hyeonzzz's Tech Blog

13.3 적대적 생성 신경망(GAN)이란GAN (Generative Adversarial Network)위조지폐범 : 진짜와 같은 위조 화폐를 만들어 경찰을 속임 (= 생성 모델, 생성자)경찰 : 진짜 화폐와 위조 화폐를 판별하여 위조지폐범을 검거 (= 분류 모델, 판별자) 위조지폐범과 경찰의 경쟁- 위조지폐범은 진짜와 같은 위조지폐를 만들 수 있게 되고, 경찰은 위조지폐와 실제 화폐를 구분할 수 없는 상태에 이른다 적대적 학습판별자 학습 -> 생성자 학습 판별자 학습1. 실제 이미지를 입력 -> 네트워크가 해당 이미지를 진짜로 분류하도록 학습시킴2. 생성자가 생성한 모조 이미지를 입력 -> 해당 이미지를 가짜로 분류하도록 학습시킴-> 실제 이미지를 진짜로 / 모조 이미지를 가짜로  생성자 - 분류에 성..

13.1 생성 모델이란생성 모델(generative model): 주어진 데이터를 학습하여 데이터 분포를 따르는 유사한 데이터를 생성하는 모델 13.1.1 생성 모델 개념: 입력 이미지(x)가 있을 때 그에 따른 정답(y)를 찾는 것 판별자 모델(discriminative model) : 이미지를 분류하는 것이미지를 잘 분류하고자 특성들을 잘 찾는 것을 목표로 한다생성자 모델(generative model) : 판별자 모델에서 추출한 특성들의 조합을 이용하여 새로운 이미지를 생성하는 것입력 이미지에 대한 데이터 분포 p(x)를 학습하여 새로운 이미지를 생성하는 것을 목표로 한다 13.1.2 생성 모델의 유형변형 오토인코더 모델(명시적 방법) : 모델의 확률 변수 구함. 이미지의 잠재 공간(latent s..

12.1 강화 학습이란강화 학습(reinforcement learning): 어떤 환경에서 어떤 행동을 했을 때 그것이 잘된 행동인지 잘못된 행동인지를 판단하고 보상을 주는 과정을 반복해서 스스로 학습하게 하는 분야 환경(environment): 에이전트가 다양한 행동을 해 보고, 그에 따른 결과를 관측할 수 있는 시뮬레이터에이전트(agent): 환경에서 행동하는 주체 강화 학습의 목표: 환경과 상호 작용하는 에이전트를 학습시키는 것에이전트는 상태라고 하는 다양한 상황 안에서 행동을 취하며, 조금씩 학습해 나간다.에이전트가 취한 행동은 그에 대한 응답으로 양이나 음 또는 0의 보상을 돌려받는다.1. 상태: 자신의 상황에 대한 관찰. 에이전트의 상태는 시간에 따라 달라진다.2. 행동 : 에이전트가 상태 S..

참고강의 : https://www.youtube.com/playlist?list=PLIMb_GuNnFweSpt4s8BhlN7EggZnWWqy6GitHub : https://github.com/teddylee777/streamlit-tutorial?tab=readme-ov-fileStreamlit Docs : https://docs.streamlit.io/develop/api-reference1. Streamlit으로 빠르게 웹앱 생성하기 - 설치, 환경설정, 실습파일가상환경 생성1. 명령 프롬프트(cmd) 열어서 작업 경로로 이동cd "파일경로" 2. 가상환경 초기화python -m venv .venv.venv는 가상환경 이름이라 변경 가능 3. 가상환경 활성화.venv\Scripts\activate.b..

CNN Visualization (2) : 시각화 방법Analysis of Model Behaviors모델의 행동 방식 및 특성을 분석하는 방법에 대해 알아보도록 하겠습니다. 1. Embedding Feature Analysis - 모델의 embedding feature를 분석하는 방법  예제 이미지를 통해 시각화하는 방법입니다. Nearest-Neighbor 방식을 활용하는데, 구체적으로 query image를 입력했을 때 DB 내에서 query image와 유사한 이미지를 얻은 방식으로 구현됩니다. 예를 들어 코끼리에 대한 이미지를 입력했을 때, 유사한 코끼리 이미지가 나열되는 것을 미루어 보아 embedding space내에서 의미론적으로 유사한 이미지끼리 군집을 이루고 있다는 것을 확인할 수 있습..

