분류 전체보기
-
[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..
-
ADsP 23회 복원 문제과외 - ADsP/복원 문제 2020. 1. 16. 16:49
1과목 1번) 로직 오류 프로세스 오류 중 틀린 것은? --> 데이터 수집 시점이 늦어진 것은 로직 오류에 해당 (상) 2번) 데이터웨어하우스에 대해 부적절한 것은? --> 데이터 지속적 갱신에 따른 무결성 유지가 무엇보다 중요 (중) 3번) 데이터베이스를 공유하며 사용할 수 있는 환경을 제공하는 소프트웨어? --> DBMS (하) 4번) 데이터 사이언티스트의 요구 역량 중 다른 것은? --> 스토리 텔링 (하) 5번) 프로토 타이핑과 관련 없는 것은? --> 문제 정의가 명확 (중) 6번) 감정분석에 대한 설명 중 틀린 것? --> 사용자간 사회적 관계를 알아내고자 함. (하) 7번) 암묵지 형식지의 상호작용관계? --> 공통화 → 표출화 → 연결화 → 내면화 (상) 8번) 위기요인과 통제방안의 옳게 ..
-
[ISL] 10장 - Clustering (R 실습)Data Science/Data Science in R 2019. 12. 19. 07:33
※ 10장의 연습문제 중 9번만 진행하였습니다. 문제 원본 : http://faculty.marshall.usc.edu/gareth-james/ISL/ISLR%20Seventh%20Printing.pdf 문제 9. USArrests data set을 활용하여 hierarchical clustering과 K-means Clustering 을 적합시키시오. 9(a). complete linkage와 유클리드 거리를 활용하여 군집화 시키시오. 9(b). 덴드로그램을 가장 높은 곳에서 자르면 세 개의 클러스터가 만들어진다. 어느 상태가 어느 클러스트에 속하는지 설명하시오. 9(c). 표준 편차 1을 갖도록 변수를 스케일링 한 후 complete linkage 및 유클리드 거리를 사용하여 상태를 계층적으로 군집화..