CV
1.[CS231n] Lecture 1 정리
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.an interdisciplinary fieldex)physics - to understand image formationex)biology - to understand how animal
2.[CS231n] Lecture 2 정리 (Image Classification Pipeline)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.a core task in CVinput: imagesystem is aware of predetermined set of categories(labels) (ex. dog, cat ...)
3.[CS231n] Lecture 3 정리 (Loss Functions and Optimization)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.저번 시간에 W를 어떻게 선택할지에 대해 얘기하지 않음실제로 어떤 W값이 최선일지에 대해 training data를 어떻게 사용해야 하는지에 대해in this case, cat is not
4.[CS231n] Lecture 4 정리 (Introduction to Neural Networks)
how to compute analytic gradient for arbitrarily complex functions using a framework called computational graphsWith computational graph, we can repre
5.[CS231n] Lecture 5 정리 (Convolutional Neural Networks)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.convolutional layers - maintain spatial structures1957, MARK I Perceptron machinefirst implementation of t
6.[CS231n] Lecture 6 정리 (Training Neural Networks: Part 1)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다. Activation Functions At any particular layer, data comes in, multiply by weight, pass this through an a
7.[CS231n] Lecture 7 정리 (Training Neural Networks: Part 2)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.add additional layer to force all intermediate activations to be zero mean and unit variancecore strategy
8.[CS231n] Lecture 8 정리 (Deep Learning Software)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.GPU: Graphics Processing Unit \- originally developed for rendering computer graphics \- NVIDIA vs AMD
9.[CS231n] Lecture 9 정리 (CNN Architectures)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.first large scale convolutional networkinput: 227x227x3 images (ImageNet)First layer(CONV1) \- 96 11x11 f
10.[CS231n] Lecture 13 정리 (Generative models)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다. Unsupervised Learning Supervised Learning Data: (x,y) where x is data, y is label Goal: Learn a function
11.[CS231n] Lecture 14 정리 (Deep Reinforcement Learning)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.Problems involving an agent interacting with an environment, which provides numeric reward signalsGoal: Le
12.[CS231n] Lecture 10 정리 (Recurrent Neural Networks)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.so far, we saw a vanilla feed forward network \- we receive some input and that input is a fixed size obj
13.[CS231n] Lecture 11 정리 (Detection and Segmentation)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.
14.[CS231n] Lecture 12 정리 (Visualizing and Understanding)
🔎 Stanford CS231n 강의를 듣고 기록용도로 정리하는 게시글입니다.so far, we've seen Convnets as a black box \- input image of raw pixels come in on one sidegoes through m
15.[CV] 기본 개념이 헷갈릴 때마다 참고할만한 글들
CNN의 필터 개념https://medium.com/advanced-deep-learning/cnn-operation-with-2-kernels-resulting-in-2-feature-mapsunderstanding-the-convolutional-filte
16.[CS231n] Assignment1 Q1: K-NN Classifier
드디어 CS231n 과제가 끝이 보이기 시작했다! 사실 assignment 하나 끝낼 때마다 복습 겸 기록해두려고 했는데 assignment3까지 모두 끝내는 것에 마음을 계속 쓰다보니 이제서야 기록을 하게 되었다... ㅎㅎ;;아래는 공식 과제 링크스탠포드 CS231n
17.Diffusion 참고자료
Survey paper (식 전개 과정 모두 있음) - https://arxiv.org/pdf/2208.11970