boostcamp aitech

DL 딥러닝 introductuin 인공지능 > 머신러닝 > 딥러닝 딥러닝의 Key Components data model loss argorithm 위 4가지 요소에 대해 중점적으로 논문을 보면 어

Optimization 용어 모음 Generalization 학습한 모델이 한번도 보지 않은 데이터에 대해 얼마나 잘 작동하는지에 대한 용어 Underfitting, Overfitting Cross-validation(K-fold) Bias/V

Convolution 같은 구조를 가지면서 깊게 모델 아키텍처를 가지가려고함 이런 경향 때문에 같은 아키텍처를 가지면서 최대한 최소한의 파라미터를 가지려고 노력함 1x1 Conv

Sequential data는 기본적으로 들어오는 입력의 길이를 알 수 없음input data의 길이가 얼마가 됐든 model에 들어갈 수 있어야함가장 간단한 방법은 과거의 n개의 데이터만 확인하는 것임Markov model(first-order autoregressi

DeepLearning FrameWork 이전에 Tensorflow1, 2를 써봤지만 Pytorch에 비해 불편한 점이 몇가지 존재함 Tensorflow1의 경우, Graph 형식의 Session을 사용하면서 디버깅이 굉장히 어려움, 중간 값을 뽑아서 print 찍기가

nn.ParameterTensor 객체의 상속 객체nn.Module 내에 attribute가 될 때는 required_grad = True 로 지정되어 학습대상이 되는 tensor임우리가 직접 지정할 일은 잘 없음backwardLayer에 있는 Parameter들의 미

Neural net은 data를 컴퓨터가 이해할 수 있는 형태로 녹여내는, 압축 하는 형태임카메라로 찍은 data는 bias 되어있어서 real data와 같다고 보장할 수 없음data augmentation의 목표는 train data 분포를 real data 분포와

네트워크 깊이가 깊을 수록 큰 receptive field와 capacity를 얻을 수 있음하지만 네트워크 깊이가 깊을 수록 gradient vanishing, exploding, degrdation 문제가 발생함GoogLeNetinception moduleAuxili

Word Embedding 단어를 한 벡터로 표현하는 방법 비슷한 의미의 단어일 수록 distance가 짧고, 비슷하지 않은 의미일 수록 distance를 길게함 Word2Vec 문장에서 단어의 벡터 표현을 학습하는 알고리즘 전후 단어 유사도를 보고 단어의 확률분포를

Object Detection Recognition Task 종류: Semantic Segmentation : 같은 클래스는 같은 값으로 분류하는 Segmentation task Instance Segmentation : 같은 클래스일지라도 다른 객체라면 분리하는 t

CNN Visualization 딥러닝은 종종 인간보다 더 좋은 성능을 보이지만, 왜 성능이 잘 나오는지 알 수 없음 Feature Embedding 기법 NN (nearest neighbor) Dimensionality reduction activation inve

같은 클래스의 객체더라도 객체가 다르면 다르게 마스킹 됨기본적으로 object detection을 기반으로 함Real-time instance segmentation networkYOLACT(You Only Look At CoefficienTs)YOLACTEdge배경정

Conditional Generative Model