# cs231n
[CS231n 정리] 2강 Image Classification
이미지를 보고 어떤 카테고리에 넣어야할지 정하는 것 기계에게는 어려운 일임 -> 컴퓨터는 어떻게 생각하는지 생각하자 숫자 집합으로 봄, 고양으로 인식하는 것을 어려워 보임 Sematic gap 이미지에 작은 변화만 줘도 픽셀값은 변화함 ex. 카메라가 아주 조금 움
[Michigan DL/cs231n] 12강: Recurrent Neural Networks
🔥Michigan University Deep Learning 12강🔥
[Michigan DL/cs231n] 11강: Training Neural Networks (Part2)
🔥Michigan University Deep Learning 11강🔥
[Michigan DL/cs231n] 10강: Training Neural Networks (Part1)
🔥Michigan University Deep Learning 10강🔥
[Michigan DL/cs231n] 8강: CNN Architecture
🔥Michigan University Deep Learning 8강🔥
[Michigan DL/cs231n] 7강: Convolutional Neural Network
🔥Michigan University Deep Learning 7강🔥
[Michigan DL/cs231n] 3강: Linear Classifier
🔥Michigan University Deep Learning 3강🔥
[CS231n] Assignment 1, Implement of vectorized lienar svm
CS231n 과제 1번의 두번째가 Linear SVM을 구현하는 것입니다.편의상 Delta=1로 두고 구현을 하고 있고, 이거 감안해서 봐주시면 감사하겠습니다.Forward Pass와 Backpropagation을 구현하는 것이 핵심 토픽인데, 반복문 버전이랑 벡터화
Lecture1. Introduction and Historical Context
Lecture1. Introduction and Historical Context 컴퓨터 비전이란?(Computer Vision) 최근 인터넷 트래픽 중 80퍼가 비디오 데이터일 만큼 엄청난 양의 시각적 데이터들이 쏟아져 나오고 있다. 이 데이터들을 효과적으로 이해
Loss Functions and Optimization
Linear 분류 이미지 x가 (이미지 크기x채널수)크기의 열 벡터로 바뀌어 w와 만나서 각 클래스에 대한 점수를 나타내는 클래스 갯수만큼의 숫자를 출력 위의 그림을 보면 3개의 이미지에 대해, 특정 W값을 통해 예측된 클래스 점수가 나타남 여기서 우리는 해당 정답 클래스의 점수가 가장 높기를 원하면서, 동시에 손실함수가 최소가 되길 원함 => 선형 분류...
Image Classification
Image Classification Problem Semantic Gap(의미적 차이) 컴퓨터는 픽셀의 색을 표현한 숫자로 된 grid(격자)를 통해 인식 challenge Viewpoint variation (시점의 다양성) illumination (조명 변화) Deformation (다양한 포즈) Occlusion (객...
[CS231n] 3. Loss Functions and Optimization
이전 강의에서 봤던 Linear Classification에서, 파라미터 중 W값을 임의로 설정하여 진행하였다.하지만 score의 개선을 위해 더 적절한 W값을 구해야 하고, 이 과정에서 쓰이는 것이 Loss Function이다.우리는 Loss Function을 최소화
[CS231n] 2. Image Classification
서론 스탠포드 대학에서 진행한 유명한 인공지능 강의인 CS231n강의를 듣기 시작했다. Deep Learning을 공부함에 있어 중요한 내용들이 많이 포함되어 있으므로 velog를 통해 꾸준히 기록하며 공부하고자 한다. 2강 Image Classification 이
