플로라도의 data workout

3강에서는 Linear Classifier에 대해서 다룬다. Linear Classifier는 심플하지만 Neural Network를 만들때 중요하다. Neural Net은 블럭을 쌓아 만드는 것과 같은데, 이러한 레고 블럭의 가장 기본이 Linear Classifier이다. CIFAR10 데이터셋을 다시 떠올려보자 이전 강의 및 K-NN Classifier와 달라진 점은 Learnable parameter인 W가 추가되었다는 점이다. 이것이 Parametric Approach이다. parameter 혹은 weight(가중치)라고 불리는 이 W에 우리의 training data의 모든 정보를 요약하여 담길 원한다. f(x,W)의 함수의 형태는 input x와 W를 통해 여전히 10개 클래스 스코어를 뱉어..

Image Classification은 컴퓨터 비전에서 가장 핵심적인 task이다.Image Classification task는 Input으로 고양이 이미지가 주어지면, Output으로 정답지(고정된 카테고리 셋) 중 하나를 할당하는 작업이다.그러나 그것이 마냥 쉽지는 않다.컴퓨터는 고양이 이미지를 보고 인간처럼 단박에 고양이('cat')라고 알 수는 없기 때문이다.(Computer can't get holistic idea of cat)    컴퓨터가 보는 것은 단순히 [0,255] 의 숫자로 표현된 픽셀 값으로 이루어진 그리드 형태이다.이것을 "고양이"라는 의미론과 대비되는 "Semantic Gap"이라고 한다.  Image Classification Task의 난점 중 하나는 Viewpoint V..

첫 시간에는 강좌에 대한 소개와 컴퓨터 비전 그리고 딥러닝에 대한 전반적인 overview를 제공한다.개론적인 역사에 관한 부분이니 가볍게 훑고 지나가도 될 것 같다. 키워드 : 컴퓨터 비전, 딥러닝, 인공신경망(Neural Net)의 역사        "Deep Learning for Computer Vision" 이라는 강좌의 제목이기도 한 철자에서,각 Deep Learning과 Computer Vision이 의미하는 바가 뭘까?  우선 컴퓨터 비전은 비주얼 데이터(visual data)에 대해 가공하고, 인식하고, 추론하는 인공적인 시스템을 만드는 것이라고 할 수 있다.     시간이 지날 수록 visual data의 양은 기하 급수적으로 증가하고 있으며, 강의실에는 학생 수보다 대게 더 많은 카메..

가장 유명한 딥러닝& 컴퓨터 비전 강좌인 스탠퍼드의 CS231n: Deep Learning for Computer Vision (2017)에 이어서2019년 버전 "Deep Learning for Computer Vision"은 미시간 대학 유튜브에서 EECS 498-007이라는 강좌명으로 강의를 제공하고 있다.동일한 강의자인 저스틴 존슨(Justin Johnson)이 강의를 진행하며, 내용면에서 업그레이드된 부분들이 있어,매해 가파른 속도로 발전하는 인공지능 생태계를 감안하면 현 시점에서는 cs231n보다는 EECS-498로 학습하는게 더 낫지 않나 싶은 생각이다. 그는 스탠퍼드에서 박사학위를 마치고 얼마 지나지 않아 미시간 대학에 단기간에 교수로 임용된 것 같다. cs231n이 딥러닝 학습에 미친 영..