MetaCode - Deep Learning(CV)
1.MetaCode(Deep Learning) - Computer Vision (Intro)
Deep Learning이란? 딥러닝은 머신러닝의 방법론 중 하나 선형함수가 아닌 것을 학습 가능 인공신경망을 굉장히 깊게 구성하여 학습 Deep Learning(Machine Learning) Framework Data 준비 알고리즘(파라미터) 통과 Loss Fu
2.MetaCode(Deep Learning) - Computer Vision (Introduction to Computer Vision)
데이터를 알고리즘에 넣고알고리즘의 Loss를 구하기 위해 forward propagationLoss를 최소화 하기 위해 (학습을 위해) backward propagation이미지 데이터는 행렬. 2차원 혹은 3차원 텐서(Tensor) 형태로 되어있음.각 행렬의 elem
3.MetaCode(Deep Learning) - Computer Vision (Basic CNN Structure)
CNN LeNet 1. 32X32X1 : 흑백의 32X32 사이즈 이미지 2. filter size = 5 X 5, stride = 1인 커널로 Convolution --> parameter 수 : (1 x 5 x 5 + 1) * 6 3. fileter size =
4.MetaCode(Deep Learning) - Computer Vision (Recent CNNs)
Recent CNNs ResNet 기존 딥러닝의 문제점 Gradient Vanishing 문제 발생 Layer가 깊어지면 Backpropagation 과정에서 Gradient을 계산할때 Chain-rule에 의해서 편미분한 미분값들의 곱을 사용 이때 미분값들의 크기가
5.MetaCode(Deep Learning) - Computer Vision (Transfer learning)
새로운 task에서 learning을 증진시키기 위해 다른 task에서 학습된 신경망을 가져오는 것모델의 성능을 더 개발하기 위한 목적이미 학습된(Pre-trained) 모델을 사용하기 위한 목적이미지 학습의 처음 부분은 Generic하여 Task에 무관하게 이미지들에
6.MetaCode(Deep Learning) - Computer Vision (Object Detection)
Object Detection Remind : ML Framework Remind : AlexNet Remind : 1x1 Convolution Remind :Depthwise Seperable Convolution  - Computer Vision (Semantic Segmentation)
각 픽셀이 어떤 class에 속하는지를 찾아내는 문제.자율주행시 object 판별COVID와 같은 abnormal 검출사람에 focus를 맞추는 기술. - background를 blur 처리하는 기술각 픽셀이 어떤 class에 속하는지를 찾아내는 문제.이를 semant