Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

나의 우분투 이야기

209 views

Published on

2018.11.10 - Ubuntu Fest, Daejeon (우분투 페스트, 대전)

나의 우분투 이야기 - 강천성(Kaggle Korea)

https://fest.ubuntu-kr.org
http://event.ubuntu-kr.org/2018/10/01/ubuntu-fest.html

Published in: Software
  • Be the first to comment

  • Be the first to like this

나의 우분투 이야기

  1. 1. Kaggle Korea 나의 우분투 이야기
  2. 2. Kaggle Korea 소개 • 충남대학교 컴퓨터공학과 4학년 재학 • 캐글 코리아 운영진 • 대전 IT 대학생 Meet-Up 운영진 • ‘탈’ 컴공을 꿈꾸고 있는 데이터 과학자 • TMT with TMI E-mail : kcs93023@me.com
  3. 3. Kaggle Korea 오늘 무슨 이야기 하나요?
  4. 4. Kaggle Korea 나의 삼촌 이름은 ㅇ..
  5. 5. Kaggle Korea 우분투를 처음 만났을 때
  6. 6. Kaggle Korea 첫 전공?
  7. 7. Kaggle Korea 사과 그리고 컴공 Feat. 스벅
  8. 8. Kaggle Korea
  9. 9. Kaggle Korea 리눅스가 무서워요
  10. 10. Kaggle Korea 왜 리눅스?
  11. 11. Kaggle Korea 일단 꽁짜
  12. 12. Kaggle Korea 내사랑 apt-get
  13. 13. Kaggle Korea Nvidia 최적화 → Gpu Server
  14. 14. Kaggle Korea Godgle
  15. 15. Kaggle Korea 게임을 할 수 없어요
  16. 16. Kaggle Korea 리눅스 얼마나 아세요?
  17. 17. Kaggle Korea
  18. 18. Kaggle Korea apt-get ssh sftp wget grep
  19. 19. Kaggle Korea PUBG 배틀 그라운드 총기 소리 분류 네트워크 조심해 뚝배기 날아간다.
  20. 20. Kaggle Korea
  21. 21. Kaggle Korea • # of Class - 6(AWM, Kar98, M24, MK14, Mini, SKS) • # of Amount - 2909 • Train : Test : Validation 6 : 3 : 1 • Data Format - 16bits PCM, Mono, Wav, Each 1.5s #2 Data Set - PUGB SR GunSound
  22. 22. Kaggle Korea • STFT를 통해 소리 신호를 이미지화 #3 Data Analysis - Spectrogram
  23. 23. Kaggle Korea • 거리가 멀어짐에 따라 총소리의 고주파 성분이 날아가는 감쇠가 존재 • 하지만 저주파 성분은 거리가 멀어져도 성분의 감쇠가 적음 #3 Data Analysis - Spectrogram AWM - 50M AWM - 200M
  24. 24. Kaggle Korea #4 Preprocessing • 15000Hz 이상의 주파수가 총기소리를 분류하는데 많은 영향을 끼치지 않을 것이라고 판단 • 네트워크의 연산량을 줄이기 위해 15000Hz 이상의 주파수 대역을 데이터에서 제거 Less Informative Area
  25. 25. Kaggle Korea #4 Preprocessing AWM - 50M AWM - 200M • 15000Hz 이상의 주파수 대역을 제거한 스펙트로그램
  26. 26. Kaggle Korea #5 CNN Network - 1 • NN 3 Layer Input : Spectrogram Image, Min-max Normalization Activation Function : Relu Optimizer : Adam Learning Rate = 0.001
  27. 27. Kaggle Korea #5 CNN Network - 1 • Train & Error
  28. 28. Kaggle Korea #5 CNN Network - 1 • Train Loss & Accracy
  29. 29. Kaggle Korea #5 CNN Network - 1 • 학습이 잘 되지 않는다. • 그런데 나름대로 볼트 액션(SR)과 지정 사수 소총(DMR)로 분류는 했다. DMR SR
  30. 30. Kaggle Korea #5 CNN Network - 2 • Conv - Pooling - NN 3 Layer Input : Spectrogram Image, Min-max Normalization Activation Function : Relu Optimizer : Adam Learning Rate = 0.001
  31. 31. Kaggle Korea #5 CNN Network - 2 • Train & Error
  32. 32. Kaggle Korea #5 CNN Network - 2 • Train Loss & Accracy
  33. 33. Kaggle Korea #5 CNN Network - 2 • 일부분의 총기가 분류되기 시작함. DMR SR
  34. 34. Kaggle Korea #5 CNN Network - 3 • Conv - Conv - Conv - Pooling - NN 3 Layer Input : Spectrogram Image, Min-max Normalization Activation Function : Relu Optimizer : Adam Learning Rate = 0.001
  35. 35. Kaggle Korea #5 CNN Network - 2 • Train & Error
  36. 36. Kaggle Korea #5 CNN Network - 2 • Train Loss & Accracy
  37. 37. Kaggle Korea #5 CNN Network - 2 • 대부분의 총기가 분류됨 DMR SR
  38. 38. Kaggle Korea 끝

×