jonathandinu/페이스파싱 · 포옹하는 얼굴 (huggingface.co)Image Segmentation - Hugging Face Community Computer Vision Course\[CV] Image Segmentation (이미지 분할) (tist

영상 데이터를 기반으로 한 대회인 ILSVRC2012에서 우승한 CNN 구조이다. Alex Krzhevsky의 이름을 따서 AlexNet이라고 부른다. Convolution Layer 5개와 Fully Connected Layer 3개로 구성되어 있다.ReLU Acti

공부를 하다보니 배치 정규화에 대한 내용이 궁금하여 공부한 것을 기록해보았다.왜 사용하는 것 일까. 흔히 말해 학습시간을 줄이거나 모델이 Local optimum에 빠지지 않도록 또, overfitting에 빠지지않도록 하기위해서 라고 한다. 공부를 하며 단 한번도 빠

여러 층의 노드들이 연결되어 있어 전층결합(Fully Connected Layer) 라고 부른다. 입력층 - 은닉층 - 출력층 구조를 이루고 있으며 정형 데이터를 처리할 때 아주 효과적이다. train_dataset, test_dataset 에 datasets으로 MN

선형회귀는 입력 변수와 출력 변수 사이의 관계를 설명하는 직선을 찾는 기법$y = Wx + b$W(weight) - 가중치 b(Bias) - 편향입력 값 x가 들어왔을 때 W와 b를 조정하며 정확한 y를 예측하는 것.!x(입력 값) \[1, 2, 3] 이 y(출력 값)

모델이 학습을 시작하기 전에 사용자가 설정해주는 “값”학습률로, 모델이 학습을 할때 역전파(backward)를 통해 모델의 가중치를 얼마나 이동시킬지를 나타내는 값이다. $$W\_{t+1} = W_t - \\eta \\nabla L(W_t)$$이때 학습률에 따라 나타

손실 값 혹은 cost 라고 불리는 이 값은 우리가 돌리고 있는 모델의 예측값과 실제 정답 사이의 차이를 값을 표현한 것이다.당연하게 차이의 값이 작으면 작을수록 예측값이 실제 정답과 가까워진다고 표현할 수 있다. 그러기에 Loss 값을 적게하는게 AI 구조를 다루는

Multi-Layer Percenptron의 약자로 다층 퍼셉트론이라고도 불린다. 지도학습에 사용되는 인공신경망의 한 형태이며, 비선형 은닉계층을 포함하고 있다.ANN ( 인공 신경망 ) 인간의 뇌에 상호 연결된 뉴런 네트워크 구조와 기능을 모방한 머신러닝 모델이다.다

AI란 Artificial Intelligence의 약자로 인공지능이라고 한다. 학습 능력, 추론 능력, 지각 능력, 자연어 이해 능력 등 지적능력을 컴퓨터 프로그래으로 구현하려는 과학기술 분야. 즉, 인간처럼 생각하고 학습하며 문제를 해결할 수 있는 기계를 만들기 위

무한 스크롤은 어떻게 구현하는 걸까?단순하게 DB에 정보들을 한번에 다 넘기면 되는 걸까…?결론은 그러면 안된다… 정보의 양이 많다면 생길 수 있는 문제들이… 어후무한 스크롤은 페이징 방법과 다르게 사용자가 페이지를 계속 아래로 스크롤할 때마다 자동으로 새로운 콘텐츠를

Pageable, PageRequest, Page Spring 에서 개발을 하다보면 한번 쯤 본적있는 코드? 한번 쯤 본적있는 코드가 아니라 제대로 알고 쓰기위해서 글을 적어본다.Page, Pageable, PageRequest는 Spring Data JPA의 페이징

Created: 2025년 1월 12일 오후 3:32카카오 로그인 버튼을 누를 시, 카카오에서 지정한 주소로 요청을 보낸다주소에는 redirect_uri+ client_id + 등등 여러 정보들이 담겨 있다!로그인 성공 시 카카오에서 정보를 바로 가지고 오는 것이 아닌

분기 한정법(Branch and Bound)은 최적화 문제를 해결하기 위한 탐색 알고리즘backtrack 과 차이점최적해를 찾을 가능성이 없으면 분기를 하지 않는다.또한 Backtracking과 달리 최적화 문제를 푸는데만 사용한다.설계전략노드에서 숫자(경계)를 계산하

배낭 문제를 상태공간트리에 적용하여 문제를 해결한다. 뿌리마디에서 왼쪽으로 가면 첫번째 아이템을 배낭에 넣는 경우이고,오른쪽으로 가면 첫번째 아이템을 배낭에 넣지 않는 경우이다.상태공간트리를 구출하여 되추적 기법으로 문제를 해결한다.최적의 해를 찾는 문제이므로 검색이

주어진 그래프에서 모든 정점을 정확히 한 번씩 방문하고 출발점으로 돌아오는 경로(순환), 즉 해밀턴 순환(Hamiltonian Circuit)이 존재하는가?상태 이상 트리에서 기준이 되는 노드의 부모노드, 자식노드가 기준이 되는 노드와 같은지 판단한다.부모 노드, 자식

지도에 m가지 색을 가지고 색칠하는 문제.m개의 색을 가지고 인접한 지역이 같은 색이 되지 않도록 지도에 색칠해야 한다.상태 이상 트리에서 기준이 되는 노드의 부모노드, 자식노드가 기준이 되는 노드와 같은지 판단한다.인접한 노드들과 색이 같다 ⇒ 유망하지 않다.인접한

주어진 정수 집합과 목표 합계를 기반으로, 집합의 부분 집합 중에서 원소들의 합이 주어진 목표 값과 일치하는 경우를 찾는 문제조건 - 가중치를 오름차순으로 정렬한 경우, 노드가 유망하지 않음을 판단현재까지 선택한 가중치의 합 (weight)weight : 현재 노드의

모든 경우의 수를 전부 고려하는 알고리즘. 상태공간을 트리로 나타낼 수 있을 때 적합한 방식이다. 어떤 노드에서 유망성을 점검한 후, 유망하지 않다고 판정되면 그 노드의 부모노드로 돌아가서(”backtrack”) 다음 후손노드에 대한 검색을 계속 진행하는 과정이다. P

가중치가 있는 방향성 그래프에서 한 특정 정점에서 다른 모든 정점으로 가는 최단경로 구하는 문제tounchi = 현재까지의 최단 경로에서, v1에서 vi로 가는 경로의 마지막에 위치한 Y에 속한 정점의 인덱스lengthi = v1에서 vi로 가는 현재 최단 경로의 길이

용어 정리비방향성 그래프 ( undirected graph )G = (V,E) → V 는 Set of Vertex → E 는 Set of Edge 경로 path연결된 그래프 ( connected graph ) - 어떤 두 정점 사이에도 경로가 존재부분 그래프 (