Deep-Learning
-
[Semantic Segmentation] U-Net 원리Deep-Learning/[Vision] 논문 리뷰 2020. 1. 31. 16:29
* 논문 : https://arxiv.org/abs/1505.04597 1. Semantic Segmentation의 목적 : https://kuklife.tistory.com/118?category=872136 2. Semantic Segmentation 알고리즘 - U-Net U-Net은 2015년 5월 경에 게제되었으며, 독일의 프라이부르크 대학에서 Olaf Ronneberger, PhilippFischer, Thomas Brox에 의해 작성되었다. 논문의 핵심 내용은 주제에서 비춰지듯 Biomedical Image segmentation을 위한 convolutional network에 대한 내용으로써, End-to-End 로 Segmentation하는 심플하고 효과적인 방법이다. U-Net은 Fu..
-
[Semantic Segmentation] Semantic Segmentation 목적Deep-Learning/[Vision] 이론 2020. 1. 29. 17:26
Semantic Segmentation의 목적 Semantic Segmentation은 이미지 내의 물체들을 의미 있는 단위로 분할해내는 것이다. 좀 더 구체적으로 이야기하면 이미지 각 픽셀이 어느 클레스에 속하는지 예측하는 것이다. (이렇게 이미지 내 모든 픽셀에 대해 예측을 진행하기에 이러한 과제를 dense prediction 이라고 부르기도 한다.) semantic segmentation을 어떤 이미지에 시행하면 다음 그림과 같이 각 픽셀이 어느 클레스에 속하는지 알게 된다. 즉, semantic segmentaion 알고리즘의 입력값은 컬러 이미지 또는 흑백 이미지이고, 출력값은 각 픽셀의 예측된 클레스를 나타내는 segmentation map이다. Semantic Segmentation과 Ob..
-
[Semantic Segmentation] FCN 원리Deep-Learning/[Vision] 논문 리뷰 2020. 1. 29. 17:17
* 논문 : https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf 1. Semantic Segmentation의 목적 : https://kuklife.tistory.com/118?category=872136 2. Semantic Segmentation 알고리즘 - FCN FCN은 Fully Convolution network의 약어로 2015년 발표되었으며, 논문의 제목은 Fully Convolution networks for Semantic Segmantation 이다. (1) Fully convolutional networks FCN이 주목한 부분은 분류에서 성능을 검증받은 기존의 네트워크(AlexNet, VGGNet, GoogLeNet)..
-
CNN(Convolution Neural Network) 구조Deep-Learning/[Vision] 이론 2020. 1. 29. 16:32
1. CNN 개요 영상 인식 알고리즘에서 높은 정확도(좋은 결과)를 얻기위해서는 사전에 많은 처리 과정이 필요하다. 그렇기에 기존 MLP를 바로 적용하기엔 어려움이 많다. 먼저, MLP의 문제점을 살펴보자. 1) MLP의 문제점 이상적인 ML이라면 Training Data만 적절히 넣어주면 분류가 잘되는 모습을 기대할 것이지만 현실은 그렇지 못하다. 따라서, 기존 MLP를 이용해 nets 구조를 특수한 형태로 변형시켜 사용해야 한다. 그렇다면, 2D 이미지가 갖는 특성을 어떻게 활용할까? 아래의 그림처럼 MLP를 이용해 16*16크기의 손글씨 이미지를 인식하는 경우를 살펴보자 필기체 인식을 위해 위 그림처럼 256개의 input unit 100개의 hidden unit 26개의 output unit 으로..
-
[Deep Learning] Neural Network for predicting XOR operations in PythonDeep-Learning/[Vision] 실습 2019. 4. 9. 05:43
문제 : Sigmoid 활성화 기능으로 NN을 교육하고 NN 기반 XOR logic의 출력과 함께 학습 곡선을 보여준다. 조건 : 파이썬 프로그래밍으로 2 input units * 2 hidden units * 1 output unit의 형태의 인공신경망을 설계한다. * 설계 방식 1. NNs class design 2. 훈련 시 에러값이 줄어드는 모습을 plot() 3. 모델이 완성되면 test 실시 ※ XOR logic은 NNs로 학습시킬 때 2개의 hidden node로는 학습이 너무 오래걸리며, 적절한 learning rate 값을 찾기 어려우므로 3개 이상의 hidden node를 만들 것을 추천 ※ 목표를 해결하기 위해 random number를 고정시키기 위해 seed(2019)를 사용하였으..