Study_log

이 친구는 암호화를 요한다....하....#암호화를 위한 함수를 정의합니다.def encrypt(target): hashSHA=hashlib.sha256() #SHA256 해시 객체 생성 hashSHA.update(str(target).encode('utf-8')) #해시 값 생성 암호화 대상이 숫자형인 경우에는 문자로 변경해야 한다. return hashSHA.hexdigest().upper() #해시값 반환 #IS 컬럼의 값을 암호화 합니다.ansan_data['IS']=ansan_data['IS'].apply(encrypt)

1. 데이터 불러오기import pandas as pdimport numpy as npdf = pd.read_csv("onenavi_train.csv", sep="|")df_eval = pd.read_csv("onenavi_evaluation.csv",sep="|")# 학습/평가 데이터의 전처리 기준을 통일하기위해 데이터 합본df_total=pd.concat([df,df_eval],ignore_index=True)2. 추가 변수 생성import pandas as pddf_pnu = pd.read_csv("onenavi_pnu.csv",sep="|") # 주소(시도/시군구 정보)df_signal = pd.read_csv("onenavi_signal.csv",sep="|") # 경로의 신호등 갯수df_pnu..

이런 식으로 html_code와 악성 사이트 의심 여부가 있다고 하자. Beautifulsoup를 사용해 html_code로부터 악성 사이트 여부를 알아내는 모델을 만들어 보자. 1. html 에서 길이 계산우리가 해야 하는 사항은 다음과 같다.- BeautifulSoup으로 html소스를 python 객체로 변환- 이걸 함수로 구현하기- float으로 return 받기import pandas as pdimport numpy as npfrom bs4 import BeautifulSoupfrom urllib.parse import urlparse# def html_script_characters(soup): # soup > script html_len = str(soup.script) # so..

푸~하! 담배 한 모금 하고 데이터 분석! (비흡연자입니다.)1. 데이터 분석# 라이브러리 로드import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns#경고 메시지 무시import warningswarnings.filterwarnings("ignore", category=FutureWarning)#데이터 로드odf = pd.read_csv('titanic.csv') #쥬피터 노트북과 같은 위치일 경우# odf = pd.read_csv('./data/titanic.csv') #.은 현재위치# odf = pd.read_csv('./data/titanic_sep.csv')# odf = pd.read_csv(..

* 이하 프로젝트는 인공지능 연합 동아리 deep daiv. 2024 팀의 프로젝트로, 팀원 이건, 이호균, 손보민, 황재령의 공동 작업물임을 알립니다.1. Introduction1-1. 들어가며잠깐! 혹시 안전모를 쓰지 않고 킥보드를 타고 계시진 않은가요? 인도에서 탄 적도 있으시다고요? 2021년 5월 13일부터 강화된 안전운행 규제에 따르면 킥보드의 경우,인도 주행 금지횡단보도 주행 금지안전모 필수 착용등의 의무사항이 적용됩니다. 하지만 이러한 규제에도 불구하고 킥보드 사고는 매년마다 증가하고 있는데요, 도로교통공단에 따르면 최근 5년간(’19~’23) 전동킥보드 사고 건수는 매년 증가하고 있고 작년에는 무려 사고 건수 2,389건, 사망자 24명을 기록했습니다.정부는 최고 속도 하향, 경찰력 배..

* 이하 프로젝트는 인공지능 연합 동아리 deep daiv. 2024 여름 기수 딥러닝 입문 팀의 첫 번째 프로젝트로, 팀원 이건, 이호균, 손보민, 황재령의 공동 작업물임을 알립니다. 주제 선정 배경스포츠 경기를 보면 팬들의 응원이 선수들에게 굉장히 큰 영향을 준다는 것을 알 수 있을 텐데요, 실제로 응원 소음은 선수의 심리적 스트레스를 감소시키고 경기 집중력을 향상시키는 데 중요한 역할을 합니다. 이번 2024 파리 올림픽에서도 관중들의 응원 소리에서 힘을 얻은 선수들이 많다고 합니다.올림픽에서는 각 나라마다 강세를 보이는 종목이 다르고, 그에 따라 관중들의 국적 비율도 달라집니다. 예를 들어 우리나라의 경우, 양궁이나 펜싱 경기에서 상대적으로 많은 한국인을 찾아 볼 수 있는 것처럼요. 저희는 이러..

