Concepts4 [ML] Mini Batch / Batch Size / Iteration / Epoch 전체 데이터를 더 작은 단위인 미니 배치(Mini Batch) 단위로 나누어서 학습을 한다 학습 시작 미니배치1(Minibatch1) 만큼만 가져가서 미니 배치에 대한 cost를 계산 경사 하강법 수행 미니배치2(Minibatch2) 만큼만 가져가서 미니 배치에 대한 cost를 계산 경사 하강법 수행 미니배치3(Minibatch3) 만큼만 가져가서 미니 배치에 대한 cost를 계산 경사 하강법 수행 미니배치4(Minibatch4) 만큼만 가져가서 미니 배치에 대한 cost를 계산 경사 하강법 수행 미니배치5(Minibatch5) 만큼만 가져가서 미니 배치에 대한 cost를 계산 경사 하강법 수행 이렇게 미니 배치 사이즈 만큼 학습이 1회 끝나면 1 에포크(Epoch)*가 끝난다 *에포크(Epoch): 전.. 2024. 1. 12. Object Detection: R-CNN, Fast R-CNN, Faster R-CNN 요약 Object Detection 이미지 내에서 사물을 인식하는 방법에는 다양한 유형이 존재함 Object Detection은 다수의 사물이 존재하는 상황에서 각 사물의 위치와 클래스를 찾는 작업임 Classification → 하나의 이미지를 입력으로 받으면 해당 이미지가 어떤 클래스인지 맞추는 문제 Classification + Localization → 이미지 내에 존재하는 물체가 어떤 물체인지, 그리고 해당 물체가 어디에 존재하는지 bounding box로 localization 해줌 Object Detection → 이미지 내에 하나의 사물이 존재하는 것이 아닌 다수의 사물이 존재하는 상황에서 각각의 사물의 위치와 클래스를 분류하는 작업 Instance Segmentation → 각각의 사물 단위를.. 2024. 1. 11. Few-Shot Learning Few-Shot Learning : 매우 적은 수의 샘플을 기반으로 분류 또는 회귀를 수행하는 것을 의미함 위의 Support Set 이미지에서 왼쪽 두 개의 이미지는 아르마딜로(Armadillo)이고 오른쪽 두 개의 사진은 천산갑(Pangolin)이다. 여기에서 아르마딜로나 천산갑에 대해 들어본 적이 없을 수도 있지만 그것은 중요한 것이 아니다. 단지, 이 두 가지 종류의 동물에 대한 차이점에 집중을 하고, 두 동물을 구별하려고 한다. 이 두 동물의 차이점은 귀와 비늘의 크기에서 차이가 있다. 그리고 위에서 본 4장의 이미지를 바탕으로 Query 이미지를 보면 아르마딜로? 천산갑? 둘 중에 천산갑이라고 할 것이다. 대부분의 사람들은 아르마딜로와 천산갑의 차이점을 모름에도 불구하고 단지 4개의 훈련 샘플.. 2023. 12. 10. Convolutional Neural Network(CNN or ConvNet) 합성곱층의 필요성 이미지나 영상을 처리하는 데 유용함 이미지 분석 방법 위 그림의 왼쪽에는 3 x 3의 배열을 오른쪽과 같이 1 x 9로 펼쳐서(flattening) 분석하게 되면 데이터의 공간적 구조(spatial structure)를 무시하게 된다. 이것의 문제점을 해결하기 위해 합성곱층이 등장했다. 합성곱 신경망 구조 음성 인식이나 이미지/영상 인식에서 주로 사용되는 신경망임 다차원 배열 데이터를 처리하도록 구성되어 컬러 이미지 같은 다차원 배열 처리에 특화되어 있으며, 계층 5개로 구성됨 입력층 (Input Layer) 합성곱층 (Convolution Layer) 풀링층 (Pooling Layer) 완전 연결층 (Fully connected Layer) = FC Layer 출력층 (Output L.. 2023. 11. 20. 이전 1 다음
