- 전체보기(28)
- 이것이취업을위한코테다(8)
- Computer Vision(7)
- Deep Learning(7)
- cs231n(7)
- 그리디(4)
- 구현(4)
- 알고리즘(3)
- 자료구조(3)
- Neural Network(3)
- CNN(2)
- DFS/BFS(2)
- optimization(2)
- Convolutional Neural Network(2)
- Classification(1)
- hyperparameter(1)
- activation function(1)
- 스택(1)
- Hyperparameter Optimization(1)
- 밑시딥(1)
- 큐(1)
- loss function(1)
- Backpropagation(1)
- Loss(1)
- Batch Normalization(1)
- Regularization(1)
- transfer learning(1)
- 밑바닥부터시작하는딥러닝(1)
- 데크(1)
- GCD/LCM(1)
- Initialization(1)
[CS231n] Lecture 7: Training Neural Networks II 정리
Stanford University CS231n Lecture 7
[CS231n] Lecture 6: Training Neural Networks I 정리
Stanford University CS231n Lecture 6
[CS231n] Lecture 5: Convolutional Neural Networks 정리
Stanford University CS231n Lecture 5
[CS231n] Lecture 4: Introduction to Neural Networks 정리
Stanford University CS231n Lecture 4
[CS231n] Lecture 3: Loss Function and Optimization 정리
Stanford University CS231n Lecture 3
[CS231n] Lecture 2: Image Classification 정리
Stanford University CS231n Lecture 2
[논문 리뷰] SSD: Single Shot MultiBox Detector
paper: https://arxiv.org/pdf/1512.02325.pdfIntroductionThe Single Shot Detector (SSD)Experimental ResultsRelated WorkConclusions
[논문 리뷰] R-CNN: Rich feature hierarchies for accurate object detection and semantic segmentation
paper: https://arxiv.org/pdf/1311.2524.pdfIntroductionObject detection with R-CNNVisualization, ablation, and modes for errorThe ILSVRC2013 detec
[논문 리뷰] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
paper: https://arxiv.org/abs/1703.10593 Contents Introduction Related work Formulation Implementation Results Limitations and Discussion 1. Introduction 본 연구는, paired training example 없이 이미지 집합의 고유한...
[cs231n] Lecture 10. Recurrent Neural Networks
one-to-many: image 값을 입력했을 때 그를 설명하는 단어들을 만들어내는 image captioning에서 많이 쓰임many-to-one: 연속적인 단어들을 입력했을 때 감정을 추출해내는 sentiment classification에서 많이 사용하는 방식m
[밑바닥부터 시작하는 딥러닝] CHAPTER 5. 오차역전파법
5.5 활성화 함수 계층 구현하기 5.5.1 ReLU 계층 5.5.2 Sigmoid 계층 5.6 Affine/Softmax 계층 구현하기 5.6.1 Affine 계층 5.6.2 배치용 Affine 계층 5.6.3 Softmax-with-Loss 계층 5.7 오차역전
[밑바닥부터 시작하는 딥러닝] CHAPTER 3. 신경망
가장 왼쪽부터 입력층 - 은닉층 - 출력층해당 이미지에서 0층은 입력층, 1층은 은닉층, 2층은 출력층입력층이나 출력층과 달리, 은닉층의 뉴런은 사람 눈에 보이지 않는다.
