함수들에 대한 그래프 시각화

선형 함수에 대한 정의와 그래프 시각화는 다음 코드와 같다.

결과는 다음과 같다.

기울기와 y절편을 고려한 선형 함수의 정의는 다음과 같다.

결과는 다음과 같다.

계단함수에 대한 정의는 다음과 같다.

결과는 다음과 같다.

로지스틱(Logistic) 또는 시그모이드(Sigmoid)라고 불리는 함수 정의는 다음과 같다.

결과는 다음과 같다.

TanH 함수 정의 다음과 같다.

그래프는 다음과 같다.

ArcTan 함수 정의는 다음과 같다.

그래프는 다음과 같다.

Soft Sign 함수는 다음과 같다.

그래프는 다음과 같다.

ReLU(Rectified Linear Unit) 함수는 다음과 같다.

결과는 다음과 같다.

Leaky ReLU 함수는 다음과 같다.

결과는 다음과 같다.

ELU(Exponential Linear Unit) 함수는 다음과 같다.

결과는 다음과 같다.

TreLU 함수는 다음과 같다.

결과는 다음과 같다.

SoftPlus 함수는 다음과 같다.

결과는 다음과 같다.

Bent identity 함수는 다음과 같다.

결과는 다음과 같다.

Gaussian 함수는 다음과 같다.

결과는 다음과 같다.

사람의 눈, 코, 귀 그리고 팔과 다리를 검출하는 Person Keypoints Detection

이미지에 대한 Detection의 한 종류로 Person Keypoints Detection이 있습니다. 이 Detection은 사람의 눈, 코, 귀 그리고 팔과 다리를 검출합니다. 아래처럼요.

머신러닝 라이브리 중에 하나인, PyTorch에서는 Person Keypoints Detection을 위한 모델에 대해서 이미 잘 학습된 데이터를 제공합니다. 이 글은 미리 학습된 데이터를 활용하여 이미지에서 사람의 눈, 코, 귀와 팔 그리고 다리를 검출하는 코드를 살펴봅니다.

아울러 이 글에서는 matplotlib에서 그래프나 이미지를 단순히 표시하는 것에서 원하는 도형을 원하는 위치에 표시하는 API도 파악할 수 있습니다.

먼저 필요한 패키지를 import 합니다.

미리학습된 데이터를 활용하여 Person Keypoints Detection을 위한 모델을 가져오는데, 머신러닝은 대규모의 행렬연산에 최적화된 GPU에서 수행하는 것이 제맛이므로 GPU 연산을 통해 신경망 모델을 로드합니다.

이미지를 불러오고 이미지의 크기를 줄입니다. GPU의 메모리가 충분하다면 이미지를 원본 크기 그대로 사용해도 되지만, 이미지를 가로로 800px로 줄여줍니다. 메모리를 덜 사용하는 것도 있고, 속도도 크게 향상되겠죠.

검출을 수행합니다. 이를 위해 먼저 입력 이미지를 텐서로 변환해야합니다.

out 변수에 사람에 대한 눈, 코, 귀 그리고 팔과 다리에 대한 정보가 담겨 있습니다. 이 변수를 이용해 이미지 상에 해당 정보를 시각화 합니다.

어제 휴일이라 일찍 잠들었더니, 새벽 3시에 일어났습니다. 글을 작성하던 중에 새벽 4시 조금 넘어서 마켓컬리 배송이 왔네요. 시간을 초월한 마켓컬리의 배송.. 고생이 많으십니당..