분류 전체보기

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀 문제점: 공간적 구조를 무시고양이 Input image를 처리할 때, 픽셀 데이터를 벡터(1차원 배열)로 펼쳐 사용한다.이 과정에서 이미지의 공간적 구조(픽셀 간의 위치 관계) 정보가 손실된다.즉, 기존 신경망은 이미지의 공간적 특성을 학습하지 못하며 성능이 저하된다.+) Fully-Connection Layer의 한계: 많은 계산량을 필요로함 해결책: 새로운 계산 노드(CNN) 도입공간적 구조를 보존하는 새로운 계산 방식인, 합성곱 계층(Convolution Layer)가 등장!CNN은 이미지 데이터의 공간적 관계를 학습하고, 중요한 특징(가장자리, 텍스처 등)을 추출할 수 있다!CNN의 효과공간적 구조..

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀 벡터 미분의 개념Regular Derivative: 스칼라 입력 x가 변화하면 출력 y가 얼마나 변화하는지.Gradient: 벡터 x의 각 요소가 변할 때 y가 얼마나 변화하는지.Jacobian: x의 각 요소 변화가 y의 모든 요소에 어떤 영향을 미치는지 나타내는 행렬. Jacobian 행렬Jacobian 행렬은 벡터 함수의 각 구성 요소에 대해 모든 입력 변수에 대한 편미분을 포함하는 행렬이다. 벡터 기반 역전파이전 글에서 봣던 거랑 똑같음!Upstream Gradient * Local Gradient = Downsteam Gradient 벡터화된 역전파문제를 풀게 될 경우, 업스트림 그래디언트는 주어..

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀 Gradients를 어떻게 계산할까?경사하강법을 사용한 가중치 학습 과정을 설명하고 있다손실 함수의 각 가중치 w_1, w_2에 대한 편미분을 계산하여 가중치를 업데이트할 것이다!! 나쁜 생각: 수작업으로 구해버려이렇게 수작업으로 그라디언트를 계산하면?행렬 미분 및 계산이 많아 수작업으로 수행하려면 상당한 시간이 소요된다손실 함수를 바꾸고 싶을 때 처음부터 새로 유도해야한다.DNN이나 매우 복잡한 모델에서는 계산이 사실상 불가능하다고 한다..! 조은 생각: 계산 그래프를 사용해요!계산 그래프는 복잡한 함수를 구성하는 모든 연산 단계를 그래프로 나타낸다.계산 흐름x와 W가 입력되고, 이들을 곱하여 점수 s를..

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀  이전 선형 모델에서 2층 신경망으로 바뀌면서 복잡한 데이터 패턴을 학습할 수 있도록 하였음이전에는 직선으로 반반 나누는 것들 밖에 못했는데 이제는 XOR 연산을 할 수 있게 된 것!Width: 각 층에 있는 뉴런의 개수Depth: 깊이 = 은닉층 + 출력층 = 6+1 = 7Loss Functionloss function은 현재 모델이 얼마나 잘 작동하는지 평가하는 기준임대표적인 손실함수에는 MSE와 cross-entropy loss 가 있음오버피팅새로운 데이터에 대한 일반화(generalize) 성능이 낮아지는 것을 의미한다.학습데이터의 패턴뿐만 아니라 노이즈까지 학습하여 모델이 학습데이터에 대해 지나치..

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀  Supervised learning (지도 학습)지도학습의 목표: 새로운 입력 데이터에 대해 가장 정확한 출력 예측을 제공미래의 성능을 어떻게 예측할 수 있을까?경험적 위험(실제 데이터에서의 평균 손실)을 최소화한다. → 모델이 학습 데이터뿐만 아니라 보지 않은 새로운 데이터에서도 잘 작동해야한다!Deep learning구분전통적 비전 파이프라인고전적 머신러닝딥러닝특징 추출사람이 설계사람이 설계자동 학습 (CNN)학습 알고리즘없음 (수작업 알고리즘 사용)머신러닝 알고리즘딥러닝 모델 자체가 수행장점간단하고 직관적다양한 알고리즘 지원높은 표현력과 적응력단점확장성 부족특징 추출의 한계높은 계산 비용 딥러닝은 ..

