본문 바로가기

728x90

Deep Learning78

[Standford_cs231n] Lecture 1 ) Introduction to Convolutional Neural Networks for Visual Recognition 컴퓨터 비전의 역사 1. 컴퓨터 비전이란 ⇒ 최근 인터넷 트래픽 중 80%가 비디오 데이터일 만큼 엄청난 양의 시각적 데이터들이 쏟아져 나오는 것을 유튜브만 봐도 느낄 수 있음. ⇒ 이 데이터들을 효과적으로 이해하고 분석해서, 컴퓨터로 하여금 인간의 시각적인 인식 능력을 가질 수 있도록 알고리즘을 개발하기 시작했고, 이것을 컴퓨터 비전이라 함. 2. 컴퓨터 비전의 역사 1950s Hubel과 Wiesel 생물의 시각적 매커니즘을 찾고자 고양이 뇌에 전극을 꽂아 실험 진행 고양이에게 어떠한 시각적 자극을 주어야 고양이의 뇌의 1차 시각 피질의 뉴런들이 격렬하게 반응할지에 대해 실험 진행 시각적 input의 edges가 움직일 때 반응하는 단순한 세포에 초점을 둠 ⇒ "시각 처리는 edges와 같은 단순한 .. 2023. 7. 7.

EfficientNet 1. Intro 이전까지는 depth, width, size 중 하나만 scale 하는 것을 주로 다룸⇒ 더 나은 정확도 혹은 효율성으로 convnet을 scale up 하는 방법이 없을까?에서 나온 친구 depth, width, size 세 가지 균형을 잘 맞추는 것이 중요함 상수 비율로 세 가지를 각각 scaling하면 된다는 것을 알게 됨 2. Model Scaling Convnet의 정확도를 높일 때 잘 짜여진 모델을 찾는 방법도 있지만, 기존 모델을 바탕으로 복잡도를 높이는 방법도 많이 사용 depth scaling: layer의 개수를 높여줌 ex) ResNet width scaling: channel(필터) 개수를 높여줌 ex) MobileNet, ShuffleNet resolution sc.. 2023. 7. 7.

cGAN/Pix2Pix 1. GAN 2. cGAN 어떤 숫자를 만들어낼지에 대한 정보를 넣어주는 것(어떤 클래스에 해당하는지에 대한 정보) ex) 7을 만들고자 한다면 condition vector에 7을 넣어주고, z(noise)에는 랜덤하게 샘플링해서 7이라는 의미를 가지는 랜덤한 형태를 만들어줌 3. Pix2Pix image to image translation : 이미지의 특정 양상을 다른 양상으로 바꿔주는 것을 의미 ex) 손그림 → 실제 사진으로 translation 이미지 자체를 condition으로 받아버림 (이미지 자체가 정보가 되는 것임) 즉, 이미지가 들어왔을 때, 거기에 부합하는 output의 형태로 만들어줌 noise vector z를 안씀 pixel 을 입력으로 받아 pixel을 예측함 (이미지를 이미.. 2023. 7. 7.

R-CNN 1. Intro R-CNN 'Rich feature hierarchies for accurate object detection and semantic segmentation'. R-CNN은 region proposals와 CNN이 결합된 Regions with CNN의 약자로 지칭 (1) region proposals로 object 위치를 알아내고, 이를 CNN에 입력하여 class를 분류. (2) Larger data set으로 학습된 pre-trained CNN을 fine-tunning. 2. Overall architecture 입력 이미지에 Selective Search 알고리즘을 적용하여 bounding box(region proposal) 2000개를 추출. 추출된 bounding box를 w.. 2023. 7. 6.

GAN: Generative Adversarial Nets 0. Abstract 본문 We propose a new framework for estimating generative models via an adversarial process, in which we simultaneously train two models: a generative model G that captures the data distribution, and a discriminative model D that estimates the probability that a sample came from the training data rather than G. The training procedure for G is to maximize the probability of D making a m.. 2023. 7. 6.

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.

이전 1 ··· 7 8 9 10 11 12 13 다음

728x90

티스토리툴바