#computer-vision

LayoutLM의 발전 과정과 시각적으로 풍부한 문서 이해를 위한 다양한 버전별 특징 및 성능 분석

AI 개발자 채용 면접을 위한 핵심 AI 지식 정리 - Text Embedding, LLM, Semantic Segmentation, MVC 패턴

AI/ML 프로젝트 포트폴리오 종합 정리 - 대회 참가, 새싹 과정, Men-in-Black 프로젝트

ZoeDepth: Zero-shot Transfer by Combining Relative and Metric Depth 논문 정리

MiDaS v3 Depth Estimation 모델 논문 정리 - Men in Black 프로젝트 적용

블랙박스 영상에서 교통 법규 위반 차량을 자동으로 감지하고 신고하는 AI 시스템 프로젝트

블랙박스 영상에서 도로 교통 법규 위반 차량을 자동으로 감지하는 AI 시스템 개발 프로젝트

SAM을 비디오에 적용한 Track Anything Model(TAM)의 특징과 활용 방안을 정리한 글이다.

컴퓨터 비전에서 객체 탐지(Object Detection)와 위치 찾기(Localization) 개념 및 Region Proposal 방식에 대해 설명한 글이다.

딥러닝 기반 컴퓨터 비전의 객체 탐지(Object Detection)와 세그멘테이션(Segmentation)에 대한 기본 개념과 발전 과정을 정리한 글이다.

객체 탐지는 Region Proposal → Feature Extraction → NMS 세 단계 파이프라인으로 구성된다. R-CNN에서 시작해 Fast R-CNN, Faster R-CNN(RPN), SSD, YOLO로 발전하며 속도와 정확도를 개선했다. 성능 지표는 mAP(클래스별 AP의 평균)를 사용한다.