Raspberry Pi 3와 Coral USB에서 초기 Edge TPU 예제를 실행할 때 모델, 라벨, 입력 경로, 장치 인식, BGR, RGB와 후처리를 점검하는 방법입니다.

COCO API로 카테고리에서 이미지와 annotation을 찾는 ID 흐름, instances, keypoints, captions의 차이와 빈 결과를 진단하는 순서를 정리합니다.

Deep SORT가 appearance feature gallery와 코사인 거리로 ID를 연결하는 원리, nn_budget, distance threshold 조정과 추적 실패 진단 순서를 설명합니다.

CenterNet이 anchor 없이 중심 heatmap, 크기, offset으로 box를 만드는 과정과 loss 역할, 중심 충돌, multi-scale 후처리, backbone 선택 기준을 설명합니다.

Django 북마크 앱의 settings, model, admin, URL, view, template 연결 순서를 따라가며 Admin에는 보이지만 웹 화면에 나오지 않는 원인을 진단합니다.

SORT의 Kalman 예측, IoU 비용행렬, Hungarian 매칭, track 생명주기를 설명하고, 빠른 box 추적이 가림과 재식별에서 실패하는 이유를 정리합니다.

칼만 필터가 예측과 센서 측정을 불확실성에 따라 결합하는 원리를 설명하고 Q, R, P, K 조정, 선형 모델의 한계와 단계별 진단 순서를 정리합니다.

YOLOv2가 anchor clustering, 좌표 제약, passthrough, multi-scale 학습으로 recall과 위치 정확도를 높인 원리와 남는 한계를 설명합니다.

NCS2용 YOLO 변환에서 FP16 IR, 416×416 입력, NHWC, NCHW, MYRIAD 설정을 단계별로 확인하고 변환 성공과 검출 성공을 구분합니다.

YOLOv1의 7×7×30 출력과 confidence, IoU, 다중 손실을 해설하고, 빠른 단일 검출기가 작은 물체와 위치 추정에서 실패하는 이유를 설명합니다.