(python) raw image 읽기

trainig data의 라벨링이 끝났으면 이제 Network를 training해보자. ResNet-50기반의 YOLOv2를 이용한 Multi Object Detector를 구성하고 훈련시킬 예정이다.

참고

1. Training Data labeling

Machine Learning의 방법론 중 하나인 Deep Learning에서, 지도학습(Supervised Learning)을 하기 위해선, 주어지는 데이터에 대해 Label이 필요하다. 지도학습이란, 기계에게 사진을 보여주고 이 사진에 대한 정답을 함께 알려주는 식으로 학습하는 것으로, Label은 여기서 ‘정답’에 해당하는 것이다. 그러니까, 정답을 잘못알려주면 즉 Label을 정확히 하지 못한다면 모델의 성능이 떨어질 수 있으므로 정확한 Label이 중요하다. 기계를 학습시키는 데에 사용하는 Training data에 labeling한 것을 학습에 활용하고, 학습을 마치면 Test data를 이용해 학습이 잘 되었는지 평가하게 된다. 따라서, 학습의 첫 단계는 Training data에 정확한 labeling을 하는 것이라 할 수 있겠다.

Training Data를 학습시키기 위해 KITTI의 left color images of object data set를 사용한다. image dataset을 다운로드받고 training labels of object data set을 다운로드 한다.

1. Visual SLAM

1.1 SLAM기술이란?

동시적 위치추적 및 지도 작성기술(Simultaneous localization and mapping)

• Mapping : 미지의 영역에 대해 환경지도를 작성.
• Localization : 작성된 지도상에서 자신의 위치가 어딘지 추정. 자기 위치가 어딘지 알아야 새롭게 탐사한 영역에 대한 정보를 현재 지도에 정확히 붙일 수 있음.