Study Memo - CS231N
1.[CS231N] Intro
CS231N? > Standford 대학의 Fei-Fei Li가 2017년에 진행한 오픈소스 강의로 Computer Vision의 교과서와 같은 강의로 알려져 있습니다. 강의 영상 재생 목록 주요 내용 > Computer Vision의 여러 부분 중 CNN(Convolutional Neural Network) 기반 Image Classification에 ...
2.[CS231N] Introduction to Convolutional Neural Networks for Visual Recognition
1강. Introduction to Convolutional Neural Networks for Visual Recognition > Computer Vision의 역사와 CS231N 강의의 전반적인 내용을 가볍게 흝어보는 내용이었습니다. CS231N - 1강 [ ] History of Computer Vision [ ] CS231N Overview H...
3.[CS231N] Image Classification Pipeline
2강. Image Classification Pipeline > Image Classification에 활용되는 KNN(K-Nearest-Neighbor)의 원리와 한계, 그리고 Linear Classificatier의 개념에 대한 내용이었습니다. CS231N - 2강
4.[CS231N] Loss Function and Optimization
Linear Classifier의 정확도를 측정하는 Loss Function과 이를 기반으로 W의 최적값을 찾기 위한 Optimization 방법론에 대해 다루었습니다.CS231N - 3강Loss FunctionOptimizationLoss Function은 Linea
5.[CS231N] Introduction to Neural Networks
Computational Graph의 결과값을 역산하여 Gradient를 구하는 Backpropagation 방법과 Nerual Network의 개념에 대해서 다루었습니다.CS231N - 4강BackpropagationNeural NetworksBackpropagati
6.[CS231N] Convolutional Neural Networks
여러 개의 Filter를 통해 Input Image의 Feature를 추출하는 Convolution Layer, 그리고 추출한 Feature Image를 축소하는 Pooling에 대해 다루었습니다.CS231N - 5강Convolution LayerPooling Laye
7.[CS231N] 실습1. KNN
Image Classification의 방법 중 K-Nearest-Neighbor에 대해 실습을 진행하였습니다.KNN 관련 포스팅실행 결과실행결과실행결과실행결과실행결과실행결과실행결과실행결과실행결과최적의 K값으로 Predict하였으나, 정확도가 10% 밖에 나오지 않았다