1. Q-LearningQ-Learning은 강화학습(한 유형의 기계 학습)에서 사용되는 오프라인 가치 기반 학습 알고리즘입니다. 이 알고리즘의 목표는 에이전트(로봇, 소프트웨어)가 주어진 환경에서 최적의 행동 정책을 학습하는 것입니다. 정책이란, 각 상태에서 어떤 행동을 취해야 가장 큰 보상을 받을 수 있는지에 대한 전략을 말합니다.기본 원리:Q 함수: Q-Learning은 Q 값이라는 함수를 학습하는데, Q 값은 상태(s)와 행동(a)의 쌍에 대해 해당 행동이 주는 기대 보상을 나타냅니다. 이를 통해 에이전트는 어떤 상태에서 어떤 행동이 가장 높은 보상을 받을지 학습하게 됩니다.Bellman Equation: Q 값은 아래의 벨만 방정식을 이용해 업데이트됩니다 α\alphaα: 학습 속도 (learn..

1. Deep Learning (딥러닝)딥러닝은 인공신경망(Artificial Neural Network)을 기반으로 하는 기계 학습의 한 분야로, 대량의 데이터로부터 패턴을 학습하고 예측 및 분류를 수행하는 기술입니다. 특히 컴퓨터 비전(Computer Vision) 분야에서 많이 사용되며, AI Bin Picking에서 중요한 역할을 합니다. Bin Picking에서 딥러닝 모델은 다양한 모양, 크기, 질감의 물체를 인식하고 분류하는 데 사용됩니다.적용 방식: 딥러닝 기반 객체 탐지 모델(예: YOLO, Faster R-CNN)을 사용하여 로봇이 물체의 위치와 모양을 인식합니다. 물체가 서로 겹쳐 있거나 불규칙한 모양이라도 딥러닝 모델은 이러한 복잡한 상황을 학습하고 정확히 물체를 인식할 수 있습니다..

outputyolov8 의 LPR (차량 번호 인식) 모델의 추론 속도 개선을 위한 TensorRT 변환 methodmodel = YOLO("path/to/your_model.pt") # load a custom trained model# Export the modelmodel.export(format="engine")# load exported model path ( = model_path_c_char)self.model_c_char = YOLO(param_dict['model_path_c_char'], task='classify')# test input.test_input3 = torch.zeros(1, 3, param_dict['imgsz_c_char'], param_dict['imgsz_c_ch..

outputyolov8 - ultralytics 를 사용가능한 Jetson Nano차량번호 인식 소프트웨어 (LPR) 를 위한 사전 세팅 methodJetpack4.6 설치 : https://github.com/Qengineering/Jetson-Nano-Ubuntu-20-imageubuntu 20.04python 3.8cuda 10.2cudnn 8.2.1opencv 4.8tensorrt 8.0.1.6pytorch 1.13.0Jetpack : 한번에 yolov8 사용가능한 환경 구성이 가능해 용이하다.작성일 기준으로 cuda 10.2 버전과 호환되는 pytorch 버전 범위가 협소하며, Jetson Nano 에서는 cuda 10.2 버전을 허용한다.Jetson Nano 접속 후,pip install ul..

precision recall graph 이해 : https://yoonheo91.tistory.com/9 Precision과 Recall에 관하여 안녕하세요. 오늘은 Precision과 Recall에 관하여 이야기해보려고 합니다. 생각날 때마다 찾아보고 또 까먹고를 반복했기 때문에 제대로 한 번 정리해보려고 합니다. Precision과 Recall은 한글로 정밀도 yoonheo91.tistory.com false negative → false 가 negative 를 수식함 = true label 을 의미함 precision & recall 에 대한 이해, 그림 설명 방식이 참신함 : https://blog.naver.com/PostView.nhn?blogId=wideeyed&logNo=221531940..

K-Means : https://needjarvis.tistory.com/719 K-means clustering Python으로 구현하기 K-means 자체에 대해서 아직 이해가 부족하신 분은 예전 포스팅에 자세히 적은 것이 있기 때문에 이전 포스팅을 먼저 보면 될 것 같으며 아래 링크를 확인하면 된다. 클러스터링(Clustering)을 통한 needjarvis.tistory.com euclidean distance 를 사용해 군집 내에서 거리의 최소값을 도출하는 것이 특징