🌻J2: Data science/AI 공부 공간

본문 바로가기

728x90

AE AutoEncoder 입력이 들어왔을 때, 해당 입력 데이터를 최대한 압축 시킨 후, 압축 시킨 데이터를 본래의 입력 형태로 복원시키는 신경망 압축하는 부분을 encoder 복원하는 부분을 decoder 압축과정에서 추출한 의미있는 데이터를 latent vector AutoEncoder의 수식과 학습 방법 수식 Input Data를 Encoder Network에 통과시켜 압축된 z값을 얻음 압축된 z vector로부터 Input Data와 같은 크기의 출력 값을 생성 이때 Loss값은 입력값 x와 Decoder를 통과한 y값의 차이 학습 방법 Decoder Network를 통과한 Output layer의 출력 값은 Input값의 크기와 같아야 함(같은 이미지를 복원한다고 생각하면 됨) 이때 학습을 위해서.. 2023. 7. 6.

SPPNet 1. Intro 기존에서는 고정된 크기의 이미지를 input으로 받았음 왜? : FC layer에서 고정길이 벡터만 받을 수 있기 때문 문제점? : 크기가 다 다른 이미지를 한 사이즈로 통일해버리기 때문에 이미지의 왜곡이나, 아래 사진과 같이 잘리거나 이미지가 고장남. 하지만? : 사실 FC layer에 들어가기 전까지는 사이즈가 제각각 이어도 괜찮음 그래서? : 이번 논문에서는 이러한 문제점을 보완한 “Saptial Pyramid Pooling layer”를 설명. ※ CNN이 고정된 입력 크기를 필요로 하는 이유 CNN은 Convolutional layer + fc layer로 이루어져 있음 이때 conv의 경우, sliding window 방식으로 이동하기 때문에 이미지 크기를 신경쓰지 않아도 모든.. 2023. 7. 6.

Faster R-CNN 0. R-CNN 입력 이미지에 Selective Search 알고리즘을 적용하여 bounding box(region proposal) 2000개를 추출. 추출된 bounding box를 warp(resize)하여 CNN에 입력. fine tunning 되어 있는 pre-trained CNN을 사용하여 bounding box의 4096차원의 특징 벡터를 추출. 추출된 특징 벡터를 SVM을 이용하여 class를 분류. bounding box regression을 적용하여 bounding box의 위치를 조정. non maximum supression을 진행 ⇒ 이 친구의 문제점: 1) 개느림 2) 들어갈 때 이미지 크기를 고정시키기 때문에 이미지 왜곡됨 0. SPPNet R-CNN의 단점을 해결하기 위해 나.. 2023. 7. 6.

YOLO: You Only Look Once: Unified, Real-Time Object Detection 1. Intro What is objection Detection? object classification: 하나의 이미지를 보고 그것이 개인지 고양인지를 판단 object localization: 하나의 이미지 내에서 개는 어디에 위치하는지 판단 → output: x,y,w,h object detection: 하나의 이미지 내에서 서로 다른 object를 각각 찾아내는 것 ex) DPM, R-CNN one-stage vs two-stage detector one stage: localization+classification을 동시에 수행ex) conv를 통과한 후, 각 grid cell 마다 classification결과와 bounding box regression을 통해 결과 도출 two stage:.. 2023. 7. 6.

Fast R-CNN 0. Fast R-CNN 그래서 나온 친구가 fast R-CNN Selective Search input image를 가지고 selective search 진행 image 안에 객체가 있을법한 후보군들을 최대 ex) 2000개 선정함 ROI 영역 추출⇒ 이 때 2000개의 영역을 다 사용하지 않음(Hierarohical sampling)이라고 함ex) input image가 2개고, region이 128로 잡았다면 64개의 영역만 후보 영역으로 가져감 ⇒ 한 미니 배치 당의 이미지만큼 나눠준 애들만 사용한다 CNN input image 한 장을 그냥 CNN 구조에 넣어버림 (conv+pooling의 반복 구간) CNN 계층 반복하다가 마지막 부분에서의 풀링을 ROI pooling으로 진행함 ROI poo.. 2023. 7. 6.

Transformer 1. overall architecture 2. overall procedure encoder의 경우 input 문장을 넣고 embedding 벡터로 바꿔줌 positional encoding을 더해주어 각 단어의 순서에 대한 정보를 부여함. 더해서 multi-head attention을 수행 이 때, 같은 embedding의 값을 Q,K,V로 분배. (Q,K,V)는 서로 같은 값. ex) head가 3개면, 각 Q,K,V에 해당하는 가중치 3개씩 존재함 (Linear) ⇒ 총 9개의 다른 값이 생기게 됨 이때, V는 encoding의 embedding에서 나온 값에 가중치 곱한 것을 의미. 하나의 head당 Q와 K를 곱해서 softmax 함수를 거친 후, V값과 곱함 이 각각 곱한 3개의 head 값.. 2023. 7. 6.

이전 1 ··· 11 12 13 14 15 16 17 18 다음

728x90

티스토리툴바