KAU-Deeperent

모임 일자 : 4월 6일 월요일 학생회관 식당 2시 -모여서 다같이 코딩 -진행 방향에 대해 고민 1. 현재 파악한 문제 점 - 네트워크에 관한 공부보다 프로그램 전체적인 구조와 연결에 관한 진행이 더 길어지고 세부적으로 진행 됨 - 좀더 딥러닝과 네트워크에 대해 공부하고 직접 코드 구현을 해볼 수 있는 방향으로 바꾸 고자 함 2. 방향 전환 - 오픈 소스 코드로 테스트 한후 네트워크 선정 - 실시간으로 표정 인식을 해서 두가지 모드 상태에 따라, 모드에 맞는 감정이 나타날 경우 졌다고 판단 - 단계와 모드 선택시 랜덤으로 영상 재생 - 오픈 소스 코드로 테스트 하지 않고, 처음에 후보에 있었던 네트워크들 모두 직접 구현해서 테스트 해보기 3. 이번주 진행 - 후보에 있었던 모델 중 하나인 Xceptio..

발표자 : 김성훈 스터디 : 20.04.09 상암 탐앤탐스 DDPG 논문리딩 강화학습에서 커리큘럼 순서상 여러가지 기준을 세워 나눈다면 다음과 같다, 1단계는 Model based 방법으로 모든 MDP의 정보가 알려져 있을 때 모든 정보를 한번에 업데이트하는 DP에 대한 방법들이다. 2단계는 unknown MDP. 즉 model free 방법으로 finite state, finite action을 대상으로하는 policy iteration과 value interation 까지 배우게 된다. 마지막으로 state의 개수가 무한한 경우를 처리하기 위하여 인공신경망을 접목한 것부터 시작하여, low dimension action을 처리하는 DQN, high dimension action까지 확장한 Policy..

회의 날짜 : 2020.04.02 목요일 회의 장소 : 온라인(구글 행아웃) 참여자: 성광현 송근영 윤나라 황선경 박형준 활동 내용 1. 영상 수집: 구글 드라이브 사용 2. 감정별(공포,웃음) 수집된 영상의 단계(Level 1, 2, 3) 결정 - 팀원들과 영상 시청 후 결정 3. 동영상 리스트에서 랜덤으로 영상을 불러오는 코드 작성 - 난이도를 선택하면 랜덤으로 해당되는 난이도의 영상을 불러오도록 함 다음 활동 계획 프로그램 코드 구체화 - 랜덤으로 불러온 영상을 시청했을 때 참여자의 감정을 인식 - 해당 감정의 표출 정도가 일정 기준값을 넘기면 자동으로 종료

1.Android App에서 이미지를 불러와 Face-detect를 실행 -참고 https://codelabs.developers.google.com/codelabs/face-detection/index.html#0 Face Detection with the Mobile Vision API With the release of Google Play services 7.8, you can now use new Mobile Vision APIs which provide new Face Detection APIs that find human faces in image and video better and faster than before, and which offer smart services such as u..

출석관리팀 작성자:김정민 플라스크를 이용한 웹서버를 구축할 수 있으나 지속적으로 웹서버를 돌려줘야 해서 클라우드 컴퓨팅을 이용해서 웹 서버를 구축해보기로 하였고 AWS를 이용할 수 있으나 비용 청구 부분에서 무리가 있을 수 있다고 판단하여 구글 클라우드 컴퓨팅을 이용하여 도메인 연결까지 성공했습니다. 도메인 등록은 24시간이 지나야 정상 이용가능하여 기다리고 있습니다.

