젝트 개발 방법론
CI/CD
지속적인 통합/배포
가상 머신을 작게 분리 -> 컨테이너
이러한 컨테이너를 관리하는 툴 -> 쿠버네티스
이처럼 작은 단위로 하면 CI/CD가 편리하다
제안서 작성
육하원칙을 생각하는 습관이 필요
그중에서도 가장 중요한 것은 How, What, Why이다
오늘의 간단한 후기
Open AI Operator 등 새로운 기술들이 매우 발전된 형태로 업데이트 되고 있는 것 같다. 인공지능 분야에서 빠른 발전이 있는 만큼 더 열심히 공부하고 트렌드에 집중하는 것이 필요할 것 같다.
출처
[1] Cognition AI, "SWE-Bench Technical Report," Available: https://cognition.ai/blog/swe-bench-technical-report
-If any problem for references, or any questions please contact me by comments.
-This content is only for recording my studies and personal profiles
일부 출처는 사진 내에 표기되어 있습니다
본문의 내용은 학습과 개인 profile 이외의 다른 목적이 없습니다
출처 관련 문제 있을 시 말씀 부탁드립니다
상업적인 용도로 사용하는 것을 금합니다
본문의 내용을 Elixirr 강의자료 내용(김승준)을 기반으로 제작되었습니다
깃허브 소스코드의 내용을 담고 있습니다
본문의 내용은 MS AI School 6기의 강의 자료 및 수업 내용을 담고 있습니다