고양이 두 잔

목차 부드러움과 반응성은 동시에 가질 수 없다: 지터-지연 트레이드오프와 Accel로 떨림 측정하기 | 삼각측량 후처리 (1)파라미터 두 개로 실시간을 잡는다: One Euro, Savitzky-Golay, 영위상 Butterworth | 삼각측량 후처리 (2)등속 가정이 무너질 때: Kalman 상태추정과 IK 뼈길이 제약 | 삼각측량 후처리 (3)삼각측량이 다 잡았다면, 필터는 정말 값을 했는가: 학습형 SmoothNet과 파이프라인 배치 | 삼각측량 후처리 (4) 들어가며1부부터 3부까지 떨림의 측정과 여러 후처리 필터, 그리고 Kalman과 IK를 살펴봤다. 그런데 이 시리즈의 배경에는 한 가지 물음이 계속 깔려 있었다. 여러 대의 카메라로 삼각측량까지 마쳤다면, 그 뒤의 후처리 필터는 정말 값을..

목차 부드러움과 반응성은 동시에 가질 수 없다: 지터-지연 트레이드오프와 Accel로 떨림 측정하기 | 삼각측량 후처리 (1)파라미터 두 개로 실시간을 잡는다: One Euro, Savitzky-Golay, 영위상 Butterworth | 삼각측량 후처리 (2)등속 가정이 무너질 때: Kalman 상태추정과 IK 뼈길이 제약 | 삼각측량 후처리 (3)삼각측량이 다 잡았다면, 필터는 정말 값을 했는가: 학습형 SmoothNet과 파이프라인 배치 | 삼각측량 후처리 (4) 들어가며1부는 떨림의 원인과 측정을, 2부는 One Euro와 Savitzky-Golay, 영위상 Butterworth를 다뤘다. 이 필터들은 신호 자체만 보고 잡음을 누르는 방식이었다. 3부는 성격이 다른 두 도구, 즉 운동 모델을 세우..

목차 부드러움과 반응성은 동시에 가질 수 없다: 지터-지연 트레이드오프와 Accel로 떨림 측정하기 | 삼각측량 후처리 (1)파라미터 두 개로 실시간을 잡는다: One Euro, Savitzky-Golay, 영위상 Butterworth | 삼각측량 후처리 (2)등속 가정이 무너질 때: Kalman 상태추정과 IK 뼈길이 제약 | 삼각측량 후처리 (3)삼각측량이 다 잡았다면, 필터는 정말 값을 했는가: 학습형 SmoothNet과 파이프라인 배치 | 삼각측량 후처리 (4) 들어가며1부에서는 떨림이 왜 생기는지, 떨림과 지연이 어떤 관계인지, 어떻게 수치로 재는지를 다뤘다. 또한 이동평균과 지수이동평균, 미디언 필터가 고정된 설정값이라는 한계를 가진다는 점도 확인했다. 2부는 이 한계를 넘는 실전 필터 세 가..

목차 부드러움과 반응성은 동시에 가질 수 없다: 지터-지연 트레이드오프와 Accel로 떨림 측정하기 | 삼각측량 후처리 (1)파라미터 두 개로 실시간을 잡는다: One Euro, Savitzky-Golay, 영위상 Butterworth | 삼각측량 후처리 (2)등속 가정이 무너질 때: Kalman 상태추정과 IK 뼈길이 제약 | 삼각측량 후처리 (3)삼각측량이 다 잡았다면, 필터는 정말 값을 했는가: 학습형 SmoothNet과 파이프라인 배치 | 삼각측량 후처리 (4) 들어가며드리블하는 선수를 여러 대의 카메라로 찍어 3차원 좌표로 복원하면, 관절의 궤적이 매끄럽게 이어지지 않고 프레임마다 미세하게 튄다. 이렇게 실제 움직임 위에 얹혀 잘게 진동하는 오차를 지터(jitter) 또는 떨림이라고 부른다. 특..

목차 크론탭으로도 되는데, 왜 에어플로우인가 | 에어플로우 · MWAA 입문 (1)함수에 데코레이터 하나, 그게 DAG였다 | 에어플로우 · MWAA 입문 (2)서버는 안 만졌는데, 파이프라인이 돈다 | 에어플로우 · MWAA 입문 (3) 들어가며이 글은 에어플로우로 만든 파이프라인을 아마존 MWAA(Managed Workflows for Apache Airflow, 아마존의 관리형 에어플로우 서비스)로 운영하는 방법을 다룬다. 1부와 2부에서는 에어플로우의 개념과 DAG 작성법을 살펴보았다. 그러나 실제 서비스에서는 에어플로우를 실행할 서버를 계속 운영해야 한다. 이 운영 부담을 덜어 주는 것이 관리형 서비스인 MWAA다. 이번 편은 MWAA가 무엇을 대신 맡는지, 그리고 파이프라인을 어떻게 배포하는지..

