개발 성장 노트

CNNConvolution Filter - Filter   - 이미지처리를 위해 사용되는 행렬     - 주로 edge detection, blurring 등을 위해 사용되었음     - Kernel, mask라고도 불림   - 같은 filter로 이미지 전체에 sliding window로 convolution 연산 수행- Convolution 연산   - Convolution이란 이미지와 filter간의 합성곱 연산을 의미   - Convolution된 결과를 feature map 또는 activation map이라고 함    - 특수한 목적으로 고안된 filter를 사용하면 원하는 activation map을 얻을 수 있음 - 학습 가능한 Convolutional Filte   - 고정된 filter..

Object DetectionObject Detection: 사물 각각의 Bounding Box (Bbox) 위치와 Category를 예측Bounding Box: {x0 , y0 , x1 , y1 } 예측, Category: 사물의 class label 예측Architecture: Backbone (CNN) + Decoder (Detection Head)Image Classification vs Object Detection - Image Classification: 이미지 내에 어떤 물체가 있는지 분류 - Object Detection: 이미지 내의 각 Bbox 마다 객체의 클래스 분류 및 Bbox의 위치 추론 Localization (Bbox Regression) - Localization: Boun..

CNN (Convolutional Neural Network)Convolution Layer- 네트워크가 비전 태스크를 수행하는 데에 유용한 Feature들을 학습할 수 있도록 함- Filter(=Kernel): Input Image를 특정 크기의 Filter를 이용하여 탐색하면서 Convolution 연산을 시행하여 Filter 영역에 대한 특징을 추출 - Stride (S): Filter를 얼마만큼의 간격으로 움직이는 지를 나타냄 - Padding(P): Feature Map의 크기를 일정 수준으로 유지하기 위해서 임의의 값을 넣은 Pixel을 얼마나 추가했는지를 나타냄          - Zero Padding: 0으로 채운 Pixel을 주변에 채워 넣는 것Activation Function- 네트..

PyTorch 작동 구조 학습 단계Data -> Model  -> Output -> Loss -> OptimizationPyTorch 사용Data : torch.utils.data.Dataset / torch.utils.data.DataLoader Model : torch.nn.Module Loss Function : torch.nn / torch.nn.functional Optimization : torch.optim각 클래스 간 관계  DataDataset과 DataLoader를 사용하여 데이터 로드 - `Dataset`과 `DataLoader`를 사용하면, 데이터 집합에서 미니 배치(전체 데이터 집합을 더 작은 부분집합으로 분할한 일부 데이터)크기의 데이터를 반환- PyTorch에는 이미지 데이터를..

합성곱 신경망 (Convolutional Neural Networks , CNN)완전 연결 신경망의 한계점- 이미지 데이터를 학습하기 위해선 1차원으로 평탄화 -> 이미지 데이터가 가지고 있던 “형상 정보”가 사라지면서 무시         -  이미지 형상 정보는 “이미지의 가까운 픽셀은 비슷한 값을 가진다”거나 “거리가 먼 픽셀끼리는 큰 연관성이 없다”와 같은 공간적 정보를 의미 → 합성곱 신경망(Convolutional Neural Network, CNN)이 등장    - 이미지 입력 후 합성곱에 해당하는 연산으로 모델 구조를 정해 놓아, 형상 정보를 유지 합성곱 연산   - 입력 데이터에 필터(Filter) 혹은 커널(Kernel)를 적용하여 윈도우(Window)를 일정 간격으로 이동해가며 수행  ..