필자는... 21살 수원역 어지러운 횡단보도 사이에서 무의식적으로 무단횡단을 시도하다 옆에 뻔히 서 있는 경찰에게 적발되어 범칙금 5만 원을 문 아픈 추억이 있다. 당시 범칙금을 내 마음 상태는 '앞으로 조심해야겠다가 아닌' 이 상태였는데, 성숙해진 필자는 현재 정말 한적한 밤 11시 부근에서 안전을 확인하고 종종 건너는 편을 제외하곤 왠만해서는 잘 지킨다. 2학기를 함께 하고 있는 학회 활동에서 교통 상황에서의 딥러닝 기법 적용을 구상 중이고, '무단횡단을 감지하는 모델을 만들어보면 어떨까?' 하는 기막힌 아이디어. 그래서 오늘은 일단 과거 조상들이 어떤 연구를 진행했는지 알아보기 위해 'Jaywalking Detection Deep Learning'이라 검색하면 상단에 나오는 논문 'Real-Time..

자율주행에서 논의가 많이 되는 보행자 탐지. 최신 연구를 찾다 LSFM 기법을 알게 됐고 어떤 모델이 사용되었는지를 중심으로 살펴보자. 전반적으로 요약하면, (요약만 보고 뭔 내용인지 이해했다면 밑에 내용은 읽을 필요 없고, 만약 이해가 안 됐다면 스크롤을 내리길 바란다.) 1. 현재 자율주행 시스템에서보행자 감지기는 추론 시간이 길고,작은 보행자나 가려진 보행자에 대한 성능이 저조한 두 가지 문제 존재 2. LSFM(Localized Semantic Feature Mixers)은 새로운 앵커 프리 보행자 감지 아키텍처.계산 비용이 많이 드는 특징 피라미드 네트워크(FPN) 대신 Super Pixel Pyramid Pooling 모듈을 사용MLPMixer 기반의 Dense Focal Detection N..

지난번에 이어, MoveNet으로 관절 Keypoint까지 인식하는 것에 성공했다. 우리의 목표를 다시 한번 상기해 보자면 더위, 추위를 인식하기. 사실 실효성이 있는 모델인지는 모르겠지만 모델을 학습하고 라이브러리 사용에 의의를 두자. 최종 목표는 4가지 동작을 인식하는 것이지만 데모 모델이기에 shivering과 fanning, 두 동작을 인식시키기로 결정했다. actions = ['cold_shiver', 'fanning'] # 학습할 두 가지 동작seq_length = 30 # 시퀀스 길이created_time = int(time.time())def process_frame(frame): img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) img = tf.image.r..

지난번 Mediapipe로 간단한 LSTM을 거쳐 동작을 인식하는 것까지는 성공했지만, 프로젝트의 최종 목표: 다수의 사람들 사이에서 동작을 인식하는 것은 실패로 돌아갔다. 단일 객체만 인식하는 Mediapipe는 Openpose와 호환이 되지 않았고, Openpose 또한 일반적인 노트북에서 구동하기 무거운 사양이기에 다른 라이브러리를 찾아봤다.  Multi detection이 가능하고, 가벼워야 한다. 이 조건을 모두 만족하는 모델, MoveNet을 사용하기로 결정. Google Research에서 TensorFlow.js로 개발한 경량화된 자세 추정 모델이다. 기본 설명을 하자면, MoveNet은 17개의 관절, 또는 신체 특이점(눈, 코 등)을 감지해 17개의 KeyPoint를 제공한다. 정확도에..