CS231n

CS231n (Convolutional Neural Networks for Visual Recognition) 이란 스탠포드 대학에서 주관하는 가장 인기있는 인공지능 강의입니다.특히 Computer Vision + Machine Learning 을 공부하는 분이라면 반

컴퓨터의 입장에서 이미지란?H(높이) x W(너비) x C(채널) 로 이루어진 3차원 행렬각 행렬의 값은 0~255로 이루어져 있다. 이러한 값들을 pixel value, gray level, color depth 등으로 부르는데, 해당 픽셀의 밝기를 의미한다.채널은

x_i = input imageW = weight matrix (weights)b = bias vector (parameters)우선 우리가 분류하고자 하는 클래스의 갯수를 k라 하자.이미지(x_i)를 1차원으로 flattening 하면 D x 1의 matrix가 된다

우리는 이전 강의에서 손실 함수(loss function) 이라는 개념을 배웠고 이를 최소화하는 W (weight matrix) 를 구하고자 한다. 이를 위해서 여러 전략을 생각해볼 수 있다.Random Search임의 가중치를 시도하고 가장 잘 작동하는 것을 선택하는

두 변수의 곱으로 이루어진 함수에서 각 변수에 대한 편미분은 다음과 같다. 두 변수의 합으로 이루어진 함수에서 각 변수에 대한 편미분은 다음과 같다.f(q), q(x) 에 대한 합성 함수인 f(x) 에 대해 미분을 취할 때 chain rule을 이용하여 계산할 수

Convolutional Neural Network. 다른 말로 합성곱 신경망이라고 부른다.1차원을 가지고 연산하는 일반적인 방식과 달리, 입력이 3차원으로 구성된 신경망이라 Width x Height x Channel 형태의 이미지에 적합한 방식이다. 위의 예시는