본문 바로가기

computer vision

코세라 Convolutional Neural Networks 수료 코세라 Deep Learning 특화과정 중 네번째 강의이다. Computer Vision 분야에서 기본적으로 사용되는 CNN에 대한 전반적인 내용을 다루고 있으며, 기본적인 기능인 Convolution, Pooling, Fully Connected Layer 에 대한 특징과 원리를 간단한 매트릭스 연산예제를 통해 상세하게 알려준다. 나아가, Image Classification, Object Localization, Object Detection, Landmark Detection, Semantic Segmentation, Face Recognition, Neural Style Transfer 알고리즘의 원리와 코드구현을 통해 비전 분야에서 .. 더보기
Computer Vision 스터디자료 Princeton Lectures in Analysis - Fourier Analysis - Complex Analysis Discrete-Time Signal Processing (Alan V. Oppenheim) Digital Image Processing (Rafael C. Gonzalez) Computer Vision: A Modern Approach (David A. Forsyth) Computer Vision : Algorithms and Application (Richard Szeliski) 선행대수와 군 (이인석) Multi View Geometry in Computer Vision (Richard Hartley) Stanford University .. 더보기
코세라 Advanced Machine Learning 수료 Advanced Machine Learning 이라는 과정이름이 매력적(?)이어서 수강을 시작했다. 이 특화과정은 (1) Introduction to Deep Learning, (2) How to Win a Data Science Competition: Learn from Top Kagglers, (3) Bayesian Methods for Machine Learning, (4) Practical Reinforcement Learning, (5) Deep Learning in Computer Vision 의 과목으로 구성되어있고, 나는 "Introduction to Deep Learning" 와 "Deep Learning in Computer Visi.. 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
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
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
728x90
반응형

티스토리툴바