Machine Learning , AI, Arduino Coding

11-1 알고리듬 특허 개론 참조: Can you patent an algorithm? https://www.goldsteinpatentlaw.com/can-you-patent-algorithm/ 새로운 소프트웨어 코드를 개발했고 알고리듬에 특허를 낼 수 있는가? 개발자들이 종종 자신이 창안한 알고리듬이 지적 재산권법에 따라 보호될 수 있는지 알고 싶어 하는 일반적인 질문일 것이다. 산업혁명 이후로 실물적으로 볼 수 있거나 느낄 수 있는 장치에 관한 특허가 대세이었지만 현대에 들어서는 추상적으로 보일 수도 있는 컴퓨터 코드 알고리듬도 매우 중요한 특허 대상으로 여겨진다. 알고리듬에 특허를 낼 수 있는지 알게 되면 놀랄지도 모른다. 그 답은 질문 자체가 생각만큼 간단한 것이 아니기 때문이다. 그 답을 알아..

9-7 YOLOv3 OpenCV 차선 감지 자율주행을 연구하고자 하는 초보자라 할지라도 YoLov3를 설치하여 pretrained 된 학습 웨이트 값을 사용하여 비데오 영상을 대상으로 반드시 객체 탐지를 실습해 볼 필요가 있으며 더 나아가 단편적으로 실습했던 OpenCV 비젼 코드에 의한 차선감지 코드를 작성하여 YoLov3 에 삽입하여 나름대로의 간단한 ADAS(Advanced Driving Assistance System) 수준의 코드를 작성해 보면 향 후 자율주행을 위한 인공지능 코드 개발에 자신감이 크게 들 것이라 본다. YoLov3 라이브러리에 numpy를 추가한다. 휴 변환에서 π 값을 np.pi 로 참조하기 위함이다. 이어지는 아래의 # 처리된 내용들은 사용자 PC에 GPU가 없으므로 배제하..

9-6 YOLO(You Once Look Only) Lane Detection http://ejleep1.tistory.com/1395 한편 컴퓨팅 속도 차원에서 타 알고리듬과는 비교할 수 없을 정도로 빠른 YOLO 알고리듬에 대해서 살펴 보기로 한다. 처음부터 속도를 중시했기 때문에 어쩌면 상업적인 자율주행을 목표로 개발이 이루어져 왔을 수도 있다. YOLOv3 를 사용하여 여러 종류의 짐승들을 포함하고 있는 이미지를 object detection 해보자. 탐지(Detection) 결과를 요약해 보면 말 3마리, 개 5마리는 정확하게 Bounding Box로 검출이 되었고 작은 크기의 고양이들은 놓친 결과를 보여준다. 물론 YOLOv3 가 나름 괜찮은 object detector 이긴 하지만 objec..

1. 컨볼루션 네트워크(CNN, Convolutional Neural Network) 위 그림은 1981년 노벨 의학상을 수상하게 되었던 하버드 의대의 후벨(Hubel) 박사의 1959년도에 실시된 고양이 시각피질(visual cortex) 반응 실험 연구내용이다. 즉 고양이의 시각피질에 전극을 꽂은 상태에서 흰색 배경의 흑백 TV에서 기울어진 검정색 막대 모양을 병진 또는 회전시키면서 자극을 주게되면 일어나는 전기적 반응을 오디오로 들으면서 기록하였다. 이와같이 동물이나 인간의 시지각 현상을 신경망화 한 모델이 바로 CNN 이며 1990년대 말에 이르러서여 LeCun 교수의 LeNet을 통해 MNIST 수기문자 판독을 위한 알고리듬으로 사용되어 그 뛰어난 특성이 알려졌다. CNN 은 레이어 별로 점차 ..

1959년에 고양이의 시각피질의 반응 연구로 시작된 닥터 Hubel 의 연구는 1998년 LeCUN 교수의 MNIST 수기문자판독 연구에서 그가 발명한 LeNet 의 실질적인 응용이 이루어졌다. 미국 우편 체계에서 편지를 보낼 경우 수발신 란에 수기로 작성되는 소속 주(state)와 숫자로 표시되는 주소를 의미한다. 손글씨로 쓴 0~9 까지의 숫자 7 만개를 28X28 즉 784개 흑백 픽셀 이미지로 채집하여 데이터세트를 구성하였다. 6 만개는 수기 숫자 학습용이며 나머지 1 만개는 학습된 가중치를 사용하여 학습이 잘되었는지 통계학적으로 컨펌(confirm) 해보는 또는 validation 즉 타당성을 체크 해보는 테스트용으로 사용한다. 손글씨 데이터는 분명히 0 ~ 9까지의 10종류의 데이터로 균등한 ..

참조: Highway Trajectory Planning Using Frenet Reference Path https://kr.mathworks.com/help/nav/ug/highway-trajectory-planning-using-frenet.html?searchHighlight=Frenet&s_tid=srchtitle_Frenet_1 고속도로 주행 시 자율주행 차량의 차선 변경에 대해서 살펴보자. 실제 주행도 어렵지만 몇 가지의 표준적인 주행 환경 시나리오를 설정해 놓은 상태에서 자율주행 차량이 차선 변경을 위한 최적의 조건을 찾아 보도록 한다. 시나리오에 따른 차선 환경은 게임 작성 소프트웨어로 잘 알려진 Unity 를 사용하여 구성되며 그중에 ego vehicle(자율주행 차량) 과 주변 차량들..