Solbi Lee님의 블로그

1. AI Agent란 무엇인가?AI Agent는 환경을 지각(Perception) → 의사결정(Decision Making) → **행동(Action)**을 수행하는 지능형 주체단순한 입력-출력 프로그램이 아니라 데이터와 경험을 통해 학습하면서 상황에 적용한다. 최신 AI Agent는 다음과 같은 기술로 강화된다. 멀티모달 모델: 텍스트·이미지·음성 등 다양한 입력을 동시에 처리RAG(Retrieval-Augmented Generation): 외부 지식 검색 후 답변 생성MCP(Model Context Protocol): 외부 도구·DB·서비스와 표준화된 연결핵심 : 환경과 상호작용하면서 목표를 달성하는 인공지능 시스템 2. 핵심 구성 요소 탐구 RAG (Retrieval-Augmented Gen..

OpenCV 설치 확인 > 이미지를 메모리(ndarray)로 읽기/띄우기 > Matplolib와 색상 차이 (BGR / RGB) > 이미지 배열(shape/dtype)과 생성/편집 > 키보드 마우스 이벤트로 인터랙티브 드로잉 딥러닝 저처리, 시각화, 데이터 라벨링까지 기본기 바탕 "이미지를 숫자 배열" 이라는 감각 + 이벤트 루프" 이해가 핵심 0. 좌표계의 기본 개념 OpenCV에서는 왼쪽 위 모서리가 (0, 0) 입니다.(0,0) ────────────→ x축 (가로) │ │ │ │ ↓ y축 (세로)1. 이미지 크기 img = np.ones((500,500,3),dtype=np.uint8) * 255500 * 500 픽셀 크기의 흰색 이미지좌표 범위 : x는 0~499, y는 0~499 ..

프로젝트 목표AlexNet 이해: 2012년 ImageNet 대회에서 우승한 역사적인 CNN 모델 학습이진 분류 실습: 사람이 안경을 쓰고 있는지 안 쓰고 있는지 분류하는 모델 구현전체 플로우1단계 : 데이터 준비 및 탐색데이터 압축 해제 → 이미지 확인 → 데이터 분포 시각화 - Train/Val/Test 폴더별 glasses/noglasses 이미지 확인- 각 카테고리별 이미지 개수 막대그래프로 시각화2단계 : 데이터 전처리 이미지 크롭 → 리사이즈 → 데이터 증강 → 정규화 - 중앙 128x128 크롭으로 텍스트 레이블 제거- 227x227로 리사이즈 (AlexNet 입력 크기)- 수평 뒤집기, 회전, 색상 조정으로 데이터 증강- ImageFolder와 DataLoader로 배치 단위 로딩 3단계 ..

딥러닝 모델을 학습한 뒤에는, 나중에 다시 사용하거나 재학습을 이어가기 위해 저장(save) 과 불러오기(load) 과정을 거친다. PyTorch에서는 크게 두 가지 방법이 있다. 두 방법의 차이점과 장단점1. 가중치만 저장 (state_dict())장점 # 작은 파일 크기model_weights.pth # 약 2MB (가중치만)# 버전 호환성 좋음torch 1.8에서 저장 → torch 2.0에서 불러오기 가능# 모델 구조 변경 가능class NewCNN(nn.Module): # 클래스명 바껴도 OK def __init__(self): # 구조만 같으면 가중치 로드 가능단점 # 모델 클래스 정의 필수model = ConvNeuralNetwork() # 클래스가 없으면 에러!mod..

손글씨로 그린 세 가지 도형을 자동으로 분류하는 AI 모델 개발 도형 : 원, 삼각형, X 모양 전체 플로우 1단계 : 데이터 준비 및 전처리 데이터 다운로드 > 이미지 변환 > 데이터로더 생성 shape.zip 파일을 압축 해제 후 train/test 폴더로 분리 이미지를 28x28 크기로 리사이즈그레이스케일 변환 (흑백)색상 반전 (검은 배경에 흰 글씨로)정규화 처리 2단계 : CNN 모델 설계 입력층 > 합성곱층들 > 풀링층 > 드롭아웃 > 완전 연결층 > 출력층 (3개 도형 클래스) 2개의 합성곱 블록으로 구성 각 블록마다 Maxpooling과 Dropout 적용최종적으로 3개 클래스 분류 3단계 : 모델 학습 50 에포크동안 반복 학습 > 손실함수 최적화 > 정확도 측정 Adam 옵티..

