Memory

AE와 VAE는 목적 자체가 정반대 - AE : 앞단(Encoder 부분) 학습 위해 뒷단 추가 → Manifold learning - VAE : 뒷단(Decoder 부분) 학습 위해 앞단 추가 → Generative model learning [Keyword] : Generative model learning Generative model : Latent variable model Variational AE (VAE) 1. Generative model 1) Sample Gerneration 2) Latent Variable Model Training DB에 있는 data point x 가 나올 확률을 구함 → 그 확률이 모든 Training DB에 대해 Maximize 하는 확률분포 p(x) 찾는 것..

AutoEncoder (AE) 1. Introduction 1) Terminology AutoEncoders = Auto-associators = Diabolo networks = Sandglass-shaped net - x : Input layer - z : Bottleneck Hidden layer = Code = Latent Variable = Feature = Hidden representation - y : Output layer (Reconstruct Input) AE : 입력을 저차원 Latent space로 Encoding 한 후 Decoding 하여 복원(reconstruct)하는 Network - 이미지를 입력받아 Encoder 통해 Latent space로 매핑하고, Decoder 통..

[Keyword] : Manifold Learning, Unsupervised Learning 1. AutoEncoder의 주요 기능 1) Dimension Reduction (차원 축소) : Unsupervised Learning Task 2) Density Estimation (확률 분포 예측) 3) 'Manifold' 학습 2. Manifold 정의 Manifold : Train DB에 해당되는 고차원(그림상 3D) 데이터를 공간 상에 뿌려봤을 때 생기는 점들을 에러 없이 잘 아우르는 Sub-space → Manifold에서 저차원(그림상 2D) 상에 projection 시키면 데이터 차원을 줄일 수 있음 3. Manifold 학습의 목적 1) Data compression (데이터 압축) - 같은..

[Keyword] : ML density estimation DNN을 학습할 때 사용되는 Loss function은 다양한 Viewpoint 에서 해석할 수 있음 (CE Loss function VS MSE Loss function 무엇이 더 좋은가 ! Viewpoint 따라 다름) [V1] Back-propagation 알고리즘이 더 잘 동작(gradient-vanishing 덜 발생)할 수 있는지에 대한 해석 → CE가 더 좋음 [V2] Negative Maximum likelihood로 보고 특정 형태의 loss는 특정 형태의 확률분포를 가정한다는 해석 → Output value가 Continuous : MSE & Discrete : CE 사용 → 확률분포가 Gaussian distribution ..

AutoEncoder - A way for unsupervised learning for nonlinear manifold - ANN used for unsupervised learning of efficient codings - Aim : To learn a representation for set of data - Purpose : Dimensionality reduction [Keyword] ◾ Unsupervised learning ◾ Manifold learning = Nonlinear Dimensionality reduction = Representation learning = Efficient coding learning = Feature extraction ◾ Generative model..

1. Computer Vision 1) CV : A field of AI that trains computers to interpret and understand the visual world (시각적 세계를 해석하고 이해하도록 컴퓨터를 학습시키는 인공지능의 한 분야) - Computer가 Digital Image와 DL 모델을 통해 객체를 정확히 식별하고 분류하는 학습을 진행 - 사람의 눈으로 사물을 보는 것처럼 컴퓨터가 사물을 보고, 뇌가 하는 작업을 알고리즘을 통해 컴퓨터가 유사하게 수행할 수 있도록 만드는 작업 2) Task (1) Classification (객체 분류) : 이미지 속 객체를 인지해 객체의 Class를 분류하는 기술 Ex. DenseNet, SENet, MobileNet, Squ..

4.1 Introduction imshow function Spatial resolution and Quantization Image quality Image attributes 4.2 The imshow function 1) Greyscale images x : matrix of type uint8 (int bw 0 ~ 255) → imshow(x) : display x as greyscale img c : matrix of type double → (1) or (2) (1) Convert to type uint8 and then display (2) Display the matrix directly imshow(c) : display c of type double as greyscale img if ..

3.1 Greyscale images 1) imread >> w = imread('wombats.tif'); (1) w : A matrix variable (which has grey values of all the pixels in greyscale image) (2) imread : To read the pixel values from an image file, and return a matrix of all the pixel values - It ends in a semicolon ( ; ) : not displaying the result of command to screen The result of imread command is a matrix of size 256x256, or with 65..