목차 크론탭으로도 되는데, 왜 에어플로우인가 | 에어플로우 · MWAA 입문 (1)함수에 데코레이터 하나, 그게 DAG였다 | 에어플로우 · MWAA 입문 (2)서버는 안 만졌는데, 파이프라인이 돈다 | 에어플로우 · MWAA 입문 (3) 들어가며이 글은 에어플로우에서 DAG(Directed Acyclic Graph, 방향성 비순환 그래프)를 실제로 작성하는 방법을 다룬다. 1부에서는 크론의 한계와 에어플로우의 핵심 개념을 살펴보았다. 이번에는 그 개념을 코드로 옮겨 파이프라인을 직접 만들어 본다. 작성 방식은 데코레이터(decorator, 함수 위에 붙여 기능을 더하는 파이썬 문법)를 사용하는 TaskFlow API를 중심으로 한다. TaskFlow API는 에어플로우 2.0에서 도입된, 함수를 그대로..

목차 크론탭으로도 되는데, 왜 에어플로우인가 | 에어플로우 · MWAA 입문 (1)함수에 데코레이터 하나, 그게 DAG였다 | 에어플로우 · MWAA 입문 (2)서버는 안 만졌는데, 파이프라인이 돈다 | 에어플로우 · MWAA 입문 (3) 들어가며데이터 파이프라인은 여러 작업을 정해진 순서대로 실행하는 흐름이다. 많은 개발자는 처음에 크론(cron, 유닉스 계열 운영체제의 시간 기반 작업 예약 도구)으로 이 흐름을 자동화한다. 크론은 간단한 작업을 정해진 시각에 돌리는 데에는 충분하다. 그러나 작업이 서로 얽히고 그 수가 늘어나면 크론만으로는 관리가 어려워진다. 이 글은 크론의 한계에서 출발해 아파치 에어플로우(Apache Airflow)가 왜 필요한지 설명한다. 또한 이어지는 편에서 다룰 아마존 MWA..

목차 프로덕션 모델을 라벨러로: 자동 라벨링과 데이터 누수 차단 | RF-DETR 파인튜닝 (1)model.train() 한 줄 뒤: AdamW와 손실함수, 헝가리안 매칭 | RF-DETR 파인튜닝 (2)ONNX 변환과 FP16 붕괴, 배포의 함정 | RF-DETR 파인튜닝 (3)91클래스 vs 2클래스, 파인튜닝은 정말 나았는가 | RF-DETR 파인튜닝 (추가)들어가며1부에서 데이터를 만들고, 2부에서 파인튜닝을 했으며, 3부에서 모델을 배포했다. 이번 별도 편은 한 가지 질문에 답한다. 기존 COCO 91 클래스 모델을 2 클래스로 파인튜닝한 것이 정말 나은 선택이었는가. 이 질문은 코드가 아니라 측정 수치로만 답할 수 있다. 그래서 이 글은 기존 모델과 파인튜닝 모델을 동일한 조건에서 비교한 실측..

목차 프로덕션 모델을 라벨러로: 자동 라벨링과 데이터 누수 차단 | RF-DETR 파인튜닝 (1)model.train() 한 줄 뒤: AdamW와 손실함수, 헝가리안 매칭 | RF-DETR 파인튜닝 (2)ONNX 변환과 FP16 붕괴, 배포의 함정 | RF-DETR 파인튜닝 (3)91클래스 vs 2클래스, 파인튜닝은 정말 나았는가 | RF-DETR 파인튜닝 (추가)들어가며1부에서는 데이터셋을 만들었고, 2부에서는 그 데이터로 RF-DETR(Roboflow Detection Transformer) 모델을 파인튜닝했다. 이번 글은 학습이 끝난 모델을 실제 서비스에 배포하는 과정을 다룬다. 학습은 끝이 아니며, 모델을 내보내고 배포하는 단계에는 고유한 함정이 있다. 학습 환경과 서비스 환경이 서로 다르기 때문..

목차 프로덕션 모델을 라벨러로: 자동 라벨링과 데이터 누수 차단 | RF-DETR 파인튜닝 (1)model.train() 한 줄 뒤: AdamW와 손실함수, 헝가리안 매칭 | RF-DETR 파인튜닝 (2)ONNX 변환과 FP16 붕괴, 배포의 함정 | RF-DETR 파인튜닝 (3)91클래스 vs 2클래스, 파인튜닝은 정말 나았는가 | RF-DETR 파인튜닝 (추가)들어가며1부에서는 프로덕션 모델을 자동 라벨러로 재활용하고 선수 단위로 분할해 누수 없는 학습 데이터셋을 만들었다. 이번 글은 그 데이터로 실제 학습이 어떻게 진행되는지를 다룬다. 내 train.py의 핵심은 사실상 두 줄로, 모델을 생성하고 학습을 호출하는 것이 전부다. 옵티마이저(최적화기)와 손실함수와 매칭 같은 실제 학습 알고리즘은 내 코..