공부와 취미 사이 그 어딘가

서로 다른 두 LiDAR를 사용하여 얻은 포인트클라우드 데이터를 이용하여 Object Tracking을 진행하려던 찰나, 서로 다른 LiDAR 센서를 사용하다보니 2개의 Topic으로 포인트클라우드 데이터를 수신하는 점이 번거로웠다. 두 센서로 받는 2개의 포인트클라우드 Topic을 1개의 Topic으로 합쳐 다시 Publish 하는 과정과 코드에 대해 본 글에서는 다뤄보려 한다. 해당 과정을 다음과 같은 환경에서 진행되었다. Ubuntu 18.04 / ROS-melodic 환경 VLP-16 라이다 센서 Livox Horizon 라이다 센서 1. Topic 합쳐서 다시 Publish하기 일반적으로 ROS 환경에서 라이다 센서를 통한 포인트 클라우드 데이터는 driver 패키지를 통해서 publish된 T..

지난 글에서 손실함수에 대해 다루며 최적화(Optimization)에 대해 잠깐 언급했었다. 이번 글에서는 최적화 알고리즘 중 많이 사용되는 경사하강법(Gradient Descent)에 대해 알아보려한다. 1. 경사하강법(Gradient Descent) 이란? : 최적화(Optimization) 알고리즘 중 하나로, 함수의 기울기(경사)를 구하고 경사의 절댓값이 낮은 쪽으로 계속 이동시켜 극값에 이를 때까지 반복시켜 최적화하는 과정을 말한다. 반대 개념으로는 경사상승법(Gradient Ascent)이 있다. 많이 드는 예시로 산에서 하산하는 예시를 든다. 산에서 하산할 때, 가장 빠른 방법은 기울기가 급한 길로 내려오는 것이다. 우리는 보통 함수의 최소값을 찾을 때, 미분 계수를 이용하는 방법을 사용하지..

손실함수(Loss Function)는 기계학습 최적화의 기초적이고 기본적인 개념이다. 종종 다른 명칭으로 목적함수(Objective Function) 또는 비용함수(Cost Function)의 개념으로 표현되기도 한다. 머신러닝, 딥러닝을 이해함에 있어서 중요한 기본적 개념인 손실함수에 대해 알아보자. 1. 손실함수(Loss Function)란? : 손실함수는 머신러닝의 한 분야인 지도학습(Supervised Learning)을 진행함에 있어, 모델이 예측한 값과 실제값 사이의 차이를 비교하는 함수이다. 지도학습을 진행함에 있어서 "잘못 예측한 값" 만큼을 계산하는 역할을 가진 함수로 최소화하여 모델을 최적화(Optimization)하는 것을 목표로 가진다. 이와 같은 이유로 손실함수를 목적함수(Obje..

문제설명 더보기 Softeer Softeer 연습문제를 담을 Set을 선택해주세요. 취소 확인 www.softeer.ai 정답 코드 import sys n, k = map(int, sys.stdin.readline().split()) colors = [[] for _ in range(k+1)] for _ in range(n): x, y, k = map(int, sys.stdin.readline().split()) colors[k].append([x, y]) #list에 x,y좌표들 저장 def dfs(num, min_x, max_x, min_y, max_y): global minArea #전역변수 설정 if num > k: if minArea > (max_x-min_x) * (max_y-min_y): m..