화상통화를 하면서 해당 사람이 고개를 돌리는지 졸고 있다는지 정면을 보지않은 행동을하면 잡아낼려고하면 그냥 딥러닝으로 정면을 보는 이미지 데이터들과 그렇지 않은 데이터들을 모아 정면을 보면 대략 클래스0 반대의 경우 클래스1로 분류하는식으로해도 상관없나요?

import numpy as np from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten, LSTM from keras.layers import BatchNormalization from keras.initializers import he_normal !pip install np_utils import np_utils from tensorflow.keras.utils import to_categorical from google.colab import drive drive.mount('/content/drive') [train_x, train_y, test_x, test_y] = np.load('/content/drive/MyDrive/LSTM_disaster_prediction_data.npy', allow_pickle = True) X_train = train_x.astype('float32') X_test = test_x.astype('float32') X_train = np.transpose(X_train,(0,2,1)) X_test = np.transpose(X_test,(0,2,1)) y_train = to_categorical(train_y, num_classes=num_classes) y_test = to_categorical(test_y, num_classes=num_classes) num_classes = y_train.shape[1] model = Sequential() model.add(LSTM(units = 4, return_sequences = True, input_shape = (168, 12))) model.add(LSTM(units = 1, return_sequences= True)) model.add(BatchNormalization()) model.add(Dense(64,activation = 'relu', kernel_initializer = 'he_normal')) model.add(Dropout(0.25)) model.add(Dense(num_classes, activation = 'softmax')) model.summary() model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy']) model.fit(X_train, y_train, epochs = 5, batch_size = 16, verbose = 1, validation_data=(X_test, y_test)) test_loss, test_accuracy = model.evaluate(X_test, y_test) print('검증결과') print('test loss = ', test_loss) print('test accuracy = ', test_accuracy) ValueError: Shapes (None, 3) and (None, 168, 3) are incompatible이렇게 뜨는데 어떻게 고쳐야할지 모르겠어요 ㅠㅠㅠㅠㅠㅠㅠㅠㅠㅠ

yolov5에서 labelimg를 사용하는데 labelimg로 라벨링 작업을 한 후,새로운 이미지들이 생겨 이전에 라벨링 작업을 했던 이미지 폴더에 새로운 이미지들을 추가하여라벨링 작업을 이어서 했더니, 전에 작업했던 라벨링들이 다 지워지는 현상이 발생했습니다. labelimg를 사용하여 전에 라벨링 작업했던 것과 새로 라벨링 작업한 것을 합쳐도 이런 현상이 발생하는데,labelimg에서 새로운 이미지를 추가하려면 모든 이미지들을 처음부터 라벨링 다시 해야 하나요?아니면 해결방법이 있을까요?

yolact 설치 시 파일에 들어있는 eval.py의 용도가 무엇인가요..?

안녕하세요. 좋은강의 잘 듣고 있습니다. 얼마전에 mmd-to-tensorrt 질문을 올렸었는데요. 사실 해당 라이브러리를 사용해보려 한 목적이 Inference의 속도를 향상시키려는 시도의 일환이었습니다. 혹시 mmdetection을 이용한 mask_rcnn 의 추론 속도를 향상시키는 다른 방안을 알고계신가 싶어 질문 드립니다. mmdetection에 포함된 다른 instance segmentation 검출 로직인 yolact를 사용하면 미세하게 속도의 향상이 있으나 검출 정확성 측면에서 mask rcnn이 더 낫더라구요.    항상 좋은 강의 감사드립니다.

머신러닝쪽을 공부하고있는 학생입니다. 머신러닝쪽으로는 입상경력도 있고, 파이썬 문법에는 큰 어려움은 없습니다. 최근들어 자연어처리, 이미지처리쪽으로도 관심이 많이 생겨서 딥러닝을 공부도 하고 대회 입상도 준비하려는데 딥러닝에 경험이 많이 없는지라.. 모델뿐만아니라 전처리 방법 등을 어떻게 공부해야되고 독학으로 하려면 어떤 순서로 공부를 진행해야할지도 감이 안잡혀서 질문올렸습니다.. + 복학이 6개월 정도 남아서 6개월 정도만 잡고 독학으로는 힘들겠죠?