🎀 해당 게시물은 국민대학교 김장호 교수님의 '컴퓨터비전' 강의를 수강하며 정리한 글입니다. 🎀 Image Classification이미지 분류(image Classification)은 고정된 카테고리 중 하나로 이미지를 분류하는 문제이다. CIFAR-10CIFAR-10은 이미지 분류를 위한 데이터셋이며, 다음과 같은 10개의 카테고리를 포함하고 있다.각 이미지의 크기는 32*32*3이다. -> 3인걸 보니 RGB 채널인 것을 알 수 있다!50,000장의 학습 데이터와 10,000장의 테스트 데이터로 분할되어있다! Parametric Approach선형 분류기는 학습 가능한 파라미터(가중치 W, 바이어스 b)를 사용한다.입력이미지 x를 기반으로 클래스 점수 f(x, W)를 계산한다. (출력은 10개의..

오늘은 웹스톰에서의 React 프로젝트 초기세팅에 대해서 알아보려고 합니다👩🏻‍💻🎀 그럼 바로 시작해봅시당  그전에!!!!!!!React를 사용하기 위해서는 node와 npm이 설치되어 있어야 하니아래의 명령어로 확인해보시고 없다면 설치를 부탁드립니다.# node가 설치되어있다면 해당 명령어를 입력했을 때 node.js의 버전이 나오게 됩니다.node -v# npm의 버전을 확인하는 명령어npm -v   0. 깃허브 repository 생성 후 웹스톰에서 열기개인 프로젝트를 할 때도 협업을 진행할 때도 깃허브는 굉장히 유용하므로 사용하는 것을 추천 아니 강요합니다.  아래와 같이 repository를 생성하였다면  웹스톰 상단탭에서 파일>새로만들기>버전 관리에 있는 프로젝트... 로 깃허브에 있는..

🍥 컴포넌트란?컴포넌트(component): 조합하여 화면을 구성할 수 있는 블록(화면의 특정 영역)컴포넌트의 장점화면을 빠르게 구조화하여 일괄적인 패턴으로 개발할 수 있다.화면의 영역을 컴포넌트로 쪼개서 재활용할 수 있는 형태로 관리하면 나중에 코드를 다시 사용하기 편리하다.모든 사람들이 정해진 방식대로 컴포넌트를 등록하거나 사용하게 되므로 남이 작성한 코드를 직관적으로 이해할 수 있다.뷰에서는 웹화면을 구성할 때 화면 구성 요소들을 잘게 쪼개어 컴포넌트로 관리한다.ex) 내비게이션 바, 테이블, 리스트, 인풋 박스, Header, Content(Aside, List), Footer 또한 컴포넌트 간의 관게는 뷰에서 화면을 구성하는데 매우 중요한 역할을 하며, 웹 페이지 화면을 설계할 때도 이러한 골..

03-1 뷰 인스턴스뷰 인스턴스의 정의와 속성뷰 인스턴스(instance): 뷰로 화면을 개발하기 위해 필수적으로 생성해야 하는 기본 단위 - 뷰 인스턴스 생성아래의 코드는 화면에 'Hello Vue.js'를 출력하는 코드이다.이 코드에서는 먼저, 텍스트를 화면에 표시하기 위해 new Vue()로 뷰 인스턴스를 생성하였다.그리고 인스턴스 안에 el 속성으로 뷰 인스턴스가 그려질 지점을 지정하였다.마지막으로 data 속성에 message 값을 정의하여 화면의 {{message}}에 연결하였다. {{ message }}  - 뷰 인스턴스 생성자뷰 인스턴스 생성자는 new Vue()로 인스턴스를 생성할 때의 Vue를 말한다. 이는 뷰 라이브러리를 로딩하고 ..

01-1 Vue.js란 무엇인가?- Vue.js란?Vue.js란 웹 페이지 화면을 개발하기 위한 프론트엔드 프레임워크이다.뷰 코어 라이브러리는 화면단 데이터 표현에 관한 기능들을 중점적으로 지원하지만 프레임워크 기능인 라우터, 상태 관리, 테스팅 등을 쉽게 결합할 수 있는 형태로도 제공되므로 라이브러리 역할뿐만 아니라 프레임워크 역할도 할 수 있는 점진적인 프레임워크(progressive framework)라고 불린다. - Vue.js의 장점1. 배우기가 쉽다.2. 리액트와 앵귤러에 비해 성능이 우수하고 빠르다.3. 리액트의 장점(가상 돔 기반 렌더링)과 앵귤러의 장점(데이터 바인딩 특성)을 가지고 있다.  01-2 Vue.js의 특징- UI 화면단 라이브러리vue.js는 UI 화면 개발 방법 중 하나인..