작성자 : 한준희 회의 : 2020. 03. 27(행아웃 온라인 회의) 저희 팀의 최종 목표는 얼굴인식 출결관리 시스템을 만들어서 웹을 통해 간단하게 실행시키는 것이었기에, 웹 사이트를 만들기 위한 웹 프레임워크인 'Flask' 에 대해 공부해보고 간단한 웹 페이지를 구성해봤습니다. 우선 웹 프레임워크란, 웹 서비스 개발을 위한 프레임워크입니다. 파이썬을 이용한 이용한 웹 프레임워크로는 대표적으로 'Django' 와 'Flask' 가 있습니다. python 기반 web application framework 중 가장 많이 사용되고 있는 것은 Django인데 그 이유는 개발하기 위해 필요한 귀찮은 작업들을 거의 대부분 Framework 레벨에서 지원해주고, 사용자가 가장 많은 만큼 커뮤니티가 가장 크기 때..

작성자: 김종헌 회의: 2020-03-26 (상암 탐앤탐스) Actor-Critic은 그 명칭에 걸맞도록 Actor와 Critic에 해당하는 학습의 대상이 각각 하나씩 총 2개의 학습 시킬 대상이 있다. Action-value function의 parameter인 w를 업데이트하는 것을 Actor의 영역, policy parameter인 θ를 업데이트하는 것을 Critic의 영역으로 생각할 수 있다. 위 식과 같이 π가 학습되면 그에 상응하는 평가를 Q가 내리고 결국 Q가 학습되어 π는 그 값을 통해 학습할 수 있다. 이같이 평가와 개선을 아래 모형같이 반복하게 된다. Monte-Carlo, TD, TD(lambda)등 원하는 policy evaluation을 통해 Q를 학습시키고, policy-grad..

회의 날짜 : 2020.03.25 회의 장소 : 구글 행아웃 Project Progress 1. 프로그램 세부화 - 프로그램 서비스 룰 세부화 1) 3단계 도전 형식(Level 1,2,3,) 2) 공포, 웃김 2가지 영상테마로 한정 3) 감정 표출 인식 시 자동종료 실행 - 고민사항 1) 단계별 웃음 인식의 기준 값을 어떻게 지정할 것인가? 2) 컴퓨터가 참여자와 보여주고 있는 영상간의 데이터 기준을 받아올 때 영상에서 처리하는지, 아니면 감정인식에 처리할 것인지에 대한 코드 방법이 필요 2. 모델 시뮬레이션 : ppt 참고 3. 영상 수집 : 보여줄 영상 수집 중 계획 1. 프로그램 코드 구현 세부화 2. 영상 수집 3. 프로그램 테스트

작성자: 정성헌 강화학습의 전반적인 이해를 돕기 위해 용어 정리와 쓰임에 대해 설명한다. 수식이 나오는 원리, 적용되는 원리와 같은 수학적인 부분보다는 개념적인 부분에 대해 설명한다. 강화학습의 목표는 episode가 끝날때 까지 reward를 받는양이 최대가 되는 policy(행동규칙)을 만드는 것이 목표다. 강화학습의 개념에 들어가기 앞서 필요 용어부터 정리해야한다. • Observation : Environment에서 받아서 State를 설명할 수 있는 정보 O_t • Action : State를 보고 Agent가 Policy를 따라 선택하여 행하는 행위 A_t • Reward : action에 대한 scaler feedback sign R_t • State : O_t, A_t, R_t 들이 모여 ..

작성자: 윤나라 Keras에는 사용할수 있도록 백본 네트워크들이 구현되어 있습니다. MobileNet도 v1, v2모두 구현되어 있고, Xception, VGG, ResNet등 다양한 모델이 있어서 예측, feature extraction, fine tuning 등에 사용할 수 있습니다. 이를 사용하여 표정을 분류할 수 있도록 작동하는 네트워크를 학습하는 코드를 리뷰하고 돌려보았습니다. 우선 keras 모듈에서 MobileNet 백본 및 사용할 레이어 등을 import 해줍니다. MobileNet은 224x224 이미지에서 작동하도록 설계되었으므로 그를 명시해주고, MobileNet 백본 객체를 하나 선언합니다. imagenet으로 pretrain된 가중치를 가진 것을 가져오도록 했습니다. include..