인공지능

YOLOv5는 실시간 객체 탐지를 위한 딥러닝 모델 중 하나이다. YOLO는 "You Only Look Once"의 약자로, 한 번의 순방향 전파를 통해 이미지 전체를 분석하고 객체를 탐지한다. YOLOv5는 다양한 환경에서 사용되며, 컴퓨터 비전, 자율주행차, 보안 등 여러 분야에서 객체 감지 및 추적에 활용될 수 있다. 캐글에서 토마토 열매 데이터셋을 다운받는다.(https://www.kaggle.com/datasets/andrewmvd/tomato-detection/data) 다운받은 파일은 토마토 사진들과 각 사진들의 라벨 데이터로 구성되어 있다. 구글 드라이브에서 새 코랩 파일을 만든다. 왼쪽에서 드라이브를 마운트한다. 하드웨어 가속기를 설정한다. 내 드라이브 폴더에 적당한 폴더를 생성하고 그리..

DNN은 Deep Neural Network(심층 신경망)의 약자이다. 심층 신경망은 인공 신경망의 한 종류로, 여러 개의 은닉층을 가지고 있는 신경망 구조를 말한다. 이러한 심층 신경망은 기계 학습 및 인공 지능 분야에서 광범위하게 사용되며, 복잡한 문제 해결과 패턴 인식에 특히 유용하다. DNN은 입력층, 은닉층, 출력층으로 구성되어 있으며, 각 층은 여러 개의 뉴런 또는 유닛으로 구성된다. 각 뉴런은 이전 층의 모든 뉴런과 연결되어 있으며, 이 연결은 가중치(weight)와 편향(bias)을 통해 결정됩니다. 은닉층의 뉴런은 입력을 받아 가중치와 함께 활성화 함수를 통과시키고, 결과를 다음 층으로 전달한다. 이러한 과정이 출력층까지 반복되어 입력 데이터의 특징을 학습하고, 최종적으로 출력을 생성한다..

유전자 알고리즘은 생물체의 염색체가 유전되는 현상에서 영감을 얻은 최적화 알고리즘으로서 적자생존 원칙에 기반을 두고 교차, 돌연변이, 도태 등의 과정을 통하여 우성 유전자만이 살아남는 자연계의 현상을 알고리즘으로 만든 것이다. 평가 함수(evaluation function)는 현재의 염색체가 얼마나 문제를 잘 해결하고 있는지를 나타내는 적합도(fitness)를 반환한다. 교차(crossover)는 재생산이 일어날때 부모의 염색체들의 일부를 교환하는 것이다. 돌연변이 연산은 염색체에서 랜덤한 위치의 유전자의 값을 바꾼다. 유전자 알고리즘의 의사 코드는 다음과 같다. 집단 초기화 : 문제를 명확히 정의하고 문제를 염색체의 형태로 표현한 후에 염색체 N개로 이루어진 초기 해답 집단을 생성한다. 적합도 계산 :..