수업 내용 정리/CS231n (3) 썸네일형 리스트형 Lecture 3 | Loss Functions and Optimization Summary 2강에서 linear classification에 대해 배웠었다. linear classification은 Weights를 통해 예측을 하는 것이다. 이번 강의에서는 Weights를 평가하고 어떻게 좋은 weights를 구할지에 대해 다룬다. Multiclass Support Vector Machine Loss loss funciton은 w(앞으로 weights를 w로 표기)가 얼마나 구린지 수치화하는 함수이다. 따라서 loss를 줄이는 것이 궁극적인 목표이다. 그럼 loss를 구해보자! 사진 밑의 숫자는 w를 이용해 구한 예측값이다. 자동차를 제외한 나머지는 부정확하게 예측된 것을 알 수 있다. 최종 Loss는 고양이, 자동차, 개구리의 Loss의 평균이다.(종류별 로스의 평균) 종류별 .. Lecture 2 | Image Classification Image Classification 고양이 사진을 보고 고양이임을 컴퓨터는 어떻게 인지해야 할까? 우리는 고양이 사진을 보면 야옹이다! 라고 생각하겠지만 컴퓨터는 그냥 졸라많은 숫자 matrics를 보는 것이다. 이러한 사람과 컴퓨터간의 차이를 Semantic gap이라고 한다. 고양이는 밝아지거나 어두워지거나 숨거나하는 등 다양한 사진이 나올텐데 이러한 변화에 Robust해야 겠다. 처음에는 사진을 보고 졸라 분석해서 알고리즘을 만들려고 했으나 robust하지도 않고 비효율적이라 포기했다. 결론적으로 Data-Driven Approach를 생각해내게 된다. 컴퓨터한데 고양이 5억개를 주고 새로운 고영희를 마추라고 한 것이다. train함수: images와 label을 input으로 학습한 다음 mod.. Lecture 1 | Introduction to Convolutional Neural Network for Visual Recognition What's computer vision? 최근 카메라 기술의 발달과 이것저것 존나게 발달해서 시각 데이터가 개많이 나오고 있다. 이로 인해 cv 업계도 횡재를 맞게 된다. 왜냐하면 학습을 시키고 검증할라면 데이터가 겁나게 많이 필요하기 때문이다. 어쨌든 이러한 데이터를 분석해서 컴퓨터가 사진을 이해하는 게 컴퓨터 비전이다. First vision 5억 4천만 년 전, 종이 증폭되는 시기에 눈도 같이 생겨났다. 시각이 생기니까 먹이도 능동적으로 찾을 수 있고 위험으로부터 자신을 지킬 수 도 있었다. History of computer vision 1950s 고양이 뇌에 전극을 꽂아 시각적 메커니즘을 알려고 했다.그래서 결론이 뭐였냐면 "시각 처리는 edges와 같은 단순한 구조로 시작되어 점점 복잡한 요.. 이전 1 다음
