자율 이동 로봇 카메라, 라이다,센서 퓨전 / LSTM-장단기 메모리(Long Short-Term Memory, LSTM)는 순환 신경망(RNN) 기법의 하나로 셀, 입력 게이트, 출력 게이트, 망각 게이트를 이용해 기존 순환 신경망(RNN)의 문제인 기울기 소멸 문제(vanishing gradient problem)를 방지하도록 개발되었다

https://dgkim5360.tistory.com/entry/understanding-long-short-term-memory-lstm-kr

#잿슨 에이아이-https://saybox.co.kr/1639 / Jetson 플랫폼은 AI 애플리케이션

https://www.nvidia.com/ko-kr/autonomous-machines/embedded-systems/

합성곱 신경망이라고 불리는 딥러닝 모델

- CNN- https://rubber-tree.tistory.com/116 / https://gdsc-sungshin.tistory.com/40

- https://rubber-tree.tistory.com/entry/%EB%94%A5%EB%9F%AC%EB%8B%9D-%EB%AA%A8%EB%8D%B8-CNN-Convolutional-Neural-Network-%EC%84%A4%EB%AA%85

CNN 모델의 최적 양자화를 위한 웹 서비스 플랫폼

KCI

https://www.kci.go.kr › sereArticleSearch › ciSereArtiView

CNN 모델의 최적 양자화를 위한 웹 서비스 플랫폼 Web Service Platform for Optimal Quantization of CNN Models. 반도체디스플레이기술학회지. 이 학술지 인용지수 ...

가상화 플랫폼을 통한 CNN기반 모니터링 애플리케이션 ...

한국디지털콘텐츠학회

http://journal.dcs.or.kr › xml

PDF

S Oh 저술20193회 인용 — 따라서, 본 논문에서는 가상화 플랫폼 기술(OpenBaton,. OpenStack, Docker)과 ResNet50기반의 CNN 모델이 적용된 화. 재 및 연기 감지 모니터링 시스템을 구축하였고 이를 ...

# 이미지 분류과정 시각화(포렌싱) -https://forensics.tistory.com/26

시크릿 모드

https://support.google.com/chrome/answer/95464?hl=ko&co=GENIE.Platform%3DAndroid

CMD ? 명령프롬프트 ;- https://blog.naver.com/dl2411/222589808365

https://github.com/jaungiers/LSTM-Neural-Network-for-Time-Series-Prediction

(실습)-https://saybox.co.kr/1639

# DLF

# 001. Keras- https://brillant-revue.tistory.com/3

# 002. PyTouch - https://lonaru-burnout.tistory.com/18

# 003. TensorFlow - https://www.tensorflow.org/?hl=ko

TensorFlow Core : https://www.tensorflow.org/learn?hl=ko

성공적인 ML 결과를 얻기 위해 데이터 준비 및 로드하기

힘들게 만든 ML 모델의 성공 여부를 가르는 가장 중요한 요소는 바로 데이터입니다. TensorFlow는 규모에 따라 데이터를 통합, 정리, 전처리할 수 있도록 여러 가지 데이터 관련 도구를 제공합니다.

초기 학습 및 유효성 검사를 위한 표준 데이터 세트
확장성이 우수한 데이터 로드용 데이터 파이프라인
일반적인 입력 변환을 위한 전처리 레이어
대규모 데이터 세트의 유효성을 검사하고 변환하기 위한 도구

또한 책임감 있는 AI 도구를 사용하면 데이터에 포함된 편향을 발견하고 제거함으로써 모델을 통해 공정하며 윤리적인 결과를 얻을 수 있습니다.

Colab에서 사용해 보기 -이미지 데이터 세트 로드 및 전처리하기

데이터 세트 조사 및 시각화하기

# DBSCAN- 정의 / https://datananalysis.tistory.com/135

- Density-Based Spatial Clustering Of Applications With Noise의 약자
- Noise를 포함한 데이터에 대해 밀도 기반으로 클러스터링 하는 알고리즘
- 데이터가 밀집되어 있는 집합을 클러스터로 간주하고 이를 군집화

https://www.kdnuggets.com/2020/04/dbscan-clustering-algorithm-machine-learning.html

# CNN 실습- https://github.com/jetsonai/HK_LSTMSenfuClass

https://colab.research.google.com/github/jetsonai/HK_LSTMSenfuClass/blob/main/Day1/CNN/%5B1%5DVGG_Network.ipynb#scrollTo=Vjo1WO6gBnYN

(스마트공장)-실습 (Pretrained Image Classification Model) [1]/ImageNet-1K /

@Dataset / List of Class Indices

https://deeplearning.cms.waikato.ac.nz/user-guide/class-maps/IMAGENET/

https://picpick.app/ko/

# Data Augmentation

# LSTM 실습 - https://github.com/jetsonai/HK_LSTMSenfuClass/tree/main/Day1

https://colab.research.google.com/github/jetsonai/HK_LSTMSenfuClass/blob/main/Day1/CNN/%5B4%5DTransfer_Learning.ipynb

