cs231n

생물학적 Vision의 역사는 5억 4천만년 전부터 시작됐다. 지구 대부분은 물이고 일부 생물들만 있었으며 눈(eyes)이 없었다. 하지만 천만 년이라는 짧은 시간동안 생물 종이 기하급수적으로 늘어났고 가장 설득력있는 주장은 앤드류 파커의 5억 4천만전에 최초의 눈이

Image Classification은 입력 이미지를 받고 미리 정해놓은 label 카테고리가 존재해 컴퓨터는 이미지를 보고 어떤 카테고리에 속할지 분류해야하는 것이다. 하지만 우리가 이미지에 붙인 의미상의 레이블과 컴퓨터가 보는 픽셀값(숫자 집합) 사이에는 Seman

지난시간에 실제로 가장 좋은 행렬 $W$를 구하기 위해 어떻게 트레이닝 데이터를 활용해서 행렬 W를 만들어야 하는지는 다루지 않았다.Linear Classifier에서 어떤 $W$가 가장 좋은지를 결정하기 위해서는 지금의 $W$가 좋은지 나쁜지를 정량화할 방법이 필요하

Computational graphs를 이용해서 어느 함수든 표현할 수 있다.예를 들어 아래는 지금까지 봤던 input이 $x, W$인 linear classifier이다.이 computational graph를 이용해 함수를 표현하면 backpropagation을 사

이번 시간에는 Convolutional Neural Network에 대해 살펴 볼 것이다. 기존 Neural Network와 같은 아이디어이긴 하지만 이번에는 ‘spatial structure(공간적 구조)’를 유지하는 Convolutional Layer에 대해 배울

선형적인 층만 여러개 쌓는 것은 선형성에 의해서 하나의 층으로 합칠 수 있으므로 의미가 없다. 그래서 더 복잡한 non-linear 함수를 만들기 위해 선형층 중간에 activation function을 넣어주면서 계층적인 구조의 비선형함수 네트워크로 만들어 준다.오래