강의 복습 내용

[DAY 32]

(3강) Image classification 2

(4강) Semantic segmentation

퀴즈 결과 회고

[퀴즈] Classification to semantic segmentation (제출용)

1. Classification 문제로 학습시킨 모델을 semantic segmentation 문제를 풀도록 변화하는 과정에서, VGG11Segmentation 모델 클래스 내부의 레이어 멤버변수 conv_out의 레이어에 VGG11Classification 모델 클래스의 레이어 fc_out의 파라미터들을 reshape하여 copy합니다. 이때, VGG11Segmentation 모델 클래스의 conv_out layer는 (out channel 갯수 O, in channel을 갯수 I, 커널 사이즈 W, 커널 사이즈 H) 로 구성됩니다. 이 때, O+I+W+H의 값은 무엇일까요? (O)

• ans : 521

2. 모델을 구성하고 colab 코드를 run 하시어 semantic segmentation의 결과를 확인하셨을 것입니다. 이때, label의 값이 6에 해당하는 input data (mask5.jpg 에 해당) 의 결과를 가시화하는 과정에서 heatmap을 그려내는데요. 저희는 특히, heatmap 값 중 상위 5 퍼센틸을 뽑아내어 이 중에서의 segmentation 값을 그려내도록 하였습니다. 이 상위 5퍼센틸 heatmap에 해당하는 값들의 원소 좌표들에서 y좌표(행 값)에 해당하는 값들을 모두 더한 값은 얼마였나요? (가장 비슷한 값을 골라주세요) (O)

• ans : 320239

피어 세션 정리

강의 리뷰 및 Q&A

• (3강) Image classification 2
• (4강) Semantic segmentation

과제 진행 상황 정리 & 과제 결과물에 대한 정리

[과제] Classification to semantic segmentation

• TO DO (1) : You should build a layer for the semantic segmentation. (Hint: Take a look at the forward method)

• TO DO (2) : You should reshape & copy the parameter of fc_out layer of model for classification into defining layer (in Todo 1).

• Hint : You may use the functions below to fill in Todo's:
  (1) torch.reshape
  (2) torch.nn.Conv2d
  (3) torch.nn.Parameter

• Classification to semantic segmentation에 대한 것으로, 어렵지 않게 해결했습니다.

총평

강의의 절반 정도가 복습이었고, 남은 절반도 새로운 내용을 얕게 다뤄 아쉬웠습니다.
그래도 어제와 오늘의 과제는 정말 만족스러웠습니다.
모델 전체는 아니지만, 일부라도 직접 생각하고 구현하도록 했다는 점에서 높은 점수를 주고 싶습니다.
앞으로 남은 과제도 이런 방향성을 가졌으면 좋겠습니다.
그리고 역시 저는 문제 해결 과정에서 많은 것을 배우는 것 같습니다.

오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.

읽어주셔서 감사합니다!