DL – CNN Architecture
이번에는 여러 CNN Architecture에 대해 알아 보겠습니다. 이 Architecture들은 ILSVRC 대회에서 이름을 알린 유명한 네트워크들입니다.(ILSVRC: 대용량의 이미지셋을 주고 이미지 분류 알고리즘의 성능을 […]
Category: Data Science
DL – CNN 이론
CNN은 Convolutional Neural Network입니다. DNN과는 꽤 다른 구조를 취하고 있습니다.CNN의 대표적인 특징은 이미지 자체를 입력으로 줄 수 있다는 점입니다. CNN은 영상 처리에서 […]
DL – DNN 추가 개념
Gradient Vanishing DNN은 히든 레이어가 2개 이상인 신경망입니다. 일반적으로 딥러닝은 층을 깊게 할수록 좋습니다. 1. 중간에 Activation Function이 추가돼서 비선형성을 늘립니다.2. 층이 […]
DL – Autoencoder
오토인코더는 입력과 동일한 출력을 만드는 것을 목적으로 하는 신경망입니다. 그러기 위해 입력 데이터를 더 낮은 차원으로 인코딩하고 다시 원래의 데이터로 디코딩합니다. 인코더는 […]
Vision – 객체 추적 (Tracking)
객체 추적은 비디오 영상에서 객체를 계속 추적하는 기술입니다.쉽게 말하면 프레임마다 객체 찾는 것을 반복하는 것을 말합니다. 이번 포스팅은 객체 추적과 관련된 비디오 […]
Vision – 영상 분할 (Segmentation)
영상 분할은 입력 영상에서 픽셀 단위로 배경 및 객체를 분류하는 작업입니다. 영상 분할은 세 가지로 나뉘어 집니다. semantic segmentation은 픽셀 단위로 객체와 배경을 […]
Vision – 객체 검출 (Object Detection)
객체 검출은 입력 영상에서 사용자가 원하는 객체를 찾고 객체의 위치와 바운딩 박스를 구하는 것입니다. 참고로 이전에 소개한 ‘템플릿 매칭’과 ‘디스크립터를 이용한 매칭’도 […]
Vision – 매칭과 스티칭
매칭은 쉽게 말해 ‘일치하는 객체 찾기’입니다. 템플릿과 일치하는 객체를 입력 영상에서 찾는 작업을 의미합니다. 지금부터 매칭의 여러 가지 방법을 소개하겠습니다. Block Matching […]
논문 리뷰 – Context Encoders: Feature Learning by Inpainting
가톨릭대학교 CVMI LAB에서 진행한 발표 자료입니다. 학부생 수준에서 논문을 읽고 정리해보았습니다. 논문 이해에 필요한 개념(AutoEncoder, GAN 등)도 추가로 작성했습니다. 논문: https://arxiv.org/pdf/1604.07379.pdf <PT […]
DL – Classification (분류)
분류란 ‘데이터가 어느 category(범주)에 해당하는지 판단하는 문제’입니다. 분류에서 좋은 모델은 무엇일까요? 단순하게 ‘틀린 예측 개수가 적은 모델’이라고 생각할 수 있습니다. 이 방식대로 […]