무엇을 배웠나

Day 01

• 드디어 비전으로!!
• Dropout 기법에 대해 배움
• BatchNormalization도! -> 논문 리뷰 빠른 시일내...
• CNN 역사
• pooling
• CNN 핵심인 Conv Layer에 대해 배움
• 스프라이드에 대해서도 배웠다. 딥러닝 스터디 때 정리한 내용도 업로드 할 것
• padding
• feature map

Day 02

• Conv2D
  • filters() : 만드려고 하는 새로운 feature map의 수
  • kernel_size : 필터의 높이, 너비
  • padding : 덧붙임
  • strides : 필터가 어떻게 이동할 것인가
• MaxPool2D
  • pool_size : pooling filter 높이, 너비
  • strides : 설정 가능한데 기본적으로 pool_size를 따른다.
• BatchNorm
• Dropout
• 전반적인 모델링
• Data AugmentatioAn

Day 03

• 우리가 만든 모델을 저장하고, 끌어다 쓰는 것을 연습
  • 직접 만든 손글씨를 예측까지 해본것
• 우리가 만든 모델을 저장하고, 끌어다 쓸 수 있다면 다른 모델도 쓸 수 있지 않을까?
  • pretrained_CNN
• Transfer Learning
  - Global Average Pooling
• Model save & Load
• 레이어 분리해서 학습시키기
• Object Detection

Day 04

• Flatten
• Object Detection Metrics
  - Threshold
  • Precision-Recall Curve
  • mAP
• Bounding box
• class classification
• confidence score
• CNN이 Object Detection에서 어떤 역할을 하는지

Day 05

• UltraLytics YOLO : Custom Data
• Labeling
• Instances = 박스의 개수

무엇을 느꼈나

영상처리 수업 때 Object Detection 코드를 하나하나 수작업 했었는데
이제 다시 보면 코드가 이해될 것 같다
CNN 개념에 대해 차근차근 배울 수 있었다
MLP가 얼마나 쉬운 ㅠㅠㅋㅋ 모델인지 깨닫게 되었다..
그리고 가장 중요한것은 Custom Data를 모델에 연결하는 것이 아닐까..