#ws@raspberrypi:~ $ cd ugv_rpt

-bash: cd: ugv_rpt: No such file or directory

ws@raspberrypi:~ $ cd ugv_rpi/tutorial_en/

ws@raspberrypi:~/ugv_rpi/tutorial_en $

ws@raspberrypi:~/ugv_rpi/tutorial_en $ ls

#서울형 메타버스 플랫폼 소개-

https://www.sen.go.kr/user/bbs/BD_selectBbs.do?q_bbsSn=1028&q_bbsDocNo=20240321143845598

#https://brunch.co.kr/@eastgo/1564

#https://metavexpo.com/visitor/visitor_guide/

https://jml-note.tistory.com/entry/Complex-YOLO-Real-time-3D-Object-Detection-on-Point-Clouds

Complex-YOLO

3D data를 이용해 2D 인식을 3D로 확장한다는 것은 굉장히 자연스럽고 간단하게 들릴지 모르지만 Real-Time이라는 관점에서 많은 문제가 발생합니다. Convolution 비용이 큰 연산이고 2d 이미지에서도 빠르고 효율적으로 수행하기 위해 많은 노력이 필요했습니다. 이 연산을 단적으로 point cloud 데이터에 그대로 적용한다면 데이터 자체의 Sparsity, Distribution Irregularity, Locality 등의 문제로 GPU에서 엄청난 비효율을 초래하게 됩니다. 이 문제를 Object Detection에서 성공적으로 해결한 연구가 Complex-YOLO입니다.

https://www.mathworks.com/help/lidar/ug/lidar-object-detection-using-complex-yolov4.html

https://www.ultralytics.com/ko/blog/understanding-3d-object-detection-and-its-applications

# https://cloud.lidarvisor.com/#/auth/login // https://wikidocs.net/163163

포인트 클라우드(Point Cloud)는 3차원 공간의 점들의 집합으로, 물체의 표면 또는 형태를 표현하는 데이터입니다. 각 점은 3차원 공간 좌표(x, y, z)로 표현되며, 이러한 점들의 집합은 LiDAR, 3D 스캐너, 또는 사진 측량과 같은 기술을 통해 수집됩니다.

포인트 클라우드에 대한 자세한 설명:

3차원 데이터:
포인트 클라우드는 3차원 공간 정보를 표현하는 데이터로, 각 점이 3차원 좌표로 나타납니다.
물체 표현:
점들의 집합은 물체의 표면 또는 형태를 나타내며, 다양한 형태의 3D 모델을 생성하는 데 사용됩니다.

수집 방법:

LiDAR, 3D 스캐너, 사진 측량 등 다양한 기술을 통해 포인트 클라우드 데이터를 수집할 수 있습니다.

활용 분야:

로봇, 자율 주행, 증강 현실, 3D 모델링 등 다양한 분야에서 활용됩니다.

PCL:

Point Cloud Library(PCL)는 포인트 클라우드 데이터를 처리하기 위한 라이브러리로, 필터링, 정렬, 객체 인식 등 다양한 기능을 제공합니다.

포인트 클라우드 관련 용어:

LiDAR:

빛을 사용하여 거리 측정 및 3차원 데이터를 생성하는 기술

RGB-D 카메라:

3차원 정보를 담은 RGB 이미지와 깊이 정보를 동시에 수집하는 카메라

SLAM:

동시에 위치 추정 및 지도 구축을 수행하는 기술

voxelization:

포인트 클라우드 데이터를 3D 격자 형태로 변환하는 과정

registration:

두 개 이상의 포인트 클라우드 데이터를 동일한 좌표계에 정렬하는 과정

https://git-scm.com/ / https://github.com/

https://www.hanbit.co.kr/channel/view.html?cmscode=CMS2036561776

🛠️ Git 소개 Git은 작은 프로젝트부터 매우 큰 프로젝트에 이르기까지 속도와 효율성을 가지고 모든 것을 처리하기 위한 무료 오픈 소스 분산 버전 관리 시스템입니다. source
🌍 Git과 GitHub의 차이 Git은 버전 관리 시스템이고, GitHub는 Git으로 관리하는 프로젝트를 올릴 수 있는 플랫폼입니다. source
📥 Git 다운로드 다양한 운영 체제를 위해 Git을 다운로드할 수 있는 공식 웹사이트에서 접근할 수 있으며, GUI 도구도 포함되어 있습니다. source

startup-7days

2025년 6월 14일 토요일

6.14~15 / 자율 이동 로봇 카메라, 라이다,센서 퓨전//LSTM 이해하기 / 메타버스 산업 / Complex-YOLO / Git과 GitHub의 차이