오랜만에 다시 공부하는 파이썬이라.. 하나도 기억이 안난다 🥲 문제설명영어 알파벳으로 이루어진 문자열 str이 주어집니다. 각 알파벳을 대문자는 소문자로 소문자는 대문자로 변환해서 출력하는 코드를 작성해 보세요. 입출력 예입출력 예입력 #1aBcDeFg출력 #1AbCdEfG 내 풀이upper(),lower()밖에 생각이 나지 않아서 if문으로 풀었다str = input()for i in str: if i.islower(): print(i.upper(),end='') else: print(i.lower(),end='') 다른 풀이str = input()print(str.swapcase()) 파이썬은 없는게 없는거같다. swapcase()를 사용하면, 대문자는 소문자..
전체 글
1. 대소문 변환- str.upper(): 모든 문자 대문자 변환- str.lower(): 모든 문자 소문자 변환- str.captialize(): 첫 글자만 대문자, 나머지 소문자-str. title(): 각 단어의 첫글자를 대문자 변환-str.swapcase(): 대->소, 소->대s = "hello world"print(s.upper()) # HELLO WORLDprint(s.capitalize()) # Hello worldprint(s.title()) # Hello World 2.문자열 검사- str.isalpha(): 모든 문자가 알파벳인지 확인- str.isdigit(): 모든 문자사 숫자인지 확인- str.isalnum(): 모든 문자가 알파벳 또는 숫자인지 확인..
1. COCO Keypoints Dataset*COCO (Common Objects in Context)**는 인간의 17개의 주요 keypoint를 제공하는 데이터셋으로, 인체의 자세를 분석하는 데 널리 사용되고있으며, 80개의 classes 존재한다.Keypoint 구성:총 17개의 keypoint로 구성머리: 코, 왼쪽 눈, 오른쪽 눈, 왼쪽 귀, 오른쪽 귀상체: 어깨(좌/우), 팔꿈치(좌/우), 손목(좌/우)하체: 엉덩이(좌/우), 무릎(좌/우), 발목(좌/우)장점:대규모 데이터셋으로 잘 정제되어 있어 높은 신뢰성다양한 오픈소스 모델 지원 (예: OpenPose, Detectron2)단점:COCO는 군중 데이터가 많아 다중 인식에서 유리하지만 단일 자세 분석에는 과적합 위험있음coco datase..
2주차에는, 데이터 정리와 keypoint 추출을 위한 코드 작성을 진행하였다. 1. 데이터 정리positive(쓰러진 사진) 880장을 추출하였으며, 해당 사진에서는 1명의 사람만 등장한다.neagtive(서있는 사진) negative사진으로는 upright 자세인 사진만 사용하였다.해당 사진에는 사람 여러명이 포함되어있다. 2, 키포인트 추출 human pose estimation은 크게 두가지 방식으로 접근할 수 있는데, 첫번째는 Top-down방식이고, 두번째는 Bottom-up 방식이다. 1) Top-down methodhuman detection을 먼저 수행하고, 주어진 human bounding box 내부에서 pose estimation을 수행하는 two stages 방식을 사용한다.장..
먼저 쓰러짐을 감지하기 위해 필요한 것은 무엇일까? 바로 쓰러진 사람의 Keypoint값들이다. 이를 위해 1주차에는 Fall Dataset을 조사하였다. 1. Fall Detection Dataset_le2i집,커피룸,사무실,강의실 네 곳에서 쓰러진 동영상 제공, 형식 320*240 25FPS 고품질데이터이다.https://www.kaggle.com/datasets/tuyenldvn/falldataset-imvia Le2i Fall Dataset www.kaggle.com누가 친절하게 kaggle에 데이터 셋을 올려두었다 참고해보자. 우리 프로젝트는 실시간 쓰러짐 인식 연구여서, 동영상으로 학습 시킬 필요가 없었다.해당 데이터셋의 동영상 파일은, 모두 쓰러지고 끝나는 동영상이라쓰러진 사진만 추출하기 위..
1. 프로젝트 개요 SKHU VENTURE는 2024-1학기 인공지능 캡스톤 디자인 수업의 일환으로 진행된 프로젝트입니다. 본 프로젝트는 예비 학생 및 국제학부 신입생들의 원활한 학교생활 적응을 돕기 위한 캠퍼스 탐방 어플리케이션을 제공니다. 특히, 프로젝트의 인공지능 개발 부문은 학사 논문으로 발전되어 관련 학술지에 투고되는 성과를 이루었습니다.https://github.com/SKHU-Adventure SKHU VENTURESKHU VENTURE has 4 repositories available. Follow their code on GitHub.github.com2. 프로젝트 진행 과정 프로젝트는 2024년 3월부터 교내 경진대회가 개최된 10월까지 약 8개월간 진행되었습니다. 효율적인 프로젝트..
