AIFFEL 대전/CS231N 검색 결과

해당 글 6건

lecture2 linear classifier

1.Linear classifier - parametric approach - tablular data - 학습을 한다는 것은? - 성능이 쓸만한가? No 1.inear Classifier 선형 분류기 - neural network 를 block 처럼 쌓는방식 - input 784 > [784x100][100x30][30x10] > output 10 // matrix의 행렬 숫자만 맞추어주면 블록처럼 계속 쌓을 수 있다 # parametric approache vs non-parametric 입력된 변수 x 만으로 데이터 처리를 하면 non-parametic // 평균값 계산은 non-parametric 입력된 변수 x 와 별도의 변수 W 로 데이터 처리하면 parametric // linear clas..
AIFFEL 대전/CS231N 2021. 1. 3. 06:33

lecture2 이미지 분류의 어려움, 과거의 방식

CNN 이전의 영상분류 알고리즘 방식은 왜 실패했는가? 1.원래 영상 다루기가 어렵다 2.기존 물체인식 영상처리방식이 별로였다 3.기존 분류방식이 별로였다 1.기본적으로 영상 정보가 다루기 어려운 점 semantic gap : 의미 갭? 사람이 보는 방식(시각처리방식)과 디지털 rgb영상과의 차이 viewpoint variation : 카메라로 촬영할때의 높이/각도등에 따라 차이가 큼 illumiation : 조명의 밝기/색상에 따라 deformation : 인식하려고하는 대상이 항상 정면을 서있는게 아님. 비틀어져있고 회전해있고 누워있고 occlusion : 인식대상이 은폐엄폐/가려짐 등으로 일부만 인식 가능 background clutter : 배경혼란, 인식대상물과 배경의 패턴이 비슷 intracl..
AIFFEL 대전/CS231N 2021. 1. 3. 05:21

lecture2 분류와 유사성

1.Classification/분류 1)분류란 무엇인가? 유사하고 비슷한 것끼리 묶고, 상이하고 다른 것끼리는 나누는 것 유사하다는 것은? 사전적 의미 : 형)성격, 모습 등이 비슷하다. A와 B가 유사하다 > A와 B의 속성이 비슷하다. > 유사하다 vs 같다 는 유의해야함 > A 전체와 B 전체를 비교할 수는 없다. 결국은, > 속성(feature) : 어떤 속성을 기준으로 유사하다/아니다를 결정하느냐, > 유사도(similarity) : 얼마나 유사해야 유사하다고 할 수 있는가 유사한 정도를 수치로 표현할 수 있는가 전제는 100% 유사한 것, 100% 다른 것은 존재하지 않는다. 결국 1~99% 정도의 차이 유사하다/아니다의 경계(threshold)를 어떻게 정하느냐 2)유사도(simliarity..
AIFFEL 대전/CS231N 2021. 1. 3. 04:15

lecture2 preview, keyword

수업 후에 프리뷰를 적어 이상하지만, 키워드 일단 적어보자 lecture2. Image Classification Pipeline python / numpy tutorial 1.Image Classification sementic gap : human vision vs digital image data challenges - viewpoint variation - illumination - deformation - occulusion - background clutter - interclass variation An image classifer(Recognition) - no obvious way of hard-code - edge/corner - Data Driven Approach 1st classi..
AIFFEL 대전/CS231N 2021. 1. 2. 14:20