모두의연구소 딥러닝연구실 DeepLAB에서 진행중인 논문세미나 발표자료입니다.


논문제목 : Learning Deconvolution Network for Semantic Segmentation

http://arxiv.org/pdf/1505.04366v1.pdf )

발표자 : 김지성 연구원님

날짜 : 2016년 2월 1일

내용요약 : 지난 논문 세미나에 이어 이번에도 semantic segmentation 에 관한 논문입니다. 다들 semantic segmentation에 관해 많은 관심을 보이시네요.

지난번 이동헌 연구원님이 발표하신 Fully Convolutional Networks for Semantic Segmentation 에서는 segmentation 된 image ( heat map)의 resolution을 높이기 위해서, pool 3, 4, 5 layer (즉, 덜 pooling된 layer)의 값들을 mix해서 만들었었습니다. 본 논문에서는 분석에 사용된 CNN정확히 동일한 구조의 mirror된 deconvolution Network를 뒷단에 붙여서 heat map을 만들어냅니다. 그리고 이 mirror 된 deconv. Network는 pooling layer대신 unpooling layer가 사용됩니다. 이 unpooling을 위해 conv. net의 maxpooling 할 때의 선택된 pixel 위치값을 일일이 저장하고 있다가, 그 정보를 활용해서 unpooling을 한다는 것이 논문의 핵심입니다.





모두의연구소 페이지와 커뮤니티 그룹에 오시면 더 많은 정보를 만나보실 수 있습니다.

모두의연구소 페이지 https://www.facebook.com/lab4all

모두의연구소 커뮤니티 그룹 : https://www.facebook.com/groups/modulabs



저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
  1. 2017.03.20 20:07

    비밀댓글입니다



모두의연구소 딥러닝연구실 DeepLAB에서 진행중인 논문세미나 발표자료입니다.


논문제목 : Fully Convolutional Networks for Semantic Segmentation

http://arxiv.org/pdf/1411.4038.pdf )

발표자 : 이동헌 연구원님

날짜 : 2016년 1월 25일

내용요약 : object를 detect하고  rectangular 영역으로 표시하는게 아닌, pixel 단위로 classification하는 semantic segmenatation에 관련된 논문입니다. 본 논문에서는 

fully connected layer의 출력을 class 값이 아닌 pixel heat map이 나오도록 합니다. 이 heat map을 만들기 위해 convolutional layer의 아랫단쪽 - 즉, pool 3, 4, 5 layer의 값을 upsampling 하여 적절히 mix해서 만듭니다.  마지막 conv. layer의 값만을 사용해서 heat map을 만들면 pooling이 너무 많이 된 값을 이용하기 때문에, heat map의 resolution이 나빠지게 됩니다. 따라서, heat map의 resolution을 높이기 위해서 pool 3, 4, 5 layer의 값들도 함께 적절히 mix하여 heat map을 만들어냅니다.




모두의연구소 페이지와 커뮤니티 그룹에 오시면 더 많은 정보를 만나보실 수 있습니다.

모두의연구소 페이지 https://www.facebook.com/lab4all

모두의연구소 커뮤니티 그룹 : https://www.facebook.com/groups/modulabs




























저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License



모두의연구소 딥러닝연구실 DeepLAB 의 박은수 연구원님이 정리한

Caffe 설치하는 방법입니다.


모두의연구소 페이지와 커뮤니티 그룹에 오시면 더 많은 정보를 만나보실 수 있습니다.

모두의연구소 페이지 https://www.facebook.com/lab4all

모두의연구소 커뮤니티 그룹 : https://www.facebook.com/groups/modulabs




      전체적인 프로세스는 공식 메뉴얼을 참고로 진행하고 있다

      http://caffe.berkeleyvision.org/installation.html#prerequisites

      http://caffe.berkeleyvision.org/install_apt.html : 여기 있는게 더 확실한 접근 법인 것 같다. 따라서 이걸 위주로 실행하도록 한다

      설치환경

      OS : Ubuntu 14.04 LTS

      GPU : NVIDIA Geforce 970 

      General Dependencies (http://caffe.berkeleyvision.org/install_apt.html)

      sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

      sudo apt-get install --no-install-recommends libboost-all-dev

      결과 : E: Unable to correct problems, you have held broken packages 가 떴다. 실패했다는 의미다

      따라서 해결책을 보니 다음과 같은 것이 있어서 실행해 본다

      Option 1 : sudo apt-get upgrade

      그 다음 다시 설치해보자 : 해결이 안됐다

      Option 2 : synaptic을 설치하란 얘기가 있다. 이거 한번 해보자

      sudo apt-get install synaptic

      이거 깔고 위에것 수행 함 -> 똑같은 에러메세지가 나왔다 .. 이미 깔려있어서 그런 것인가?

