문제Given an integer array nums, find a subarray that has the largest product, and return the product. The test cases are generated so that the answer will fit in a 32-bit integer.예시Example 1:Input: nums = [2,3,-2,4] Output: 6 Explanation: [2,3] has the largest product 6.Example 2:Input: nums = [-2,0,-1] Output: 0 Explanation: The result cannot be 2, because [-2,-1] is not a subarray.조건1 -10 The p..

문제Given an integer array nums, find the subarray with the largest sum, and return its sum.예시Example 1:Input: nums = [-2,1,-3,4,-1,2,1,-5,4] Output: 6 Explanation: The subarray [4,-1,2,1] has the largest sum 6.Example 2:Input: nums = [1] Output: 1 Explanation: The subarray [1] has the largest sum 1.Example 3:Input: nums = [5,4,-1,7,8] Output: 23 Explanation: The subarray [5,4,-1,7,8] has the larg..

문제Given an integer array nums, return an array answer such that answer[i] is equal to the product of all the elements of nums except nums[i]. The product of any prefix or suffix of nums is guaranteed to fit in a 32-bit integer. You must write an algorithm that runs in O(n) time and without using the division operation.예시Example 1Input: nums = [1,2,3,4] Output: [24,12,8,6]Example 2Input: nums = [..

StyleGAN은 style transfer를 기반으로 인물의 구체적인 특징(style)을 구분하여 부분적으로 합성할 수 있게 해줍니다. 따라서 StyleGAN의 구조에 있어서 얼마나 style을 잘 잡아내는지, 그 style이 다른 style의 변화에 영향을 주지 않고 독립적인지를 따져보아야 합니다.1. 개요구조 설명에 앞서 몇 가지 용어를 알아야 합니다.1.1. Entanglement / disentanglement 앞서 말했듯이 styleGAN에서 중요한 점은 어떤 style이 다른 style에게 영향을 미쳐서는 안된다는 것입니다.만약 각각의 style들이 서로에게 영향을 주는 상태라면 이를 engtangled라고 부릅니다.반대로 각각의 style들이 독립적으로 존재한다면 disentangled라고..

일반적인 GAN의 경우 생성하는 위조 데이터를 원하는 속성의 데이터로 생성해낼 수 없다는 단점이 있습니다. 예를 들어 강아지 사진을 생성하는 GAN 모델의 경우, 무작위 강아지 사진을 생성할 수 는 있지만, 푸들이나 리트리버와 같이 특정한 견종을 지정하여 생성할 수 없습니다.  이를 개선하기 위해 GAN에 추가적인 조건(condition)을 제공하여 구체적인 속성의 데이터를 생성할 수 있게 해주는 조건적 적대 생성 신경망(Conditional Generative Adversarial Network, CGAN)이 개발되었습니다. [1] 1. 구조 CGAN은 원하는 조건을 나타내는 condition 변수를 가지고 있음을 제외하면 GAN과 동일한 구조를 가지고 있습니다.이 condition 변수는 상황에 따라..

적대적 생성 신경망(Genrative Adversarial Neural network, GAN) 혹은 적대적 생성 모델은 신경망의 응용 기술 중 하나로, 주로 주어진 상황에 맞는 위조 데이터를 만들어내는 데 사용됩니다. 예를 들어 GAN은 가짜 인물사진이나 문장을 만들어낼 수 있습니다.  GAN은 2014년 신경정보시스템처리학회에(NIPS)에서  Ian Goodfellow에 의해 처음으로 제시되었고, 이후로 여러 변형과 응용을 거치며 널리 쓰이게 되었습니다. 1. 개요 GAN은 크게 Generator(생성자)와 Discriminator(판별자) 두 개의 모델로 이루어져 있으며, 이들이 서로 적대적으로 경쟁하면서 각자의 성능을 향상시키게 됩니다. - Generator : 위조값을 생성합니다. Discrim..

다음 블로그의 글을 참고하였습니다.https://seokii.tistory.com/112 [OpenCV with Python] - 15. 인물 사진 9000장 얼굴 인식 해보고 잘라서 저장해보기코드 및 이미지 : https://github.com/Seokii/Study_OpenCV GitHub - Seokii/Study_OpenCV: study about OpenCV study about OpenCV. Contribute to Seokii/Study_OpenCV development by creating an account on GitHub. github.com https://seokii.tistory.com/111 [MLseokii.tistory.com* * *Goal.Opencv와 미리 학습된 모델을..

vscode를 기준으로 합니다.터미널 입력란에 다음 명령어를 입력합니다.1python -m pip install opencv-pythoncs 설치가 완료된 후 테스트 파일을 만들어 다음 코드를 입력한 뒤 실행합니다. 12import cv2print(cv2.__version__)  정상적으로 설치되었을 때 opencv의 버전정보가 출력됩니다.