jh6029.log
로그인
jh6029.log
로그인
[CS231n] Lecture1
박정훈
·
2021년 8월 23일
팔로우
0
ML
cs231n
0
CS231n
목록 보기
1/2
Introduction to Convolutional Neural Networks for Visual Recognition
A breif history of computer vision
Biological vision: 시각을 가진 이후로 개체 수가 급증했다는 설 (Evolution's Big Bang)
Mechanical vision(camera):
간단한 카메라 역사
시각의 원리 규명
Vision process 정리(David Marr)
Feature-based Object Recognition: criticial feature을 찾아 매칭
Spatial Pyramid Matching: 이미지에는 해당 장면이 어떤 종류인지 알려주는 clue가 존재한다!
데이터셋의 확장
1900년대 후반에서 2000년대 초로 넘어오면서, 카메라의 성능이 비약적으로 향상
PASCAL Visual Object Challange
ImageNet: 기존 방법(SVM 등)은 train시 overfit될 가능성이 너무 높아, train dataset의 complexity가 중요했음. 이는 ImageNet 데이터셋을 만들게된 계기가 됨.
성능 향상
The Image Classification Challenge에서 2015년에 인간의 분류 능력 초월
2012년에 도입된 CNN이 큰 영향을 미침
CS231n overview
Image Classificaiton에 주목
visual recognition problems에는 여러가지 있음
obj detection: classficiation과는 약간 다름(위치 찾아서 박스까지 그려줘야함)
img captioning: img를 보고 설명을 해줘야함
etc
CNN have become an important tool for obj recognition
2010: hierarchical method 통한 후 SVM에 집어넣음
2012: 7 layer CNN(alexnet)으로 히트
이후: layer수와 장비 향상 -> 정확도 향상
CNN이 2012년이 돼서야 도입된 이유
LeCun의 CNN(1998)
왜 2012돼서야?
increasing computation
size of data
The quest for visual intelligence goes far beyond obj recognition
segmentation, activity recognition, vr 관련 문제 등
사람은 0.5s만 보고도 사진에 대해 굉장히 많은 이야기를 할 수 있음
사람은 사진의 맥락을 이해할 수 있음(사진 속 숨은 맥락(대통령인 오바마가 장난을 치는 상황 등))
박정훈
배우는 중입니다
팔로우
다음 포스트
[CS231n] Lecture2
0개의 댓글
댓글 작성