인공지능 대학원/AI 영상처리 (6) 썸네일형 리스트형 딥러닝 개념 딥러닝 개념1. 손실 함수 (Loss Function)손실 함수(Loss) 는 모델의 예측값과 실제 정답의 차이를 수치로 나타냄예: L = f(p) (L은 손실 값, p는 예측 결과)L은 스칼라값 (즉, 하나의 수)p는 스칼라/벡터/행렬 등 다양할 수 있음손실 함수는 작을수록 좋다!손실을 줄이는 것이 모델 학습의 목표분류 문제에서는 크로스 엔트로피(Cross Entropy) 를 주로 사용2. 경사 하강법 (Gradient Descent)손실 값을 가장 작게 만드는 가중치(weight) 를 찾기 위한 알고리즘손실 함수의 기울기(경사) 를 따라 가중치를 조금씩 바꿔감러닝레이트 (learning rate 또는 alpha)한 번에 이동하는 거리 (step size)너무 작으면: 학습이 느림너무 크면: 최소점을 .. 인공신경망 MLP,CNN 1. 신경망(Neural Network) 학습 과정신경망은 입력 → 출력을 매핑해주는 모델로, 학습은 예측값과 실제값의 차이(=오차)를 줄이는 과정이때 중요한 역할을 하는 게 손실 함수 (Loss Function)!2. 손실 함수 (Loss Function)예측값과 실제 정답 사이의 차이를 수치로 나타냄손실 함수 값이 작을수록 모델이 잘 맞췄다는 뜻분류 문제에서는 크로스 엔트로피 (Cross Entropy) 가 대표적:예측 확률 분포와 실제 정답(원-핫 벡터) 분포의 차이를 측정정답 클래스에 높은 확률을 줄수록 손실이 작아짐3. 최적화 함수 (Optimizer)손실 값을 줄이기 위해 가중치(weight) 를 업데이트하는 도구대표적인 알고리즘:SGD (Stochastic Gradient Descent).. CIFAR-10로 CNN 이미지 분류 # 필요한 라이브러리 불러오기import torch # 딥러닝 기본 라이브러리from torch import nn # 신경망을 쉽게 만들 수 있는 도구from torch.utils.data import DataLoader # 데이터를 배치(batch) 단위로 불러오는 도구import torchvision # 이미지 데이터셋 관련 도구 모음from torchvision import datasets, transformsimport matplotlib.pyplot as plt # 그래프 그릴 때 사용import numpy as np # 수학 계산을 쉽게 해주는 도구# GPU가 가능하.. CNN(Convolutional Neural Network) CNN(Convolutional Neural Network)1. CNN 개요CNN(Convolutional Neural Network)은 이미지 데이터 처리에 특화된 딥러닝 모델로, 특징 추출(Feature Extraction)과 분류(Classification)를 자동으로 수행할 수 있다.(1) CNN의 주요 구성 요소Convolution Layer (컨볼루션 레이어) → 이미지 특징 추출Activation Function (비선형 활성화 함수, 주로 ReLU) → 비선형성 부여Pooling Layer (풀링 레이어) → 차원 축소, 중요한 정보 유지Fully Connected Layer (완전 연결층) → 최종 분류2. 컨볼루션 연산 (Convolution Operation)(1) 컨볼루션 필터(3×.. 비선형 함수(Nonlinear Function)의 필요성 비선형 함수(Nonlinear Function)의 필요성 정리1. 선형 함수 vs 비선형 함수선형 함수(Linear Function): 직선의 형태로 데이터를 분리 가능비선형 함수(Nonlinear Function): 곡선을 활용하여 복잡한 패턴을 표현 가능(1) 선형 함수만 사용하면 발생하는 문제뉴럴 네트워크에서 선형 변환(행렬 곱셈)만 계속하면 결국 하나의 선형 변환으로 축소됨예: 3개 레이어 중 중간 레이어가 사라지는 효과 발생즉, 딥러닝(Deep Learning)이 아닌 단순한 선형 모델(Linear Model)이 되어버림(2) 딥러닝에서 비선형 함수의 필요성뉴런(Neuron) 수가 많아질수록 모델 성능이 향상됨비선형 활성화 함수(Activation Function)를 추가하면 레이어의 역할이 유.. 딥러닝 이전의 영상 인식 및 딥러닝 기반 기술 1. 딥러닝 이전의 영상 인식 기술1.1 비올라-존스 얼굴 검출 (Viola-Jones Face Detection, 2001)단순한 필터를 여러 개 사용하여 얼굴을 검출하는 기법Haar-like Feature를 활용해 얼굴 특징을 빠르게 찾고, AdaBoost 알고리즘으로 중요한 특징을 선별하여 검출 속도를 높임Cascade 구조를 사용하여 단계적으로 검출 정확도를 높임실시간 얼굴 검출이 가능해졌으며, 컴퓨터 비전 분야에서 중요한 논문으로 평가됨1.2 Building Rome in a Day (2009)2D 이미지(사진)를 활용하여 3D 모델을 생성하는 연구관광객들이 찍은 다양한 각도의 사진을 활용해 3D 재구성 가능성을 제시이미지 calibration을 통해 동일한 객체의 공통 포인트를 이어서 3D 모.. 이전 1 다음