gamemefy.log
로그인
gamemefy.log
로그인
CS231n 2강 이미지 분류
임동혁
·
2022년 6월 30일
팔로우
0
Computer Vision
Deep Learning
cs231n
image classification
딥러닝
이미지 분류
컴퓨터 비전
0
CS231n
목록 보기
2/2
스탠포드대의 CS231n 강의를 수강하고 나중에 참고할 만한 부분을 다른 자료를 참고하여 요약 정리한 내용입니다.
분류
분류의 도전적인 문제들
의미적 차이(Semantic Gap)
컴퓨터는 고양이를 픽셀 행렬로 인식해서 고양이스러움을 발견하기 어려워 함
시점 변화
보는 지점이 달라지면 컴퓨터는 완전 다르게 인식함
조명(Illumination)
형태 변화(Deformation)
가려짐(Occlusion)
꼬리만 보이는 것 등
배경 문제
배경과 객체가 비슷할 때 등
클래스내 변동(Intraclass Variation)
고양이 개체마다도 서로 서로 다르게 생긴 것
최근접 이웃 탐색(Nearest Neighbor)
최근접한 1개 데이터의 라벨 가져옴
속도 느림
학습 속도는 O(1), 예측 속도는 O(N)인데, 예측이 느리면 안 됨. 이 반대(예: CNN)로 되는 것은 좋음
k-최근접 이웃 탐색(k-Nearest Neighbor)
k개의 주변 값에 대해 주된 값을 투표로 결정하여 라벨을 선택함
실제로 거의 안 쓰임
k는 하이퍼파라미터
하이퍼파라미터 설정
학습 데이터에 잘 맞는 것? X
시험 데이터에 잘 맞는 것? X
처음 본 데이터에 대해서 시험을 해야 함. 단 한 번만!
데이터를 셋으로 나눠서 학습, 검증, 시험 데이터 중 검증 데이터를 이용하여 하이퍼파라미터를 튜닝
학습/검증 데이터 차이: 학습 데이터는 라벨 데이터를 활용해서 학습을 하지만, 검증 데이터는 라벨 데이터는 '결과가 잘 나왔는지 확인'할 때만 이용
교차 검증
효과는 좋지만 작은 데이터에 사용
거리 선택하기
L1과 L2는 좌표계 의존성에 큰 차이가 있음
선형분류기
입력 x, 가중치 W, 편향 b
기타 키워드
차원의 저주
파라미터 접근법
참고자료:
cs231n 웹페이지
위키백과
블로그
임동혁
즐겁게 새로운 것을 공부하고, 이미 배운 것들을 이리 저리 연결하며 글을 써보고, 공부한 것을 다른 분들과 공유하면서 꾸준히 발전하고자 만든 공간입니다!
팔로우
이전 포스트
CS231n 1강 시각 인식을 위한 합성곱
0개의 댓글
댓글 작성