본문 바로가기
728x90

인공신경망(DL)/Computer Vision6

CNN의 기본 과정 정리 삼각형, 사각형, 원을 손으로 그린 이미지가 있고 이미지 크기가 8 x 8이라고 가정 삼각형, 사각형, 원을 구분하는 3개의 클래스를 분류하는 문제이기 때문에 출력 벡터는 3개 # padding = 'same' default from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Conv2D, MaxPooling2D, Flatten model = Sequential() model.add(Conv2D(2, (3, 3), padding='same', activation='relu', input_shape=(8, 8, 1))) model.add(MaxPooling2D(pool_size=(2, .. 2022. 1. 8.
전이학습 (Transfer Learning), 데이터 증강(Augmentation) 전이학습 (Transfer Learning) "기존(내 목적과는 다른) 데이터로 학습된 네트워크를 재사용 가능하도록하는 라이브러리" - 사전에 대량의 data를 학습한 것을 불러와서 다른 목적으로 사용가능 ==> 가중치, 편향이 포함된 학습된 모델의 일부를 재사용하기에 Transfer learning 이라고 표현 교육 데이터를 적게 사용하고, 교육 속도가 빠르며, 더 잘 일반화하는 모델을 가질 수 있다. (일부만 사용을 해서 활용할 수 도 있지만, 전체를 다 재학습할 수도 있다) 1. 이전에 학습한 모델에서 파라미터를 포함한 레이어를 가져옵니다. 2. 향후 교육 과정 중에 포함된 정보가 손상되지 않도록 해당 정보를 동결(freeze, 가중치를 업데이트 하지 않음)합니다. 3. 동결된 층 위에 새로운 층 .. 2022. 1. 8.
Generative Adversarial Networks, GAN GAN의 대립적인 의미를 이해한다. DCGAN의 Latent 개념과 그 연산에 대해서 이해한다. CycleGAN의 개념을 이해한다. GAN의 개념을 설명할 수 있다. GAN에서 생성자와 판별자의 공통된 모듈이 어디에 있는 지 파악할 수 있다. 학습된 CheckPoint 저장하고, 불러올 수 있다. 생성한 이미지를 gif형태로 제작할 수 있다. Convolution Neural Network(CNN)을 기반으로한 생성모델인 Deep Convolutional GAN (DCGAN), CycleGAN GAN 생성적 대립 신경망 이미지를 생성하는 원리를 “경찰과 위조지폐범”으로 비유하여 설명합니다. 위조지폐범은 위조지폐를 진짜 지폐와 거의 비슷하게 만듭니다. 위조지폐를 진짜 지폐로 속이고 사용할 수 있도록 말이죠.. 2021. 8. 29.
AutoEncoder, AE AutoEncoder (AE)의 구성에 대해서 설명할 수 있어야 합니다. AE의 학습과정을 이해할 수 있다. Latent variable의 추상적 개념을 정의할 수 있고, 이를 활용하여 기본적인 information retrieval problem를 해결해본다. AE의 활용방안에 대해서 생각해볼 수 있다. AutoEncoder alibi-detect 라이브러리 사용하면 수월함 https://www.youtube.com/watch?v=RJ4oB6MWTsA&list=PL-xmlFOn6TULrmwkXjRCDAas0ixd_NtyK&index=23 = 디코더로 나온 이미지가 blurry하게 나온다는 단점을 가지고 있다. ==> GAN이 보완 오토인코더(Autoencoders)는 입력데이터 자체를 레이블로 활용하는.. 2021. 8. 28.
Image Segmentation(FCN, U-Net) Image Segmentation 개념을 이해하고 대표 모델을 활용할 수 있다. Image Augmentation의 개념을 이해하고, 기본적인 증강방식을 활용할 수 있다. Object Recognition 개념을 이해하고, 활용할 수 있다. 정리 : https://github.com/codestates/AIB04_Discussion/discussions/26 Segmentation Vision 연구가 발전된 방향을 보면, 처음에는 분류만 해보다가, 1. 입력 이미지에서 개체(Object)가 있는 위치를 찾을 수 있을까? 2. 해당 개체들을 의미적(semantic)으로 분류해볼 순 없을까? 3. 이미지 안에 한 개의 클래스만 있는 게 아니라 여러 종류의 클래스가 있다면, 각각의 픽셀들이 어느 클래스에 속하.. 2021. 8. 28.
Convolutional Neural Networks, CNN / window? Part 1: Convolution & pooling 개념을 설명할 수 있다. Part 2: CNN을 이용하여 분류(Classification)문제에 적용할 수 있다. Part 3: 전이학습(transfer learning)을 이용하여 image classification을 할 수 있다. 정리 : https://github.com/codestates/AIB04_Discussion/discussions/24 최근의 컴퓨터비전(Computer vision, CV)는 대부분을 convolution에 의존하고 있다고해도 과언이 아니다. Weights를 공유하며, 특징을 추출하는데 이만한 방법론을 찾기 어렵기 때문이다. 사물인식 - Object Detection (YOLO) + RCNN(Fast, Faster, .. 2021. 8. 28.
728x90

티스토리툴바