인공지능 썸네일형 리스트형 Partial Convolution based Padding 용어정의 요약 연구배경 우수성 학습방법 Partial Convolution Partial Convolution based Padding Case of Big Padding size 결과분석 Running time Task 1: Image classification network Task 2: Semantic segmentation network 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 2-1. 연구배경 콘볼루션 연산은 슬라이딩되는 연산필터의 크기가 이미지의 크기와 정확히 일치하지 않을 경우에 패 (Padding)을 필요로 하고, 이때 사용되는 패딩 기법은 아래와 같이 크게 3가지로 나뉜다. Zero padding : 가장자리 패딩영역을 0으로 채움 Reflection p.. 더보기 Image Inpainting for Irregular Holes Using Partial Convolutions 용어정의 요약 학습방법 Partial convolution layer Network architecture and implementation Loss function 구현결과 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 Image Inpainting 이란 영상 혹은 이미지데이터 내 원치 않는 아이템을 삭제(이하, 마스킹)하고 해당공간의 영상을 복구하는 기술이다. 기존 Deep learning 기반의 inpainting기술은 color discrepancy나 blurriness 등의 artifacts 존재하여, 복잡한 후처리(post-processing)과정이 반드시 요구되었다. 또한, 이미지 중앙에 오로지 사각형 마스크를 만들어 영상 복구를 시도하였던 학습 및 검증방법은 실제환경.. 더보기 Deep Convolutional Generative Adversarial Nets(DCGANs) 용어정의 요약 학습방법 결과분석 Memorization Vector Arithmetic 결론 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 초기 GAN 모델은 학습 시 재현성부분에서 한계가 있다. 즉, GAN에서는 생성모델인 Generator가 "매번 같은 학습방식에서도 비슷한 수준의 성능을 가진 데이터를 생성해낼 수 있느냐"에 대한 부분을 보장할 수 없었다. 이 부분과 연관하여 학습과정에서 오히려 실제 데이터의 분포를 따라가지 못하고 학습이 전혀되지 않는 Model Collapsing 현상도 존재하였다. DCGAN에서는 이러한 한계를 개선하고자 하였는데, 이름에서 알다시피 Fully Connected Layer를 Convolution Layer 로 대체하였고, Batch Norm.. 더보기 Generative Adversarial Nets(GAN) 용어정의 요약 학습방법 결과 출처 1. 용어정의 피드백 후 작성예정입니다. 2. 요약 Generative Adversarial Nets(GAN)은 실제데이터를 통해 모조데이터를 생성하는 Generative model (Generator) 과 이 두 가지 데이터를 구별하는 Discriminative model(Discriminator)로 구성된다. 그리고 충분히 학습된 Generator 가 생성한 데이터를 Discriminator가 실제데이터와 구분할 수 없도록 만드는 것이 연구목표이다. 3. 학습방법 우선 Generator(G)에서 생성된 Noise z (Latent sample)을 이용해서 모조데이터 생성하고, Discriminative model(Discriminator, D)이 모조데이.. 더보기 구글의 페이지랭크(PageRank) 알고리즘 전체코드 및 결과에 대한 내용은 아래 GitHub 에 PDF 로 올려두었으니 참고해 직접 작성해보면 도움될 듯하다. GitHub주소: github.com/pjh5672/Machine_Learning/blob/master/Mathematics_for_Machine_Learning/PageRank.pdf 선형대수 개념을 바탕으로 구글의 페이지랭크(PageRank) 알고리즘을 구현해볼 수 있다. 만약 위의 그림과 같이 A, B, C, D, E, F 의 6개 사이트만 존재하는 네트워크망이 있고 각 사이트에서 다른 사이트로 이동할 확률 매트릭스 L 를 아래와 같이 결정하면, (1) 고유값 분해를 통한 방법, (2) Power-iteration 방법으로 각 사이트에 대해 중요도가 높은 순으로 가중치.. 더보기 5. Surprise 라이브러리를 이용한 추천시스템 개발 용어정의 Surprise 패키지 소개 Surprise 주요 모듈 OS 파일데이터를 Surprise 데이터셋으로 로딩 Pandas Dataframe 을 Surprise 데이터셋으로 로딩 Surprise 추천 알고리즘 클래스 베이스라인 평점 교차검증과 하이퍼 파라미터 튜닝 Surprise 를 이용한 개인화 영화 추천시스템 개발 1. 용어정의 피드백 후 작성예정입니다. MovieLens 데이터셋은 데이터셋 자료실 에 있습니다. 2. Surprise 패키지 소개 파이썬 기반의 추천 시스템 구축을 위한 전용 패키지 중 하나인 Surprise 는 파이썬 기반에서 사이킷런과 유사한 API 와 프레임워크를 제공하여, 추천 시스템의 전반적인 알고리즘을 이해하고 사이킷런 사용경험이 있으면 쉽게 사용할 수 있다.. 더보기 벡터 선형 변환을 통한 이미지 축변환 (대칭/회전) 전체코드 및 결과에 대한 내용은 아래 GitHub 에 PDF 로 올려두었으니 참고해 직접 작성해보면 도움될 듯하다. GitHub주소: github.com/pjh5672/Machine_Learning/blob/master/Mathematics_for_Machine_Learning/Reflecting_Bear.pdf 내용에 앞서, 이 과정은 어느정도 선형대수의 이해가 선행되어야 이해하기 쉽다. 우선 추상적으로 문제를 정의하자면 아래 나타난 그림처럼, x, y의 2차원 평면좌표에 R 이라는 개체가 있고 이것을 노란색 선의 벡터기준으로 대칭이동 해야할 경우가 있다. 어떻게 노란색 선을 기준으로 이동시킬 수 있을까? 직관적으로 이해하기 쉬운 2차원 공간의 경우에는 아마 계산은 조금 번거롭지만 x,.. 더보기 4. 행렬 분해를 이용한 잠재요인 협업 필터링 용어정의 행렬 분해의 이해 확률적 경사하강법(SGD)를 이용한 행렬 분해 확률적 경사하강법(SGD) 활용예제 행렬 분해를 이용한 개인화 영화 추천시스템 개발 1. 용어정의 피드백 후 작성예정입니다. MovieLens 데이터셋은 데이터셋 자료실 에 있습니다 2. 행렬 분해의 이해 행렬 분해는 다차원 매트릭스를 저차원 매트릭스로 분해하는 기법으로 대표적으로 SVD(Singular Value Decomposition), NMF(Non-Negative Matrix Factorization) 등이 있습니다. 즉, M개의 사용자(User) 행과 N개의 아이템(Item) 열을 가진 평점 행렬 R은 M X N 차원으로 구성되며, 행렬 분해를 통해 사용자-K 차원의 잠재 요인 행렬 P (M X K 차원)와 .. 더보기 이전 1 2 3 4 5 ··· 8 다음
