SYDev

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. 사용자가 control 가능한 Generative Model인 Conditional Generative Model이 무엇인지,model의 사례에 무엇이 있는지 알아보자. Conditional Generative Model 기존의 Generative Model -> 가방의 랜덤한 이미지만 생성할 수 있다. Conditional Generative Model -> 주어진 스케치(condition)에 대해서 비슷한 모양의 가방 이미지를 생성할 수 있다. ex) 저음질의 audio -> 고음질의 audio, 한자로 이루어진 중국어 문장 ->..

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. Computer Vision 분야에서 사용되는 여러가지 모델들에 대해서 알아보자. Instance Segmentation Image Segmentation: Image classification의 확장으로, 이미지 내 정보의 분류와 이미지 속 픽셀 수준에 무엇이 있는지 이해하는 데에 사용하는 컴퓨터 비전 기술이다. semantic segmentation + distinguishing instances Mask R-CNN 기존의 Faster R-CNN에서는 RPN의 region proposal을 기반으로 ROI polling 기법을 사..

가장 유명한 알고리즘 디자인 패러다임인 분할 정복(Divide & Conquer)을 이해하고 예제를 통해 구현해보자. 분할 정복 분할 정복(Divide & Conquer): 주어진 문제를 둘 이상의 부분 문제로 나눈 뒤 각 문제에 대한 답을 얻어내는 방법이다. 부분 문제와 나머지를 나눌 때 거의 같은 크기로 나눈다. 분할 정복 설계 divide: 문제를 더 작은 문제로 분할하는 과정 conquer: 해결이 용이한 수준까지 분할된 문제를 해결하는 과정 merge: 각 문제에 대해 구한 답을 원래 문제에 대한 답으로 병합하는 과정 수열의 빠른 합과 행렬의 빠른 제곱 #include using namespace std; int fastSum(int n) { if(n == 1){ return 1; } if(n ..

문제풀이 과정에서 가장 간단하면서 틀릴 가능성이 낮은 '완전 탐색(exhaustive search)' 알고리즘과 이를 구현하는데 유용한 '재귀 호출(recursion)'을 이해하고 문제를 통해 직접 구현해보자. 완전 탐색과 재귀 호출 완전 탐색 완전 탐색(exhaustive search): 컴퓨터의 빠른 계산 능력을 이용해 가능한 경우의 수를 일일이 나열하면서 답을 찾는 방법 경우의 수가 커지더라도 컴퓨터의 계산 능력을 고려하면 생각보다 훨씬 간편하게 문제를 풀 수도 있다. 재귀 호출 재귀 함수(recursive function): 자신이 수행할 작업을 유사한 형태의 여러 조각으로 쪼갠 뒤 그 중 한 조각을 수행하고, 나머지를 자기 자신을 호출해 실행하는 함수 재귀 함수에는 "더이상 쪼개지지 않는" 최소..

오늘은 further questions와 실습 코드에 대해서만 다룰 예정 Further Questions Q1. 왜 filter visualization에서 주로 첫번째 convolutional layer를 목표로 할까? CNN filter는 첫번째 convolutional layer의 input이 RGB 채널로 이루어져 있어 직관적으로 이해하기가 쉽다. 반면에 뒤로갈수록 인간이 직관적으로 이해하기가 어렵다는 특징이 있다. Q2. Occlusion map에서 heatmap이 의미하는 바가 무엇인가? 각 픽셀이 얼마만큼의 중요도를 갖는지 나타내는 score라 해석할 수 있다. 확률값으로 계산하므로 heatmap으로 시각화할 수 있다. Q3. Grad-CAM에서 linear combination의 결과를 R..

본 게시물은 네이버 부스트 캠프 cv 강의(https://www.boostcourse.org/ai340/joinLectures/369545)를 기반으로 작성된 게시물입니다. CNN Visualization의 개념 및 활용목적을 파악하고, 어떤 방식으로 시각화를 진행하는지에 대해 알아보자. What's CNN Visualization? CNN Visualization: CNN 내부를 시각화하여, 모델의 학습 과정을 직관적으로 확인할 수 있도록 하는 과정 직관적으로 파악이 어려운 Black Box 형태의 CNN 내부를 시각화하여, 모델이 어떤 학습 과정을 거쳐 성능을 잘 내는지와 어떻게 모델 성능을 향상시킬 수 있는지 생각해볼 수 있다. 기본적인 예시: Filter Visualization Convoluti..

참고자료 구종만, , 인사이트, 2012.11.01

3주만에 대면 세션! 세션 도중 이해가 되지 않았거나, 더 알아보고 싶었던 내용 위주로 작성 예정 ResNet에서 gradient vanishing을 해결하는 원리 resnet 이전의 모델에서 layer가 너무 깊어질수록 gradient vanishing/exploding 문제로 성능이 저하되는 문제가 발생함. gradient vanishing: layer가 깊을수록, back propagation의 미분 과정에서 기울기가 소실되는 문제가 발생 ResNet에서는 skip connection을 이용한 residual learning을 통해 gradient vanishing 문제를 해결 ResNet 기존의 CNN은 입력값 x를 y로 매핑하는 함수 H(x)를 얻는 것이 목적 ResNet은 F(x)+x를 최소화..