CNN(합성곱 신경망)에서 stride란, 필터가 입력 이미지를 훑을 때 이동하는 보폭을 말한다. stride 값에 따라 출력 크기와 정보 처리 방식이 달라진다. 이번 글에서는 stride=2가 하는 역할을 MaxPooling과 비교하면서 정리해본다. 1. stride란 무엇인가?stride = 필터가 이동하는 보폭기본값은 보통 1이며, stride=2로 설정하면 필터가 두 칸씩 점프하면서 이동한다.2. stride=1 vs stride=2 비교stride=1 (기본값)입력: 6×6 이미지, 3×3 필터필터가 한 칸씩 이동출력: 4×4 (크기가 조금 줄어듦)stride=2입력: 6×6 이미지, 3×3 필터필터가 두 칸씩 점프출력: 2×2 (크기가 절반으로 줄어듦)즉, stride=2는 출력 크기를 절반으..

딥러닝 모델에서 자주 사용되는 ReLU(Rectified Linear Unit) 함수는, 음수를 모두 0으로 바꾸고 양수는 그대로 통과시킨다.그렇다면 왜 굳이 이렇게 해야 할까? 이번 글에서는 음수값이 발생하는 경우와 그 이유, 그리고 ReLU가 학습에 미치는 효과를 예시를 들어가며 정리해본다. 1. 음수값은 어떤 경우에 나올까?1-1. 패턴이 반대일 때CNN에서 사용하는 필터는 특정한 모양을 감지하는 역할을 한다. 예를 들어, 어떤 필터가 "둥근 원형" 패턴을 찾도록 학습되었을 때, 만약 입력 이미지가 "직선"이라면 어떻게 될까?circle_filter = [[1, 1, 1], [1, -5, 1], [1, 1, 1]]straight_li..

1. 자연어와 자연어 처리란? * 자연어 ( Natural Language )- 일상에서 쓰는 말과 글, 한국어, 영어, 일본어 등 모두 자연어 - 규칙적이면서도 예외가 많고, 문맥/늬앙스에 따라 의미가 달라지는 복잡성을 지님- 컴퓨터가 이해하기에는 너무 복잡하기 때문에 단순히 "문자열" 그 자체로는 활용하기 어려움 * 자연어 처리 (NLP, Natural Language Processing)- 컴퓨터가 인간의 언어를 이해하고, 분석하고, 생성할 수 있게 하는 기술 - 활용 분야 : 검색 엔진, 기계번역, 음성인식, 챗봇, 감정분석 - 핵심 포인트 :자연어 처리는 결국 "문자 > 숫자 > 의미 벡터"의 변환 과정이며, 이 과정을 통해 컴퓨터가 인간 언어를 계산 가능한 형태로 이해할 수 있게 만드는 것...

1. 예제 코드의 목적과 역할 분석 그래프 신경망 중에서도 가장 기본이 되는 GCN을 구현한 예제 해결하려는 문제 : - 노드 분류 : 논문 인용 네트워크에서 각 논문(노드)이 어떤 주제 분야에 속하는지 예측 - 반지도 학습 : 전체 노드 중 일부만 라벨이 있는 상황 실무적 가치 :- 추천 시스템 : 사용자-아이템 관계 그래프에서 사용자 선호도 예측- 소셜 네트워크 분석 : 사용자 그룹 분류, 영향력 분석- 분자 구조 분석: 화합물의 특성 예측- 지식 그래프: 엔티티 분류 및 관계 예측 2. 필수 라이브러리 분석 import torch : 모델 정의, 옵티마이저 설정, 텐서 조작torch.nn.functional as F - 함수형 API : F.relu(), F.log_softmax(), F.nll..

1. Object Detection 이미지나 영상에서 특정 객체의 존재 여부를 확인하고, 해당 객체의 위치를 바운딩 박스로 표시하는 기술. 이미지 내에서 여러 개의 객체를 동시에 탐지하고 분류할 수 있다. 주로 CNN 모델 활용 자율주행, 보안감시, 의료 영상 분석, 증강현실 등 분야에서 활용됨 2. 객체 탐지 방식의 분류 객체 탐지 방식은 크게 전통적 기법과 딥러닝 기반 기법으로 나눌 수 있다. 1. 전통적인 기법 이미지에서 특징 (Feature)을 추출해 객체를 탐지하는 방식 대표적으로 HOG+SVM, Haar Cascade, Selective Search 등이 있음 최근에는 딥러닝 기법 대비 성능이 떨어져 잘 사용되지 않음 2. 딥러닝 기반 기법 딥러닝 기법은 크게 Two-Stage와 One-S..