dl
-
[GAN]Generative Adversarial Networks(NIPS 2016)Artificial Intelligence/Deep learning 2021. 9. 10. 13:31
딥러닝의 3대 석학이라고 불리는 얀 르쿤(Yann LeCun) 교수가 GAN(Generative Adversarial Network)을 가리켜 최근 10년간 머신러닝 분야에서 가장 혁신적인 아이디어라고 할 만큼 GAN은 가장 많은 관심을 받고 있는 기술 중에 하나이고 재미있는 연구 분야입니다. 오늘은 Generative Adversarial Networks에 대해서 포스팅해보도록 하겠습니다. GAN에서 다루고자 하는 모든 데이터는 확률분포를 가지고 있는 랜덤변수(Random Variable)이기 때문에 먼저 확률분포의 개념을 알아야 합니다. 확률분포 확률 번수가 특정한 값을 가질 확률을 나타내는 함수를 의미합니다. 예를 들어 주사위를 던젔을때 나올 수 있는 확률 변수 X라고 합시다. 확률 변수 X는 1,..
-
[Optimizer] Optimizer-경사하강법(Gradient Descent)Artificial Intelligence/Deep learning 2021. 5. 19. 14:34
경사 하강 학습법은 최적화 이론의 한 방법입니다. 최적화 이론은 어떤 함수가 있을 때 함수의 출력이 최적의 값을 찾아내는 이론을 말합니다. 그중에서도 딥러닝에서는 경사 하강법을 많이 사용하는데요 학습한 부분들을 정리하며 포스팅해보겠습니다. 수정해야 할 부분이 있으시면 댓글로 달아주시면 감사하겠습니다 경사 하강법(Gradient Descent) 함수 $f(x)$에서 경사를 따라 여러번의 스텝(step)을 통해 최적점(최솟값)으로 다가가는 것을 경사 하강법이라고 합니다 경사는 기울기(미분, Gradient)를 이용해 계산합니다. 경사 하강법(Gradient Descent)의 학습률(Learning rate) 경사하강법에서 학습률(Learning rate)을 값을 지정해야 해야 합니다.(Step size라고 ..
-
[CNN]Convolutional Neural Networks(CNN)Artificial Intelligence/Deep learning 2021. 5. 10. 02:11
이번에는 computer vision에서 가장 기본이 되는 CNN에 대해서 포스팅을 하려고 합니다. CNN의 등장 Convolutional Neural Networks(CNN)은 Deep Neural Networks에서 기존의 이미지나 영상 데이터를 처리할 때 발생하는 문제점들을 보안한 방법입니다. 기존의 이미지 영상처리 방법은 2차원 이미지(채널 포함 시 3차원)를 1차원 배열로 변환한 다음에 FNN (Fully- connected multi layered Neural Network) 신경망으로 학습시키는 방법입니다. FNN은 벡터 형태로 표현된 데이터를 입력 받기 때문에 이미지를 반드시 벡터화해야 하는데, 이미지를 벡터화하게 되면 인접 픽셀간의 상관관계가 무시됩니다. 일반적으로 이미지 데이터는 인접한..
-
[논문 리뷰] StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image TranslationResearch 2021. 5. 3. 18:00
이번에는 CVPR 2018 에서 발표된 논문인 StarGAN을 리뷰하고자 합니다. 처음 시도하는 논문 리뷰이다 보니 부족한 점이 많습니다 수정할 부분이 있으시면 알려주시면 수정하겠습니다.! 용어 정리 attribute: 이미지에 있는 의미있는 특징들을 말합니다. 예를 들어 성별, 나이, 헤어 컬러가 있습니다. attribute value : attribute의 값을 말합니다. 예를 들어 헤어컬러일경우에 흑발/금발/갈색 입니다. domain : 같은 attribute value를 공유하는 이미지들의 집합을 말합니다. 예를 들면 여성의 이미지들은 하나의 domain을 구성하고 남성의 이미지들은 또 다른 domain을 구성합니다. StarGAN 최근의 image-to-image translation은 2개 이..
-
[AI]_1. 딥러닝(Deep Learning)Artificial Intelligence/Deep learning 2021. 4. 7. 19:36
딥러닝(Deep Learning) 머신러닝의 한 분야로 연속된 층(Layer)에서 점직적으로 의미 있는 표현을 배우는데 강점이 있으며, 데이터로부터 표현을 학습하는 새로운 방식입니다. 딥러닝에서 딥(Deep)은 연속된 층으로 표현을 학습한다는 개념을 나타냅니다 층 기반 표현 학습(Layered representations learning), 계층적 표현 학습(Hierarchical representations learning)이라고도 합니다. 신경망(Neural Network) 딥러닝은 층(Layer)들을 쌓아서 구성한 신경망(Neural Network)이라는 모델을 사용하여 학습을 진행합니다. 신경망은 뉴런(Neuron)들로 이루어진 그룹을 의미합니다. 신경망은 원래 신경 생물학의 용어입니다. 뉴런들의..
-
[AI]_1. 인공 지능(Artificial Intelligence)Artificial Intelligence 2021. 3. 29. 14:35
인공 지능(AI) 인간의 학습능력, 추론능력, 지각능력, 논증능력, 자연언어의 이해능력 등을 인공적으로 구현한 컴퓨터 프로그램 또는 이를 포함한 컴퓨터 시스템 단순 인지능력에서 발전하여 인지한 환경 속에서 최적의 답을 찾아내고, 여기에 스스로 수행한 학습을 더해 추론 및 예측을 하며, 향후에는 문제를 스스로 발견하고 해결하는 행동 단계에 이르기까기지 다양한 분야의 연구가 진행되고 있음 지능을 갖고 있는 기능을 갖춘 컴퓨터시스템이며, 인간의 지능을 기계 등에 인공적으로 시연(구현)한 것이다. 인공지능과 머신러닝, 딥러닝의 관계의 이해를 쉽게 이해할 수 있도록 이미지로 표현되어있다. 앨런 튜링이 1950년도에 논문에서 발표한 튜링테스트 기점으로 인공지능분야는 활발히 발전 머신러닝(Machine learnin..