DeepLearning Specialization(Andrew Ng)/Convolutional Neural Networks (10) 썸네일형 리스트형 [Week 4] Quiz & Programming Assignments 1. CNN에 대해서 조금 정리하고 넘어가자. input image 14x14x3 이 있고, filter가 5x5x3 이고 개수가 20이라고 하자. 여기서 하나의 필터는 input image에서 '어떠한' 특성을 잡아낸다(세로선이든 대각선이든. 물론 층이 깊어질 수록 그런 단순한 수준보다는 더 복잡한 패턴을 인식하겠지 어찌됐든 뭔가 feature를 잡아낸다). 필터가 20개이므로 20개의 특성을 잡아내는 것. 이 연산의 결과로 10x10x20 이 산출된다. 이 산출값의 channel(20개) 각각은 서로 다른 filter가 씌워진 결과로서, channel 별로 다른 feature 를 capture(?) 한 것이다. 말로 표현하기 어렵네. Neural Style Transfer에서 채널별로 다른 featu.. [Week 4] 2. Neural Style Transfer Neural Style Transfer 1. What is neural style transfer? 2. What are deep ConvNets learning? 3. Cost Function 4. Content Cost Function 5. Style Cost Function 6. 1D and 3D generalizations 1. What is neural style transfer? 요로코롬 Content(C)를 넣었을 때, Style(S)에 맞게 Generated image(G)로 바꾸는 것. 참고. www.popit.kr/neural-style-transfer-%EB%94%B0%EB%9D%BC%ED%95%98%EA%B8%B0/ Neural Style Transfer 따라하기 | Popit St.. [Week 4] 1. Face recognition Face recognition 1. What is face recognition? 2. One Shot Learning 3. Slamese Network 4. Triplet Loss 5. Face Vertification and Binary Classification 1. What is face recognition? - Verification : Image가 해당 사람과 일치하는지 1:1 확인을 하는 것 - Recognition : K 명의 사람에 대한 데이터베이스를 가지고 있을 때, Image 가 누가인가? Verification이 99%의 정확도를 갖고, K=100이면 Recognition을 한번 실행할 때마다 1번의 오류가 생길 것이다. 따라서 Verification의 정확도는 훨씬 높아야하고 그.. [Week 3] Quiz & Programming Assignments # Quiz 앞서 IoU threshold를 왜 정하나 했는데, 위 사진에서 나무에 2가지 박스가 겹쳐있다. 위와 같은 경우, 두 박스가 겹친부분이 0.5를 넘지 않으므로 다른 객체로 보는 것. 따라서 위 사진에서 남는 박스 수는 5개. # Programming Assignments 1. YOLO, Anchor box - YOLO와 Anchor box를 이해하기 쉬운 아주 좋은 그림이다. - 모델을 만들고 실제로 image를 넣으면, 알고리즘에 따라 Pc의 확률은 각각 다르겠지만, (anchor box가 5개, 19x19 image, 80 class)라고 했을 때, 각 셀마다 5개의 box를 만들어 낼 것이다(물론 그 중에서 Pcxclass값이 최고인게 의미가 있겠지만은...). 총 19x19x5 개의 .. [Week 3] 1. Detection Algorithm Detection Algorithm 1. Object Localization 2. Landmark Detection 3. Object Detection 4. Convolutional Implementation of Sliding windows 5. Bounding Box Predictions 6. Intersection over Union 7. Non-max suppression 8. Anchor Boxes 9. YOLO Algorithm 10. Region Proposals 1. Object Localization 1) What are localization and detection? - Image classification : 해당 사진의 물체가 무엇을 나타내는가? - Classification wi.. [Week 2] Programming assignments 본 게시물은 andrew ng 교수님 deeplearning specialization 강좌의 강의노트입니다. 1. Keras convention 텐서플로에서 z1=..., a1=... 로 변수와 layer를 모두 따로 저장한 반면에, keras에서는 x_input을 제외하고 x로 계속 덮어씌운다. 1) 모델 정의 def HappyModel(input_shape): """ Implementation of the HappyModel. Arguments: input_shape -- shape of the images of the dataset (height, width, channels) as a tuple. Note that this does not include the 'batch' as a dimens.. [Week 2] 2. Practical Advices for Using ConvNet 본 게시물은 andrew ng 교수님 deeplearning specialization 강좌의 강의노트입니다. Practical Advices for Using ConvNet 1. Using Open-Source Implementation 2. Transfer Learning 3. Data Augmentation 4. State of Computer Vision 1. Using Open-Source Implementation 2. Transfer Learning - Transfer Learning 할 때, 코드(network 구조) 뿐만 아니라 weights도 다운받아야 한다. - 코드와 W를 다운받았다면 freeze 한 layer의 마지막까지 activation값을 구해준다. 그러고 나서 그 다음부터는.. [Week 2] 1. Case studies Case studies 1. Why look at case studies 2. Classic Network 3. ResNet 4. Why ResNet work well? 5. Networks in Network and 1x1 convolution 6. Inception Network Motivation 7. Inception Network 1. Why look at case studies? cnn 의 기본 블록들(conv, pool, fc)을 어떻게 결합할 수 있을지에 대한 직관을 줌. 먼저, 클래식한 network를 알아보고 res나 inception과 같은 신경망들에 대해 알아볼 것. 2. Classic Network 1) Lenet-5 - Lenet-5는 요래 생겼다. - 좀 더 심화해서 말하자면,.. [Week 1] Programming Assignments 1. Backpropagation in CNN 기본적으로 Z = WA +b 의 구조는 기존 신경망과 동일하다. 다만, 저기서 언급하는 W는 필터, A는 필터가 씌어진 부분, b는 bias 이다. 따라서 dA는 그 필터를 씌운 부분을 모오두 계산하므로 시그마가 두번 연산된다. da_prev는 slice별로 기울기가 구해짐. dW도 필터별로 기울기가 구해짐. db도 필터에 대응하는 것만 기울기가 구해짐. 2. Hare code란? m.blog.naver.com/PostView.nhn?blogId=on21life&logNo=221352286781&proxyReferer=https:%2F%2Fwww.google.com%2F Languages - Hard Coding, 하드 코딩 이란 무엇인가 변경, 숨김 혹은 .. [Week1 ] 1. Convolutional Neural Networks Convolutional Neural Networks 1. Computer Vision 2. Edge Detection Example 3. More Edge detection 4. Padding 5. Strided convolutions 6. Convolutions over volume 7. One layer of a Convolutional Network 8. Simple Convolutional Network Example 9. Pooling layers 10. CNN example 11. Why convolution? 1. Computer Vision vision분야에서 딥러닝이 많이 이용되는데, 차원이 느므 많다.... 따라서 그만큼 많은 데이터가 필요한데, 이게 쉽지 않다. 어떻게 할까? med.. 이전 1 다음