CNN Visualization (1) : 동작 원리 CNN Visualization: Convoultional Neural Network를 시각화한다는 것  우리가 지금까지 다뤄온 CNN은 학습가능한 파리미터와 non-linear activation 함수로 이뤄진 단순한 연산기라고 볼 수 있습니다. 허나 적절한 학습 과정을 거치면 인간 이상의 성능을 보여주기도 하는데요. 내부적으로 어떤 원리를 거쳐 이러한 결과를 만들어낼 수 있는 것일까요?CNN 내부의 convolution filter들을 어떤 정보를 학습하는 것일까요?논문의 방법에 따라 직접 학습을 시켜보면 잘되는 경우도 있지만 잘 되지 않는 경우도 있습니다. 잘 되지 않는 경우에는 어떤 것을 잘못 설정하여 학습이 잘 진행이 되지 않는 것일까요?CN..

Object Detection Computer Vision 분야에는 가장 간단한 Image Classification부터 Semantic Segmentation, 그리고 더 발전된 task인 Instance Segmentation, Panoptic Segmentation등의 task들이 있습니다.semantic segmentation - 사람은 같은 색으로 mapping 되었음instance segmentation (  ⊂ panoptic segmentation ) - 같은 사람일지라도 다른 개체로 구분되었음이때 각 개체들을 구분하기 위해서는 본 강의에서 소개할 Object Detection 기술이 필요합니다. 따라서 Object Detection은 Semantic Segmentation을 보다 근본적인..

Semantic Segmentation Image Classification이 이미지 단위로 분류를 수행하는 거라면, Semantic Segmentation은 픽셀 단위로 분류를 수행하는 것이라 볼 수 있습니다.하나의 픽셀이 사람에 속하는지, 오토바이에 속하는지, 자동차에 속하는지 등을 분류하는 task인 것이죠.이때 주의할 점은 여러 명의 사람을 각각 사람1, 사람2, ... 이런 식으로 한명한명 구분하는 것이 아니라 모두 "사람"으로 분류한다는 점입니다. 사용되는 곳의료 이미지자율주행자동차computational photography영상 내의 장면을 이해하는 부분 Semantic Segmentation Architectures1. Fully Convolutional Networks (FCN)  Sem..

영상 인식의 이해Image Classification (2) : 대표 모델 AlexNet과 VGGNet이 등장하면서 연구자들은 네트워크가 깊을수록 receptive field가 커지고, 더욱 복잡한 관계에 대해 학습이 가능하다는 것을 확인하였다. 따라서 네트워크를 더욱 더 깊게 쌓으려는 움직임이 이뤄졌다. 1. Problems with Deeper LayersGradient Vanishing/ExplodingComputationally complexDegradation problem (오버피팅 x)  2. GoogLeNet - 인셉션 모듈 제안하나의 층에서 다양한 사이즈의 필터를 활용하고,이후 각 필터를 거친 출력 값을 channel 축으로 concat해줌으로써, 다양한 측면의 특징을 추출하겠다는 시도d..

데이터 부족 문제 완화Data AugmentationNeural network : 데이터에 포함된 정보를 압축하여 weight로 주입하는 모델하지만 실제 데이터셋들은 항상 bias되어있다. 사람이 촬영한 이미지는 대부분 사람이 보기 좋은 구도로 촬영되었기 때문에 bias가 데이터에 존재한다고 볼 수 있다. 실제로 위와 같은 평균 이미지를 살펴보면, 특정한 패턴이 보이는 것을 확인할 수 있다.  실제로 사용하게 되는 데이터는 real data distribution에서 샘플링된 일부이며 대부분의 데이터는 확보하지 못한다.또한 데이터에 bias가 존재한다. 데이터에 bias가 존재하는 것이 왜 문제가 될까? 밝은 이미지로만 구성된 학습 데이터셋을 가정할 때, test time에서 한번도 보지 못했던 어두운 ..