'딥러닝' 태그의 글 목록 (2 Page)

Paper Review

VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION

2022.12.23

[논문리뷰] ABSTRACT 본 논문에서는 Large-scale image recogniotion에서 Convolutional network의 깊이가 성능에 얼마나 영향을 미치는지 조사하였다. 매우 작은 3 x 3 convolution filter를 가진 아키텍쳐를 사용하여 depth를 증가시킨 네트워크의 성능을 평가하였다. Depth를 Layer 16-19정도의 크기로 증가시켜 상당한 성능 개선을 이루었다. 1. INTRODUCTION 본 논문에서는 ConvNet 아키텍처 설계의 또 다른 중요한 측면인 깊이를 다룬다. 모든 layer에서 매우 작은(3×3) convolution filter를 사용하기 때문에 실현 가능한 convolution layer를 추가하여 네트워크 깊이를 꾸준히 증가시킴. 결과적..

AI/Machine Learning

[핸즈온 머신러닝 2판] Chapter 10 요약

2022.12.08

본 내용은 핸즈온 머신러닝2 를 기반으로 작성하였으며, 생략된 내용이나 추가된 내용이 있습니다. [10.1] 생물학적 뉴런에서 인공 뉴런까지 [10.1.2] 뉴런을 사용한 논리 연산 매우 단순한 신경망 모델을 제안하였는데, 그것이 인공 뉴런 논리 명제 계산 가능 첫 번째 네트워크 항등 함수 뉴런 A 활성화, 뉴런 C 활성화 뉴런 A 비활성화, 뉴런 C 비활성화 두 번재 네트워크 논리곱 연산 A, B 모두 활성화될 때 활성화 세 번째 네트워크 A, B 중 하나가 활성화되면 C도 활성화 네 번째 네트워크 뉴런 A가 활성화되고 뉴런 B가 비활성화될 때 뉴런 C가 활성화됩니다. 만약 뉴런 A가 항상 활성화되어 있다면 이 네트워크는 논리 부정 연산이 됩니다. 즉, 뉴런 B가 비활성화될 때 뉴런 C가 활성화되고, ..

AI/Machine Learning

[핸즈온 머신러닝 2판] Chapter 5 요약

2022.11.29

본 내용은 핸즈온 머신러닝2 를 기반으로 작성하였으며, 생략된 내용이나 추가된 내용이 있습니다. [5.1] 서포트 벡터 머신(SVM) 선형이나 비선형 분류, 회귀, 이상치 탐색에도 사용가능한 다목적 머신러닝 모델 SVM의 기본 아이디어는 라지 마진 분류로 나타낸다. 각 클래스 사이에 가장 폭이 넓은 도로를 찾는 것 도로 경계에 위치한 샘플을 서포트 벡터라고 한다. SVM은 특성의 스케일에 민감하다. 따라서 사이킷런의 StandardScaler를 사용해보자 하드 마진 분류 모든 샘플이 도로 바깥쪽에 올바르게 분류 데이터가 선형적으로 구분될 수 있어야 작동함 이상치에 민감하다. 소프트 마진 분류 하드 마진에서 좀 더 유연한 형태의 모델 샘플이 도로 중간에 있거나, 반대쪽에 있는 경우인 마진 오류 사이에 적절..

Projects

2022 AI-Hub 학습데이터 기반 해커톤 대회 - 금상 수상, 프로젝트 회고

2022.11.20

프로젝트 명 : 딥러닝 기반 벌 종류 분류 시스템 개요 본 프로젝트는 양봉 농부들에게 도움이 되고자 진행하게 되었다. 하나의 벌통에는 한 마리의 여왕벌이 존재해야 하며, 벌들의 종류 또한 섞이면 안된다. 따라서 벌들의 종류를 정확히 파악하고 분류해야 할 필요가 있다. 또한 벌통 청소, 꿀 채취, 농약 살포 등을 위해 1년에 최소 6회는 여왕벌을 찾아야 할 필요가 있다. 그리고 꿀을 저장하는 먹이장과 알을 낳는 산란장은 관리를 위해 구분되어져야 하는데, 여왕벌이 먹이장으로 이동하여 산란을 하게 되면 여왕벌을 찾아 산란장으로 다시 이동시켜야 하며 산란된 알들을 찾아 옮겨줘야 한다. 하지만 여러 마리의 벌들 속에서 여왕벌을 정확히 찾기는 상당한 시간이 소요될 뿐만 아니라 조그만 알들을 찾아 옮겨주는 일 또한 ..

Paper Review

REFACING: RECONSTRUCTING ANONYMIZED FACIAL FEATURES USING GANS

2022.10.20

[논문리뷰] 리뷰할 논문의 제목은 REFACING: RECONSTRUCTING ANONYMIZED FACIAL FEATURES USING GANS이다. 최근 GAN을 이용한 프로젝트의 선행 논문으로 참고하고자 논문 리뷰 하였다. ABSTRACT 의료 이미지의 익명화는 환자의 프라이버시를 보호하기 위해 필수적이며, 따라서 데이터를 공유하기 위해서는 필수적인 단계이다. 그러나 딥러닝의 발전은 익명성을 보장하기 위해 적용해야 할 익명화에 대한 기준을 높일 수 있다. 이러한 가능성을 테스트하기 위해 본 논문에서는 CycleGAN image to image translation을 통해 부분적으로 복구할 수 있음을 보여주고 있다. Introduction 프라이버시를 위한 익명화는 특히 Head Volume이 포함되..

Paper Review

StarGAN: Unified Generative Adversarial Networks for Multi Domain Image-to-Image Translation

2022.10.08

[논문리뷰] 논문에서 사용되는 단어 정의 attribute : 이미지의 특징 (머리색, 성별 등) attribute value : 각각의 attribute가 가질 수 있는 값을 의미. 예를 들어 머리색에 대한 value는 금발, 갈색 등 domain : 같은 attribute value를 가지는 데이터 집합을 의미. 검은색 머리, 금발 머리, 남성, 여성 등이 도메인의 예시 기존의 GAN 모델들은 생성하고 싶은 도메인의 개수만큼의 모델이 필요하다는 단점이 존재. 이 단점을 보완하고자 StarGAN을 제시. StarGAN은 한 개의 Generator(생성자)와 한 개의 Discriminator(구별자)로 수행함. Generator(생성자) : 구별자를 속이기 위한 가짜 이미지를 생성 Discriminato..

티스토리툴바