첫 업로드 시 다른 브랜치를 만들지 않고 default 브랜치를 선택할 필요가 있다. master, main의 디폴트 값이 있는데, 이전에는 Github 레포지토리를 생성하면 기본 branch가 master로 할당되었으나 Black Lives Matter 운동과 관련하여 주종을 뜻하는 단어를 지양하게 되며 main이 새로운 default branch 명으로 사용되고 있습니다. $git branch -M main 메인 브랜치를 지정해줍니다👍

상황 깃헙에 push를 하고 싶은데 ! [rejected] main -> main (non-fast-forward) 오류가 발생했다. 원인 원인은 .gitignore 파일 또는 README.md 파일로 인해 발생한다고 한다. 해결 방법 해결 방법은 push하려고하는 브랜치 이름 앞에 + 를 붙여 push 하면 된다. $ git push origin +master

복습! 블랙박스 테스트란? 그 안에 무엇이 들어있는지 모르는 상태! 즉, 외부에서 기능만 아는 상태이다. 이런 기능에 대한 명세를 할때 테스트 하고 그 안에 프로그램이 어떻게 구성되어있는지는 모름 = 사용자 입장에서 테스트 (명세기반) 화이트박스 테스트란? ⭐⭐⭐ 기능의 제목만 알려주고 프로그램의 원시코드를 보고 의도 하지 않은 기능이 있는지 테스트 하는 방식, 코드를 보고 테스트 하는 것으로 정적인 테스트라고 할 수 있다. (구조기반) 소스코드의 제어흐름/자료흐름/조건을 보고 프로그램의 결함이 있는지 식별한다. *동적인 테스트와 정적인 테스트? 동적 : 실행 ,컴파일이 완료 돼서 실행 코드를 이용해 실행하는 단계 정적 : 실행 전 단계, 컴파일 단계까지 제어흐름 노드의 내용은 기본블록이다. 노드는 박스..

소프트웨어 공학의 기본 과정 정리 🤔 요구사항 분석 → 설계 → 구현 → 테스트 → 배포 유지보수 구현과 테스트를 반복을 많이함 테스트는 통합테스트와 인수테스트, 단위테스트 (구현자의 몫) 알고리즘 → 구현 → 단위 테스트 의 반복은 불필요한 코딩도 적지 않다. 일단 해놓고 테스트!? 이 방법 보다는 테스트 대상을 잡고 테스트 코드 작성 → 제품 코드 작성 (구현) 소프트웨어의 구체적이고 귀납적인 특징을 이용하여 구현하면 가장 효율적인 형태가 된다. 이를 테스트 주도 개발이라고 한다.(TDD) 블랙박스 테스트 ⭐⭐⭐⭐⭐ 하나의 인자에 대해서 분할을 하면 어떤 값을 취헤도 같은 성질을 가지고 있다. 각각의 대표가 되는 값 하나를 선택해서 테스트 케이스를 넣어 실행했을때 오류가 없으면 나머지도 오류가 없다...

영상으로부터 사람의 포즈, 관절정보를 추정하는 알고리즘 # MPI protoFile = "pose_deploy_linevec_faster_4_stages.prototxt" #신경망의 구조 weightsFile = "pose_iter_160000.caffemodel" #실제 학습 weight net = cv2.dnn.readNetFromCaffe(protoFile, weightsFile) Caffe라는 신경망 프레임워크를 사용! readNetFromCaffe : 카페로부터 학습되어 있는 weight를 읽어서 출력해주는 함수 frame = cv2.imread("single.jpeg") #이미지를 읽는다. frameCopy = np.copy(frame) #복사본을 만든다. frameWidth = frame.s..

Darknet이라는 네트워크는 객체 검출만을 위한 네트워크가 아닌 신경망처럼 일반적인 네트워크를 구성하기 위한 방법론이다. 전용함수가 있는 것이 아니라 신경망 출력함수만 있어 충분한 이해와 해석이 필요하다. 객체 검출 import cv2 import numpy as np from matplotlib import pyplot as plt modelConfiguration = "yolov3.cfg" modelWeights = "yolov3.weights" net = cv2.dnn.readNetFromDarknet(modelConfiguration, modelWeights) net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV) net.setPreferableTarget..

import numpy as np from matplotlib import pyplot as plt import json #json 파일 디코딩 #사전의 학습해 놓은 모델들 import keras from keras.applications.vgg16 import VGG16, decode_predictions from keras.applications.resnet50 import ResNet50 from keras.applications.inception_v3 import InceptionV3 from keras.preprocessing.image import load_img from keras.preprocessing.image import img_to_array #파이썬 표준 이미지 라이브러리 , 이미..

import cv2, numpy as np from matplotlib import pyplot as plt from sklearn.datasets import fetch_olivetti_faces from keras.models import Sequential from keras.layers import Dense, MaxPooling2D, Flatten, Activation from keras.layers.convolutional import Convolution2D from sklearn.model_selection import train_test_split import keras.utils as utils import cv2 import keras import io import tensorflow..