      Option 3 : apt-get이 아니라 aptitude로 설치하란 이야기들이 있다. 해보자

      1) sudo apt-get install aptitude : aptitude 설치

      2) sudo aptitude install --no-install-recommends libboost-all-dev

      aptitude는 위의 옵션을 인식하지 못한다

      저 옵션을 지우고 그냥 sudo apt-get install libboost-all-dev 해보자

      설치는 됐다.. 그러나 이게 맞는 것인지는 잘 모르겠다. 암튼 옵션을 지우고 전부다 설치해 버린 느낌이다

       Prerequisites (http://caffe.berkeleyvision.org/install_apt.html)

      CUDA

      일단 지금 깔려있는 버젼부터 확인해 보자

      커맨드 창에다가 아래 명령어를 입력하면 버젼이 나온다

      nvcc --version

      확인 결과 7.5가 설치되어 있음을 확인했다

      설치가 안되어 있으면 cuda를 설치하라

      참고https://github.com/facebook/fbcunn/blob/master/INSTALL.md

      Torch 설치를 위한 메뉴얼인데 여기서 CUDA cuDNN설치에 관하여 나와있다

      파일명을 잘 보고 맞춰서 설치하기 바란다

      나의 경우 이 방법으로 CUDA cuDNN을 설치했음

      BLAS

      sudo apt-get install libatlas-base-dev : ATLAS를 설치했다

      Python

      아나콘다가 설치되어 있기 때문에 패스하도록 해보자 (나의 경우)

      아나콘다 설치가 안되어 있다면 

      https://www.continuum.io/downloads

      여기 들어가서 2.7 버젼으로 설치한다

      Remaining dependencies, 14.04

      sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

      OpenCV 3.0

      아래의 것을 기초로 진행할 예정 

      http://www.bogotobogo.com/OpenCV/opencv_3_tutorial_ubuntu14_install_cmake.php

      위에껄로 설치했더니 OpenCV 3.1이 설치되어 버렸고, 하란대로 했더니 사진을 띄울 수 있었다

      Compilation ( http://installing-caffe-the-right-way.wikidot.com/start)

      이제 홈 디렉토리로 간다음에 caffe를 클론하도록 하자

      git clone https://github.com/BVLC/caffe.git

      cd caffe

      그 후 Makefile.config를 수정해야 한다

      cp Makefile.config.example Makefile.config

      수정은 나의 환경에 맞게 진행해야 한다. 이 부분은 여길 참조했다http://installing-caffe-the-right-way.wikidot.com/start (얘네들의 설정은 MAC에 적합해 보인다)

      Makefile.config에 대한 보다 자세한 설명은 아래를 참조하면 좋다

      https://github.com/BVLC/caffe/pull/1667

      내가 주석제거한 Makefile.config 부분 (아나콘다의 파이썬을 이용하는 방향으로 설정했다)

      USE_CUDNN := 1

      OPENCV_VERSION := 3

      MATLAB_DIR := /usr/local (난 우분투에 매틀랩을 설치했기 때문에)

      ANACONDA_HOME := $(HOME)/anacondaPYTHON_INCLUDE := $(ANACONDA_HOME)/include \$(ANACONDA_HOME)/include/python2.7 \$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \

      PYTHON_LIB := $(ANACONDA_HOME)/lib

      WITH_PYTHON_LAYER := 1

      USE_PKG_CONFIG := 1

      Compile 

      make clean

      make all

      make test

      make runtest

      여기서 에러가 발생 했음

      .build_release/tools/caffe: error while loading shared libraries: libhdf5_hl.so.10: cannot open shared object file: No such file or directory

      해결 방법은? /.bashrc 하단에 아나콘다 패스와 cdua path를 추가해줘라

      export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/home/park/anaconda/lib"

      위에것 하고 실행하면 test가 동작함을 확인했음

      파이썬을 위해서 (이것도 실행했음)

      make pycaffe (Caffe 홈 디렉토리에서 실행했음)

      ~/.bashrc 맨 뒷 부분에 caffe python path를 추가함

      export PYTHONPATH=/home/park/caffe/python:$PYTHONPATH

      distribute도 실행함

      make distribute (Caffe 홈 디렉토리에서 실행했음)

      import caffe 성공함 (참조 : http://installing-caffe-the-right-way.wikidot.com/start)

      맨 아래 부분 Done 위에 있는거 실행했다는 뜻임 ..

 

이제 Tutorial 을 진행해보도록 하자~~~!!!

http://caffe.berkeleyvision.org/gathered/examples/mnist.html




저작자 표시 비영리 변경 금지
신고
크리에이티브 커먼즈 라이선스
Creative Commons License
  1. osom8979@gmail.com 2016.03.10 13:15 신고

    GTX 970은 메모리 문제가 있습니다. 아래 내용을 참조하세요.

    http://timdettmers.com/2014/08/14/which-gpu-for-deep-learning/

  2. 행인1 2016.11.18 10:22 신고

    해결 방법은? /.bashrc 하단에 아나콘다 패스와 cdua path를 추가해줘라
    -> 해결 방법은? ~/.bashrc 하단에 아나콘다 패스와 cuda path를 추가해줘라

  3. Seung 2017.01.08 09:47 신고

    정보 감사합니다.
    그런데 블로그 데이터가 copy가 안되네요.

+ Recent posts