전체 글 (57) 썸네일형 리스트형 [Week6] Object Detection [Day5] *Object Detection 1.1 Fundamental image recognition tasks Semantic < Instance < Panoptic Semantic에서 동일한 클래스에서도 각각의 개체를 나눔 위 task를 수행하기 위해서는 object detection이 필요 1.2 What is object detection? classification bounding box 1.3 What are the applications of object detection? Autonomous driving Optical Character Recognition(OCR) 2. Two-stage detector 2.0 Traditional methods - hand - crafted techniques .. [Week6] Semantic segmentation [Day4] *What is semantic segmentation? Classify each pixel of an image into a category Don't care about instances. Only care about semantic category Applications Medical images Autonomous driving Computational photography *Semantic segmentation architectures Fully convolutional networks The first end-to-end architecture for semantic segmentation Take an image of an arbitrary size as input, and output a.. [Data viz(5)] Pie Charts 1. Pie Chart 원을 부채꼴로 분할하여 표현하는 통계 차트 전체를 백분위로 나타낼 때 유용 가장 많이 사용하는 차트지만…지양 비교 어려움 유용성 떨어짐 오히려 bar plot이 더 유용 (각도 [Week6] CV - Image Classification Ⅱ [Day3] 1. Problems with deeper layers Alexnet -> VGGNet Deeper networks learn more powerful features, because of Larger receptive fields cf. receptive field : CNN에서 각 단계의 입력 이미지에 대해 하나의 필터가 커퍼할 수 있는 이미지 일부 More capacity and non-linearity But, getting deeper and deeper always works better? Deeper networks are harder to optimize Gradient vanishing / exploding Computationally complex Degradation problem (.. [Week6] CV - Image Classification Ⅰ[Day1] *What is computer vision? Machine Learning -> Deep Learning 패러다임 변화 Feature extraction을 자동적으로 수행하여 사람이 미처 보지 못한 특징들을 알아낼 수 있음 *Fundamental image tasks Deep Learning 기반의 task들 Data augmentation and Knowledge distillation Multi-modal learning (vision + {text, sound, 3D, etc.}) Conditional generative model Neural network analysis by visualization *What is classification classifier 세상의 모든 데이터를 가지고 있.. [Week4] Image classification - Class imbalance *Class imbalance Class imbalance : 어떤 데이터에서 각 클래스(주로 범주형 변수)가 갖고 있는 데이터의 양에 차이가 큰 경우 class imbalance는 어떤 문제를 발생시킬까? 데이터가 적은 소수의 클래스의 의견에 귀를 기울이지 못하면 일반적인 경우를 예측하는데에 한계가 있음 따라서 overfitting을 막고, generalization gap을 줄이기 위해서는 Class imbalance 문제를 해결 해야함 ex) class imbalance - 4번 클래스는 4000개의 데이터가 있는 반면 8, 11, 14, 17번 클래스는 약 100개에도 못미친다. 따라서 small data에 대한 bias를 가질 수 밖에없고, 일반적인 경우를 예측해내기 힘듦 *여러가지 Soluti.. [Week4] Image classification - Ensemble *Ensemble 여러 실험을 통해 여러 모델로 여러 결과를 만들게 된다 이 모델을 효율적으로 어떻게 성능을 더 끌어올릴 수 있을지? *Ensemble of Deep NN *Ensemble 싱글 모델보다 더 나은 성능을 위해 서로 다른 여러 학습 모델을 사용하는 것 Model Averaging (Voting) Hard voting vs Soft voting Hard voting은 모델마다 하나의 예측 결과를 나타내지만 Soft voting은 모든 클래스의 확률을 보여주기 때문에 결과가 달라질 수 있음 Cross Validation 훈련 셋과 검증 셋을 분리는 하되, 검증 셋을 학습에 활용하는 방법 Stratified K-Fold Cross Validation 적당한 K를 정해서 각각의 모델이 bias를 .. [Data viz(3)] Seaborn *Seaborn Seaborn은 Matplotlib 기반 통계 시각화 라이브러리 통계 정보 : 구성, 분포, 관계 등 Matplotlib 기반이라 Matplotlib으로 커스텀 가능 쉬운 문법과 깔끔한 디자인이 특징 디테일한 커스텀보다는 새로운 방법론을 위주로 앞서 공부한 이론과의 연결 pip install seaborn==0.11 import seaborn as sns 다양한 API 시각화 목적과 방법에 따라 API 분류 Categorical API Distribution API Relational API Regression API Multiples API Theme API *Seaborn 기초 countplot - seaborn의 categorical API의 대표적인 시각화로 이산적으로 막대 그래프.. 이전 1 2 3 4 5 6 ··· 8 다음