작년 겨울방학에 이어, 2024년 겨울방학에도, 학교 학부생 인턴 활동을 진행하게 되었다.작년에는 개인팀으로 여러 팀이 진행되었는데, 이번 연구는 8명이 한팀을 이뤄 한 주제에 대해 공부하는 활동이였기 때문에,관심을 가지고 지원하게 되었다. 주제는 CCTV 영상 기반 작업자 위험사항 실시간 모니터링 기술 개발 및 실증으로, 추후 논문과 학술대회까지 참가하는 프로젝트이다. 해당 프로젝트에서 파트가 크게 4가지로 나뉘는데1. PM2. Person Detection& Pose Estimation3. Fall detection4. Multiple Object Tracking5.DashBoard 해당 파트에서 난 Fall Detection을 맡았다.쓰러짐을 학습시켜야한다는 내용이 흥미롭기도 했고, 그냥 재미있..
6.1.2 Stepwise Selection best subset selection은 변수의 수(p)가 매우 클 때는 적용하기 어렵다. 또한 , 변수의 수가 클때는 통계적 문제가 발생할 수 있다.이런 문제점의 대안으로 stepwise 방법이 있다.(1) Forward Stepwise Selection Forward Stepwise Selection은 변수 선택 방법 중 하나로, 빈 모델에서 시작하여 한 번에 하나씩 변수를 추가해나가는 방식이다. 이는 모든 가능한 변수 조합을 고려하는 Best Subset Selection의 계산적으로 효율적인 대안으로 개발되었습니다 forward stepwise selection 알고리즘(1) Null Model M0에서 시작(2) k = 0,1,2... , p-1까지..
3장: 종속변수 Y가 수치형데이터 일때 이를 예측하기 위해 최소제곱법을 사용하는 선형회귀를 다룸4장: 종속변수 Y가 범주형데이터인 경우를 다룸⇒ Y가 양적,질적도 아닌경우는? 선형회귀나 분류 사용 ❌ 4.6.1 Linear Regression on the Bikeshare Datahttps://www.kaggle.com/c/bike-sharing-demand/이 데이터의 종속변수는 'bikers'로, 워싱턴 DC의 자전거 공유 프로그램의 시간당 이용자 수⇒ 질적 변수도, 양적 데이터도 아니다. 0이상의 정수값, 즉 '건수(count)'를 나타낸다변수 설명mnth월, 1년 중 몇 월인지hr시간, 0-23시workingday평일 여부를 나타내는 지시변수로, 주말이나 공휴일이 아니면 1temp섭씨 온도를 정규..
선형판별분석(LDA)과 이차판별분석(QDA)은 통계학과 머신러닝에서 널리 사용되는 분류 기법이다.두 방법 모두 베이즈 정리를 기반으로 하며, 각 클래스의 관측치가 가우시안 분포를 따른다고 가정한다.그러나 LDA는 공분산 구조의 차이가 심하게 난다면 실행할 수 없다. 💡 베이즈 정리란?베이즈 정리는 새로운 정보를 토대로 어떤 사건이 발생했다는 주장에 대한 신뢰도를 갱신해 나가는 방법,사전 확률과 조건부 확률을 토대로 사후 확률을 추론하는 과정이다.4.4.3 QDA독립변수 x가 실수이고, 확률분포가 다변량 정규분포라고 가정, => 클래스별로 다른 공분산 구조를 갖는다. 1. 각 클래스의 관측치는 다변량 가우시안 분포를 따른다.2. 각 클래스마다 고유한 공분산 행렬(Σk) 사용한다.3. 각 클래스별로 고유한..
회귀 vs 분류3장에서 배웠던 선형회귀는 '수치'를 예측하는 방법이었다. (이때 반응 변수를 양적이라고 부른다.)ex) - 집값 예측: 3억..4억.. - 판매량 예측: 100개..200개 하지만 실제로는 숫자가 아닌 종류를 예측해야 하는 경우가 많다. ex) 이메일이 스팸인지 아닌지 환자의 질병 유무 이 처럼 결과가 '범주' 또는 '클래스'로 나누어지는 경우를 우리는 분류문제라고 하며위와 같은 질적 반응변수들을 예측하는 것이 classification이라고 부르는 분류 방법이다. 이때 사용되는 분류기법으로는 logistic regression, linear discriminant analysis, K-nearest neighbors 가 대표적인 예이다. 4.1 An Overview of Cla..
1. 컴파일러(compiler) VS 인터프리터(interpreter) - 컴파일러(compiler) 컴파일러는 고급 프로래밍 언어로 작성된 소스 코드를 컴퓨터가 이해 할 수 있는 기계어 코드로 변환하는 소프트웨어이다. 이 과정을 통해 작성된 프로그램은 컴퓨터 하드웨어에서 직접 실행될 수 있다. 일반적으로 소스코드의 분석, 최적화, 그리고 기계어 코드 생성의 세 단계로 이루어진다. 컴파일 과정이 완료된 후, 생성된 기계어 코드(실행파일)은 저장되어 언제든지 실행 될 수 있다. 📌 컴파일러의 주요 기능 ① 소스 코드 분석: 컴파일러는 먼저 소스코드를 읽고 구문을 분석하여 코드의 구조를 이해한다. 이 과정에서 컴파일러는 코드내의 변수, 함수, 클래스 등의 요소와 그 관계를 파악한다. ② 최적화:컴파일러는 코..