코딩뚠뚠

앞선 포스팅에서 최초의 딥러닝 기술이 적용된 Object Detection 모델인 RCNN에 대해 알아보았다. dbstndi6316.tistory.com/271 [머신러닝 공부] 딥러닝/RCNN (object detection) Object Detection RCNN은 최초의 딥러닝 기술이 적용된 Object Detection 모델이다. 1. 배경 1) 단순화의 필요성 기존의 Object Detection 모델인 DPM 등의 classification 과정은 매우 복잡했다. 다양한 필터의 h.. dbstndi6316.tistory.com 이어서 RCNN 의 단점을 극복한 SPP Net 에 대해서 공부해보았다. 1. 배경 1) RCNN의 시간복잡도에의 단점 selective search 를 통해 많은 수의..

Object Detection RCNN은 최초의 딥러닝 기술이 적용된 Object Detection 모델이다. 1. 배경 1) 단순화의 필요성 기존의 Object Detection 모델인 DPM 등의 classification 과정은 매우 복잡했다. 다양한 필터의 hog feature과 각각 필터를 적용한 후 SVM을 이용해서 classification을 한 이후 ensemble 기법을 거쳐 최종 classification을 했기 때문이다. DPM (Deformable Parts Model) 2) 시간복잡도 다양한 크기의 resolution 에서 bounding box를 생성해내고 이의 각각에 대해서 dpm classification 을 수행한다면 시간이 오래 걸린다. 이는 2012년까지 최고의 성능을 ..

이번 포스팅에서는 Semantic Segmentation 문제를 위해 제안된 딥러닝모델인 Fully Convolutional Networks 에 대해 공부해보았다. 이 Network 는 U-Net에의 기본개념이기도 하다. dbstndi6316.tistory.com/251 [머신러닝 공부] 딥러닝/U-Net 이전 포스팅에서는 2021년 인턴에서 사용한 GNN에 대해 포스팅했다. 이번엔 2019년 인턴에서 U-Net을 사용한 것에 대해 다시 알아보는 포스팅을 할 것이다. U-Net U-Net은 이미지 분할을 목적으로 제안 dbstndi6316.tistory.com Semantic Segmentation 이란 입력이미지에서 물체를 Detect 하여 bounding box를 그리는 것 뿐 아닌 픽셀단위로 물체를..

2019년 공모전당시 KNN을 이용해 OCR기능을 구현한 적이 있다. 당시엔 영상, 머신러닝 분야에 모두 익숙하지 않아 공부하지 않고 코드를 가져와 사용하기만 했기에 이번 기회에 정리해보고자 한다. KNN은 지도학습 (Supervised Learning) 을 통한 가장 단순한 분류의 알고리즘 중 하나 이다. 아이디어는 새로운 데이터를 공간 상의 가장 가까운 것들과 묶는다는 것이다. 빨간색 input data와 가장 가까운 이웃을 찾아갈 때 이웃을 최대 세 명까지만 본다고 하자 (k=3) 그렇다면 그 중에는 보라색 Class B가 더 많기 때문에 빨간색은 Class B로 분류할 수 있다. 이웃을 여섯명 까지 본다고 하면 (k=6) 그 중에는 노란색인 Class A가 더 많기 때문에 빨간색은 Class A로..

이전 포스팅에서는 2021년 인턴에서 사용한 GNN에 대해 포스팅했다. 이번엔 2019년 인턴에서 U-Net을 사용한 것에 대해 다시 알아보는 포스팅을 할 것이다. U-Net U-Net은 이미지 분할을 목적으로 제안된 End to End 방식의 Fully Convolutional Network 기반 모델이다. 네트워크 구성의 형태가 U 모양이여서 U-Net 이라는이름이 붙여졌다. 레이어를 나열해보면 다음과 같은 형태를 보인다. U-Net은 1) 이미지의 context 정보를 얻기위한 네트워크와 2) Localization 을 위한 네트워크가 대칭형태로 구성되어 있다. 1) 이미지의 context 정보를 얻기위한 네트워크 즉 encoding 과정을 Contracting Path 라고 부른다. Fully C..

인턴에서 GNN을 이용한 Situation Recognition을 수행하며 Graph Neural Network 야 말로 진정한 AI가 아닐까? 라는 생각이 들어 관심이 생겼다. 아래는 GNN을 이용한 상황인식을 하는데 참고한 논문 링크이다. openaccess.thecvf.com/content_ICCV_2017/papers/Li_Situation_Recognition_With_ICCV_2017_paper.pdf 아래는 공부하기 전 지금까지 내가 이해한 GNN의 기초 개념이다. 1. 그래프는 고정된 형태가 아니고 유클리드 좌표계에 나타내기 어려워 직관적인 해석이 어렵다는 단점을 가지고 있지만 2. 관계나 상호작용을 나타낼 수 있어 이의 특성을 이용한다면 사회 관계망을 분석하거나 바이러스의 확산 같은 추상..

이전포스팅에서 GNN 에서의 graph embedding 이란, 그 이유, 인코더의 종류 , similarity function에 대해서 알아보았다. dbstndi6316.tistory.com/248 [머신러닝 공부] 딥러닝/GNN - 1 인턴에서 GNN을 이용한 Situation Recognition을 수행하며 Graph Neural Network 야 말로 진정한 AI가 아닐까? 라는 생각이 들어 관심이 생겼다. 아래는 GNN을 이용한 상황인식을 하는데 참고한 논문 링크이다. dbstndi6316.tistory.com 이번에는 중요한 Random Walk Optimization 부터 다시 시작해보고자 한다. Random Walk Optimization graph domain에서 feature learn..

Graph 에서의 Representation learning representation learning : 표현학습 으로 쉽게 말하면 딥러닝 그 자체이다. 복잡한 데이터의 구조를 layer화 한다. Graph 에서의 representation learning 은 우리가 알고있는 딥러닝 layer 와 다르게 동작할까? ''같은 의미로 동작한다'' graph의 node를 function을 통해 Latent space(embedding space)로 embedding 할 수 있다. graph의 embedding을 통해 다양한 임무를 효과적으로 수행할 수 있다. 그래프를 왜 Embedding 할까? graph는 node로 이루어져있고 각 노드는 인접한 node가 있다. 그 정보들로 인접행렬 (Adjacency ..