인공지능 썸네일형 리스트형 Principal Component Analysis(PCA) 알고리즘 전체코드 및 결과에 대한 내용은 아래 GitHub 에 PDF 로 올려두었으니 참고해 직접 작성해보면 도움될 듯하다. GitHub주소: https://github.com/pjh5672/Machine_Learning/blob/master/Mathematics_for_Machine_Learning%20(Imperial%20College%20London)/principal_component_analysis.ipynb Principal Component Analysis(PCA), 주성분 분석 알고리즘은 대표적인 비지도학습 기법으로 주로 차원을 축소하고 데이터를 압축하는데 사용되며, 알고리즘 구현방법은 아래와 같다. 데이터 정규화 - Whitening 이라고도 하며, 데이터분포를 원점 기준으로 변경.. 더보기 Distance & Angle을 활용한 이미지 유사도 계산 전체코드 및 결과에 대한 내용은 아래 GitHub 에 PDF 로 올려두었으니 참고해 직접 작성해보면 도움될 듯하다. GitHub주소: https://github.com/pjh5672/Machine_Learning/blob/master/Mathematics_for_Machine_Learning%20(Imperial%20College%20London)/distances_and_angles_btw_images.ipynb 이미지 벡터간 유클라디언 거리 또는 내각 계산을 활용하여 이미지간 유사도를 찾는 실험을 수행하였는데, 그 내용은 다음과 같다. 이미지벡터간 거리비교 거리기반 가장 유사한 이미지 도출 MNIST 클래스별 유사성 비교 아래는 MNIST 데이터셋의 거리를 활용하여 유사성을 계산한 코.. 더보기 Deep Learning Based 2D Human Pose Estimation: A Survey 용어정의 요약 딥러닝 기반 자세추정기법 Single person pipeline Multi-person pipeline 오픈데이터셋 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 포즈를 추정하는 방법은 딥러닝이 떠오르기 이전부터 컴퓨터비전분야에서 꾸준히 연구되어 오던 분야이며, 마찬가지로 딥러닝의 출현과 함께 정확도가 대폭 개선된 연구분야이다. 딥러닝 기반으로 2차원이미지에서 포즈를 추정하는 방법은 이미지 내 사람이 단수 혹은 복수인지에 따라 달라지며, 핵심은 인체 부분 중 머리, 몸체, 팔, 다리와 같은 키포인트(Keypoint)의 위치를 올바르게 추정하는 것이다. 이미지 내 사람이 한명 존재하는 경우에 Single Person Pipeline 카테고리의 연구분야에 속하며 (1).. 더보기 Content & Style Extraction 용어정의 요약 특징 추출방법 분석결과 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 본 내용에서는 학습된 네트워크 모델(VGG, ResNet 등)과 Loss functions을 이용해서 레이어 내부로부터 어떤 특징을 추출하고 활용할 수 있는지 확인할 수 있다. (해당코드는 코드구현 카테고리에 업로드 예정입니다.) 3. 특징 추출방법 학습된 모델을 VGG19를 로드하여 추출할 대상이미지를 정하고, 입력이미지에 대해서 Loss function이 최소화하도록 만들어주어 추출한 특징을 시각화하였다. 여기서 VGG19 모델에서 특징을 추출하는 부분은 총 5개의 블록으로 구성되는데, "conv1_1, conv2_1, conv3_1, conv4_1, conv5_1" 에서 차례로 연산된 특징맵을.. 더보기 Visual Interpretability for Convolutional Neural Networks 용어정의 요약 시각화방법 및 구현 Occlusion Visualization Saliency Map SmoothGrad Generate Specific Classmap Class Activation Mapping(CAM) 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 콘볼루션 뉴럴네트워크는 여러겹의 레이어에 입력이미지를 통과시킴으로써 이미지 내 대상를 인지하고 무엇인지 구분할 수 있다. 하지만 모델이 이미지 내에서 어느부분을 보고 대상을 인지하는지는 알 수 없기 때문에 이를 시각화하는 방법들이 다양하게 연구되고 있고, 본 글에서 관련된 대표적 기술들을 차례로 소개하고자 한다. 구현된 모든코드는 Github 및 코드구현 카테고리에 업로드 예정입니다. 3. 시각화방법 및 구현 3-1... 더보기 Convolution Neural Networks & Visualization 용어정의 요약 Convolutional Neural Network Filter & Kernel Understanding Edge Detection of Filters Layer Padding Stride Backpropagation Visualization of CNN Filters Feature maps 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 일반적으로 인간은 어떤 사물을 인지할 때, 사물의 전체적인 모양을 보고 천천히 디테일한 부분까지 살펴본다. 뉴럴네트워크에서는 다층 레이어(Layer)를 통해 이 인지과정을 모방하였으며, 앞부분의 레이어는 선을 인식하고, 점점 레이어가 깊어질수록, 선을 면으로, 면을 사물의 전체적 구조로, 그리고 특징적 부분으로 확장시켜 사물을 .. 더보기 Loss functions for Image Transformation 용어정의 요약 Perceptual Loss Functions Feature Reconstruction Loss Style Reconstruction Loss Simple Loss Functions Pixel Loss Total Variation Regulation 결과분석 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 컴퓨터비전(Computer Vision)과 영상처리(Image Processing)에는 Image Transformation이 필수적이며, 일반적으로 딥러닝 모델을 이용한 Transformation은 (1) Per-pixel Loss 와 (2) Perceptual Loss 를 최적화하는 방법을 이용하여 모델을 학습시킬 수 있다. 이때 각각의 Loss Functi.. 더보기 EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning 용어정의 요약 학습방법 Edge Generator Image Completeion Network Edge Information & Image Mask Training Setup & Strategy 결과분석 Qualitative Comparison Quantitative Comparison Ablation Study 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 기존에 연구되었던 Inpainting 기술은 (1) Diffusion-based method, (2) Patch-based method 그리고 (3) Learning-based method 로 나뉘어져있고 각 방법들은 다음과 같이 간단히 설명할 수 있다. (1) Diffusion-based method 삭제된 영역에 인.. 더보기 이전 1 2 3 4 ··· 8 다음
