본문 바로가기

전체 글120

[CS231n] 2. Image Classification 저번 시간의 컴퓨터 비전, 그 역사, 수업의 전반적인 내용 소개 시간에 이어서 이번 시간에는 image classification에 대해서, 그리고 앞으로 배우게 될 알고리즘들이 실생활에서 어떻게 적용되는지 심도있게 살펴보도록 하겠다. 초반 강의들에서는 주로 큰 개념들을 다루고, 나머지 강의들에서는 조금 더 깊은 내용들과 다양한 알고리즘들의 세부 매커니즘을 위주로 다룰 것이다. 앞으로 신경망 모델을 구현하기 위해서 python과 numpy를 많이 사용하게 될텐데 관련 튜토리얼은 http://cs231n.github/io/python-numpy-tutorial/ 에서 찾아볼 수 있다. Numpy는 vectorized 연산을 효율적으로 할 수 있게 도와주고 방대한 양의 계산을 코드 몇 줄로 간단히 가능하게 .. 2020. 1. 31.
[CS231n] 1. Introduction to Convolutional Neural Network CS231n 수업은 스탠포트 대학교의 수업을 녹화한 것으로 컴퓨터 비전에 대한 많은 내용을 담고 있다. 앞으로 이 수업의 내용을 정리해서 올리도록 하겠다 컴퓨터 비전이란 무엇일까? 인터넷의 트래픽 중 80%의 지분이 바로 비디오 데이터이고, 이것은 사진 등의 다른 데이터들을 모두 제외한 것이다. 이렇게 인터넷의 데이터 대부분이 시각 데이터이므로 시각 데이터들을 잘 활용할 수 있는 알고리즘을 잘 개발하는 것이 매우 중요해졌다. 시각 데이터는 암흑물질(dark matter)이라고 불릴만큼 해석하기가 매우 까다롭다. (암흑 물질 : 우주 대부분의 질량을 차지하고 있는 물질) 이렇게 시각 데이터가 너무 많기 때문에 자동으로 시각데이터를 이해하고 분석하는 알고리즘을 개발하는 것이 중요해졌다. 컴퓨터 비전은 다양한.. 2020. 1. 29.
[3분 딥러닝] 4. 패션 아이템을 구분하는 DNN 저번 시간에 이어서 Fashion MINIST 데이터셋 안의 패션 아이템들을 구분하는 데 사용되는 DNN에 대해서 알아보도록 하겠다. ※ 4.1 Fashion MNIST 데이터셋 알아보기 딥러닝에서는 모델만큼이나 데이터셋이 중요한데, 데이터셋은 우리가 풀고자 하는 문제를 정의하는 것이기 때문이다. 저번 시간에 다뤘던 MNIST 손글씨 데이터와 달리 Fashion MNIST 데이터셋은 숫자를 인식하는 것에서 더 넘어서서 패션 아이템들을 구분할 수 있다. Fashion MNIST는 28 x 28 픽셀의 70,000개의 흑백 이미지로, 신발, 드레스, 가방 등 10개의 카테고리로 존재한다. 원래는 이런 데이터를 받으면 데이터를 가공하고 파이프라인을 직접 만들어야하는데, 파이토치의 토치비전이 자동으로 내려받고 .. 2020. 1. 28.
[3분 딥러닝] 5. 이미지 처리 능력이 탁월한 CNN 이번 시간에는 이미지 처리에 많이 사용되는 CNN에 대해 알아보도록 하겠다. CNN은 1960년대에 신경과학자인 데이비드 휴벨(David Hubel)과 토르스텐 비젤(Torsten Wiesel)이 시각을 담당하는 신경세포를 연구하다가 서로 비슷한 이미지들이 뇌의 특정 부위를 지속적으로 자극하며 서로 다른 이미지는 다른 부위를 자극한다는 사실을 발견하여 발명되었다. 이미지의 각 부분에 뇌의 서로 다른 부분이 반응하여 전체 이미지를 인식하고, 이미지의 특징을 추출하여 우리 뇌가 인식한다는 것이다. CNN은 Convolutional Neural Network의 줄임말로서, 합성곱 신경망이라고도 한다. 이미지나 비디오같은 영상 인식에 특화된 설계로, 병렬 처리가 쉬워서 대규모 서비스에 적용할 수 있고, 최근에는.. 2020. 1. 28.

티스토리툴바