CS231n 정리

강의 링크 : 유튜브 CS231n강의 자료 : PDF 링크입력 이미지가 들어왔을 때, 이미 정해져 있는 Categories에서 이미지가 어떤 Category에 속할 지 고르는 문제Computer 입장에서 Image Classification이 어려운 이유는 무엇일까?사

기존 NN모델은 모든 노드가 서로 연결되어 있다. 하지만 CNN의 특징은 모든 노드를 결합하지 않음으로써 연산량을 줄이고 효율성을 높이는 방식을 사용한다. → 기존의 ‘공간적 구조’를 보존시킨다.CNN 모델의 목적 : 입력된 이미지 분류최종 분류를 위해서는 ‘주어진

parameter의 개수 = ((5 5 3) + 1) \* 6 = 456개Fully connect 할 경우 약 1400만개의 파라미터가 필요vertical edge detector( 세로 윤곽선 검출 )하나의 필터만으로 6\*6크기의 이미지 전체에서 윤곽선을 찾아

Vanila Neural Network - one to one 지금까지 배운 아키텍처의 모양이미지 또는 벡터를 input으로 받고, hidden layer를 거쳐 하나의 출력을 내보냄RNN(Recurrent Neural Network) RNN은 가변길이의 입/출력

Fancier OptimizationRegularizationTransfer Learning가중치 W에 대한 손실함수 L은 가중치가 얼마나 좋은지 나쁜지 평가한다.Loss functioin에서 현 weight의 기울기(gradient)를 구하고 loss를 줄이는 방향으