Computer Vision
1.[CV] K-Nearest Neighbors와 Linear Classifier
Computer Vision | 이미지를 분류하기 위한 초기 여정들에 대해, K-Nearest Neighbors, Linear classifier
2.[CV] How to find the weights?
모델이 잘 학습하기 위해서는 좋은 가중치를 찾아야하는데.. 이거 어떻게 찾는건데? Loss function과 Optimization의 방식으로 최적의 가중치를 찾아보자.
3.[CV] Loss 함수와 Back Propagation에 대하여
Neural Network와 Back propagation의 기초 공부를 담아놓은 포스팅. 강의 들으면서 만난 새로운 정보를 차곡차곡 정리해봤다.
4.[CV] Neural Network 학습시키기(1)
모델을 어떤 일을 하는지까지 알겠지만, 실제로 코딩하려고 하면 막히는 부분이 많다. 이번에는 Neural Network를 학습시키기 위해서 필수적으로 알아야 할 개념들을 알아보자. (activation, data augmentation, initialization)
5.[CV] Neural Network 학습시키기(2)
Regularization, Optimizer, Normalization까지. 모델을 학습시킬 때 어떻게 보면 가장 중요한 요소들에 대해 정리한 포스팅이다.
6.[CV] Video Classification
이번에는 2D 이미지에서 3D 비디오로 확장해보자. 그에 따른 3D Convolution 연산 방식과 video classification 모델들에 대해 다뤄보았다.
7.[CV] RNN: 시퀀스 데이터 처리하기
이번에는 시퀀셜한 데이터를 처리하는 모델 중 가장 기본이 되는 RNN을 살펴보자. 그리고 RNN의 고질병인 기울기 소실 문제를 완화하는 LSTM을 알아보자.
8.[CV] Attention Mechanism
처음 접했을 때 어떻게 보면 가장 어려울 개념, Attention에 대해 알아보자. 이 포스팅을 이후에 내가 두고 두고 또 보기 위해서 작성하기도 했다 ㅎㅎ. 정확히 Attention이 어떻게 작동하는지 알아보자.