AI/CS231N (3) 썸네일형 리스트형 Lecture 9 : CNN Architecture 해당 게시물은 Standford 2017 CS231n 강의를 들으며 정리한 내용이며 슬라이드를 바탕으로 작성되었습니다. CNN Architectures Case Studies AlexNet VGG GoogLeNet ResNet Also… NiN(Network in Network) WideResNet ResNeXT Stochastic Depth DenseNet FractalNet SqueezeNet Review : LeNet-5 LeNet-5 산업에 아주 성공적으로 적용된 최초의 ConvNet 이미지를 입력으로 받아서 Stride = 1, 5X5 사이즈의 필터를 사용하여 Conv, Pooling, FC 레이어를 거치는 모델 → 단순하지만 숫자 인식 부분에서 좋은 성능을 보여준다. AlexNet 2012년에.. Lecture 10 : Recurrent Neural Networks 해당 게시물은 Standford 2017 CS231n 강의를 들으며 정리한 내용이며 슬라이드를 바탕으로 작성되었습니다. 이번 강의는 Recurrent Neural Networks에 관한 내용입니다. 위 그림은 RNN을 이용해서 만들 수 있는 다양한 모델에 대한 다이어그램입니다. 제일 왼쪽에 있는 one to one 모델부터 many to many까지 간단하게 설명해보겠습니다. one-to-one : ‘Vanilla’ Neural Network의 모양을 띄고 있습니다. 입력으로 하나의 이미지나 벡터를 받아서 하나의 출력을 만들어내는 모델입니다. 하지만 Machine Learning의 관점으로 볼 때 모델이 다양한 입력을 처리할 수 있도록 유연해질 필요가 있기 때문에 RNN이 만들어졌습니다. one-to-m.. Lecture 11 : Detection and Segmentation 해당 게시물은 Standford 2017 CS231n 강의를 들으며 정리한 내용이며 슬라이드를 바탕으로 작성되었습니다. 지난 강의에서는 RNN에 대해서 배웠습니다. 이번 강의에서는 Segmentation, Localization, Detection과 같은 여러 CV의 task에 대해 배워 보겠습니다. 위 그림은 여러 CV Tasks에 대한 그림입니다. 우선 Semantic Segmentation에 대해 보겠습니다. Semantic Segmentation 우선 Semantic Segmentation은 입력으로 이미지를 받고, 그에 대한 출력으로 이미지의 모든 픽셀에 카테고리를 정합니다. Semantic Segmentation도 Classification처럼 카테고리가 있지만 다른 점은 classificat.. 이전 1 다음
