이번에 파이썬으로 이미지를 합성해야하는 일이 있었는데 계속 합성된 이미지의 테두리가 검정색으로 표현되는 오류가 있었다. 해결법은 매우 간단하여서 너무 허무... 처음 파이썬으로 이미지를 불러올 때, icon_path = "./img/crossing2.png" icon_shape = (50, 50) icon_img = cv2.imread(icon_path) 이 상태로 불러서 합성을 하니 다음과 같이 모서리가 검정색으로 표현되어 거슬리는 현상이 일어났다... 짜증나서 투명도라던가 다른 방법들을 구글로 몰색해보았지만 하나도 통하지 않았고, 뭐가 문제지...이러고 있었는데 다른 합성 코드들과 다른 점이 한 군데 있다는 것을 발견! 그것은... icon_img = cv2.imread(icon_path, cv2.I..

오늘은 Tistory 블로그를 OS 설정에 따라 다크모드로 바꾸어지게 만드는 과정을 설명하려고 한다. 맨처음에 필자도 구글에 검색하여 다크모드를 설정하려 하였으나 포트폴리오 형식의 다크모드 공개코드는 없어서 여러가지 서치하면서 바꾸었다. 블로그들이 다크모드 CSS 코드를 공개는 하지만 그 과정은 설명하는 곳이 많이 없어서 이렇게 적게 되었다. 자신이 만든 블로그에 CSS를 바꾸어 자기 입맛에 맞게 다크모드를 적용하려는 사람에게 유용할 것이다. 참고로 좀 노가다이다... 먼저 블로그에 설정->꾸미기->스킨 편집을 들어간 후, 오른쪽 상단 프로필 사진 밑에 html편집 란을 클릭한다. 그럼 요기서 CSS를 눌러주면 코드들이 주르르륵 보일 것이다. 이제 코드만 추가하면 된다! **CSS코드를 추가할 때 제일 ..

과적합은 머신러닝에서 많이 등장하는 문제 중 하나이다. 주로 데이터가 너무 적거나 모델이 과도하게 복잡한 경우에 발생하게 된다. Over-Fitting(과적합)에 대해서 더 자세히 알아보도록 하자! 1. Over-Fitting(과적합) 과적합이란, train-set에 너무 과하게 모델이 최적화된 상태를 말한다. 모델이 over-fitting되면, train-set에서는 정확도가 매우 높게 나오지만 test-set에서는 낮은 정확도가 나온다. 한마디로 범용성이 없는 모델이 된다. 간단한게 Regression모델을 예로 들어보겠다. 이러한 문제를 완화시키기 위해서 다음과 같은 방법을 적용할 수 있다. 데이터를 추가 수집한다. feature의 개수를 줄인다. Regularization Early Stoppin..

학습을 얼마나 잘하냐에 따라서 모델의 성능이 달라지니 매우 중요한 부분이라고 할 수 있다. 학습에서 가장 중요한 것은 다름아닌 데이터이다. 데이터가 곧 머신러닝이다 라고 말해도 과언이 아니다. **물론 적은 데이터나 불규칙한 데이터로도 학습이 가능하게 하는 연구도 있으나 데이터는 학습에 핵심이라는 것은 진리이다. 이번 글에서는 학습의 개념과 데이터와의 관계, 또 머신러닝에서의 데이터 세분화를 살펴볼 것이다. 1. 신경망 학습 신경망에서 학습이란, 간단하게 말해 최적의 가중치 매개변수를 찾는 과정이라고 할 수 있다. 분류문제를 예로 들어보자, 나는 강아지 이미지가 input으로 들어가면 0, 고양이 이미지는 1을 내보내주는 모델을 만들고 싶다. **input 이미지는 (width, height, 3)의 3..

인공지능을 처음 접했던 것은 대학교 4학년 수업에서였다. 시키는 일만 하는 코딩만 배우다, 스스로 배우는 프로그램이라니...충격이였다. (그래서 빠지게 된듯...) 이번에 올릴 게시글들은 내가 처음 인공지능을 공부할 당시에 github에 요약해놓았던 것들을 모아모아 쓸 것이다. 인공지능을 많이 배웠던, 이미 공부했던 사람이라면 매우 쉽게 느껴질 수 있으니 참고바란다. 1. Machine Learning 인공지능이란, 인간의 인지와 관련된 기능을 모사하는 SW/HW를 말한다. 말그대로 기계가 사람의 지능을 가지게 되어서 여러 Task를 해내는 것이다. 현재까지 엄청난 발전이 이루어져 왔지만, 아직까지 사람과 비슷한 지능을 가진 인공지능은 꿈만 같은 이야기다. Machine Learning에 대한 설명 중 ..