전공
-
[CS230] C4M3 - Convolutional Neural Networks전공 2020. 5. 30. 09:47
[ Detection algorithms ] Object Localization Landmark Detection Object Detection Convolutional Implementation of Sliding Windows Bounding Box Predictions Intersection Over Union Non-max Suppression Anchor Boxes YOLO Algorithm(Optional) Region Proposals
-
[CS230] C4M2 - Convolutional Neural Networks전공 2020. 5. 24. 23:56
[ Case studies ] Why look at case studies? - 특정 영역에서 효과적인 신경망 조합을 다른 분야 적용 가능하기에 샘플들 살펴볼 예정. - 종류: Classic networks(LeNet - 5 , AlexNet, VGG), ResNet, Inception Classic Networks LeNet - 5 : 손글씨 인식 - 현재에도 유용한 LaNet - 5 의 특징: 1) 신경망이 깊어질 수록 가로 세로 너비 감소, 채널의 수 증가 2) 패턴: conv - pool - conv - pool - fc - fc - output 3) 60k parameters - 요즘엔 안쓰이는 LaNet - 5 의 특징: 1) 비선형 함수로 sigmoid, tanh(relu없었던 시절) 사용 ..
-
[CS230] C4M1 - Convolutional Neural Networks전공 2020. 5. 17. 22:13
[ Convolutional Neural Networks ] Computer Vision - 종류: 이미지 분류, 물체 감지, 신경망 스타일 변형 - 단점: 입력이 매우 클 수 있다.(과적합 가능성 높음, 계산과 메모리 요구사항 맞추기 쉽지 않음) > 합성곱으로 해결(이미지 크기 해결) Edge Detection Example(합성곱 작업 - 모서리 감지) - 모서리 감지 > 물체 감지(눈,코..) > 물체감지(사람 얼굴) - 모서리 감지할 때 합성곱 이용 > 수직, 수평 경계선 찾기 : 이미지에 filter를 적용(합성곱) ex. 6X6 * 3X3 = 4X4(계산 설명) - 프로그래밍으로 구현: python: conv_forward tensorflow: tf.nn.conv2d keras: conv2d ..
-
[CS230] C3M2 - Structuring Machine Learning Projects전공 2020. 5. 6. 10:51
[ Error Analysis ] Carrying out error analysis - 잘못 분류된 예시를 찾고 오류 종류대로 각각의 비율을 측정하여 오류 개선 시 우선순위를 정한다. ex. 고양이 분류기에서 개 사진을 고양이로 착각한 경우 개 분석에 시간을 써야 할까? 100개의 잘못 라벨링된 샘플을 뽑고 그 중 개 사진이 몇개인지 세기. 만약 100개 중 5개라면 비효율적. 100개 중 50개라면 긍정적 검토 가능. 이외 오류 종류 치타인지, 배경이 흐린 경우 등 테이블 만들어 비율 계산하기. Cleaning up incorrectly labeled data - 훈련세트에서: 무작위 오류는 성능에 영향 미치지 않음(ex.실수로 라벨을 잘 못 단 경우). 하지만 규칙이 있는 오류는 성능에 영향을 미치므..
-
[CS230] C3M1 - Structuring Machine Learning Projects전공 2020. 5. 5. 08:56
[ Introduction to ML Strategy ] Why ML Strategy(완) 머신러닝 성능을 향상시키기 위한 여러 아이디어(데이터 더 모으기, 경사하강법 등)가 있지만 주어진 시간 안에 최고의 효율을 끌어올리기 위해서는 아이디어 선별하는 전략이 필요하다. Orthogonalization(완) - 직교화: 버튼이 하나의 기능만 하도록 하는 것(원하는 결과를 얻기 위해 무엇을 조정해야할지 아는 것) - 각 단계에서 해결 방법들이 직교화 되어있음 학습 세트 성능 > 개발 세트 성능 > 시험 세트 성능 > 실제 현실 성능 학습 세트 성능이 잘 안나올 경우: 더 큰 네트워크, 최적화 알고리즘 개발 세트 성능이 잘 안나올 경우: 정규화, 더 큰 학습 세트 시험 세트 성능이 잘 안나올 경우: 더 큰 개..