분류 전체보기

Stable Diffusion을 스스로 배우다. https://huggingface.co/models?other=stable-diffusion Models - Hugging Face huggingface.co 1 - 1. Stable Diffusion 1.5v 사용하기 안녕하십니까, 프롬프트 연구소장 이뮨01입니다. Karlo 모델보다 성능이 좋은 Stable Diffusion을 사용하기위해서 해당 모델에 대한 정보를 수집했다. 스테이블 디퓨전은 오픈소스로 공개되었기 때문에 무료로 모델을 사용할 수 있다는 장점이 있다. 스테이블 디퓨전 모델 버전은 1.5 버전과 2.1 버전이 있다고 한다. 2.1버전이 최신버전인데 1.5버전과 다른 점은, 1.5버전은 프롬프트를 단순하게해도 품질이 괜찮게 나오지만 고점이..

실전 프로젝트를 위해 이미지 생성형 AI에 대해 스스로 배우다. 안녕하십니까, 프롬프트 연구소장 이뮨01입니다. 실전 프로젝트에서 이미지 생성형 AI를 사용하게 되었다. 생성형 AI 모델은 카카오에서 제작한 Karlo와 스테이블 디퓨전(Stable Diffusion), 미드저니(Midjourney) 등이 있다. 미드저니는 디스코드에서만 사용할 수 있어서 후보에서 제외했다. Karlo가 가장 접근성이 쉬운대신 품질이 스테이블 디퓨전에 비해 안좋다. 스테이블 디퓨전은 접근성이 칼로에 비해 어려운 대신 품질이 꽤나 좋다. 가장 처음에는 접근성이 쉬운 Karlo 모델을 사용해서 이미지 생성을 시도했다. https://developers.kakao.com/product/karlo 1. Karlo 모델로 이미지 생..

LBPH 분류기 학습을 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. LBPH 분류기 학습 LBPH 분류기를 학습시키기 전에 이 분류기의 학습과정을 알아보자. LBPH 분류기는 이미지를 작은 정사각형(셀)으로 나누고 각 정사각형에 특정 조건을 적용해서 이진값을 생성한다. 최종 목표는 작은 정사각형마다 하나의 히스토그램을 그리는 것이다. 히스토그램을 그리는 이유는 히스토그램을 이용해서 얼굴을 비교할 때 사용하기 때문이다. 따라서 각 얼굴마다 히스토그램 SET를 가지고 있다. 새로운 이미지를 분류기에 넣으면 새로운 히스토그램 SET가 생성되는데, 생성된 히스토그램을 학습 시 저장된 모든 히스토그램과 비교한다. 알고리즘의 학습 과정은 각 클래스에 관한 히스토그램을 생성하고 파일로 저장한다...

문제설명 제한사항 입출력 예 문제 분석 파이썬 입력값으로 2개의 리스트가 입력된다. 노래의 장르로 이루어진 리스트(genres)와 노래의 재생횟수로 이루어진 리스트(plays)가 주어진다. 두 리스트는 같은 인덱스끼리 같은 노래를 가리킨다. 문제에서 친절하게 정답에 접근하는 과정을 설명해줬다. 장르별로 최대 2개만 수록할 수 있다. 가장 많이 재생된 장르를 구해야한다. 그렇다면 같은 장르의 재생횟수를 모두 더해서 장르를 key로 갖고 재생횟수를 value로 하는 딕셔너리를 만들면 되겠다 싶을 것이다. 장르 내에서 가장 많이 재생된 노래를 먼저 수록해야하니까 가장 많이 재생된 장르를 찾는 것이 우선이다. 각 장르별 재생횟수가 담긴 딕셔너리의 value를 기준으로 정렬하면 어찌 저찌 될 것 같은 느낌이다. ..

문제설명 제한사항 문제 분석 입력값을 보면 2차원 리스트이고 각 요소의 0번째 인덱스는 옷의 이름, 1번째 인덱스는 옷의 종류이다. 같은 종류의 옷은 입을 때 1가지 밖에 못입기 때문에 옷의 각 종류마다 몇개씩 있는지 파악해야한다. 어차피 문제를 보면 경우의 수 구해야하는 문제이기 때문에 개수만 구하면 된다. Python3 def solution(clothes): answer = 1 category = {} # 옷의 종류를 key로하고 개수를 value로하는 딕셔너리 생성 # 종류와 개수 딕셔너리에 넣기 for item in clothes: category[item[1]] = category.get(item[1], 0) + 1 for key, value in category.items(): answer ..

문제 설명 https://school.programmers.co.kr/learn/courses/30/parts/12077 문제 분석 요소가 숫자로 이루어진 문자열이 들어간 배열(리스트)가 주어지는데, 특정 요소가 다른 요소의 접두어, 즉 문자열의 시작하는 부분부터 동일하게 존재하면 false를 반환하고, 존재하지 않으면 true를 반환하게 한다. 그렇다면 접두어로 작용하려면 다른 문자열의 길이보다 짧거나 같아야 한다. 그리고 첫번째 문자열이 서로 같아야 비교를 하는 것에 의미가 있기 때문에 정렬을 해줘야 할 것이다. (sort( )) 특정 인덱스에 해당하는 요소의 문자열과 그 다음 인덱스에 해당하는 요소의 값에서 이전 요소의 길이만큼 인덱싱한 것이 서로 같으면 접두어로 사용된다는 의미일 것이다. Pyth..

Face Recognition (얼굴 인식) 개념 및 이미지 전처리를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. 얼굴 감지 vs 얼굴 인식 지금까지 배운 것은 얼굴 감지 기능이었다. 이제부터 배울 것은 얼굴 인식 기능인데, 얼굴 감지와 얼굴 인식은 들었을 때 비슷한 느낌일 것 같다. 하지만 다르게 말하는 이유가 있듯이 두 기능의 목적이 다르다. 얼굴 감지의 목적은 얼굴을 식별하고 얼굴 주위로 경계 상자를 그리는 것이다. 주로 사용되는 곳은 얼굴에 초점을 맞춰야 하는 디지털 카메라에서 주로 사용한다. 얼굴 인식의 목적은 얼굴을 감지하는 것에서 끝나는 것이 아니라 해당 얼굴의 인물이 누구인지 파악하는 것이다. 얼굴 인식이 얼굴 감지의 다음 단계라고 생각하면 편하다. 일단 얼굴을 감지해..

히스토그램으로 특정 사물을 감지하는 HOG를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. HOG(Histograms of Oriented Gradients) 개념 이미지의 주변 픽셀을 고려해서 색의 변화가 가장 큰쪽으로 화살표를 그리는 '그래디언트 벡터'를 픽셀마다 적용한다. 주변 픽셀과 비교했을 때 색의 변화가 별로 없는 곳은 검정색으로 칠해진다. 순간적으로 색의 변화가 생기는 곳은 연결점이 생겨서 테두리 부분만 칠해진다. 그래디언트 벡터의 크기의 행렬에서 해당 픽셀과 그 픽셀의 차이를 통해 화살표를 정의한다. 2. 얼굴 감지 실습 2 - 1. 이미지, 얼굴 감지기 불러오기 import dlib image = cv2.imread('/content/drive/MyDrive/Colab..