[SSL] Stanford CS231N - Deep Learning for Computer Vision
"Deep Learning for Computer Vision" [Introduction] · Edge Image : 물체의 경계나 밝기가 급격하게 변하는 부분만 추출한 이미지 · 2½D Sketch : 관찰자 기준의 표면 정보(깊이, 방향, 거리)를 표현한 중간 단계의 3차원 표현 ▣ Neural Network · 앞쪽 Layer : Simple Function / 뒤쪽 Layer : Complex Function · Backpropagation을 통해 Parameter Tuning ▣ CNN(Convolutional Neural Network) · 이미지와 같이 공간적 구조를 가진 데이터를 처리하기 위한 신경망 · Fully Connected Network는 모든 Pixel을 연결 → Parameter↑ · 작은 Filter(Kernel)를 이미지 위로 이동하며 계산하여 중요한 Feature만 추출 · 응용 분야 : 이미지 분류, 객체 검출, 얼굴 인식, 의료 영상 분석, 자율주행 등 ▣ RNN(Recurrent Neural Network) · 시간 순서 를 가진 데이터를 처리하기 위한 신경망 · Fully Connected Network는 순서 고려 X (Ex. I love you & you love I) · 이전 단어 정보를 계속 기억하며 처리 · 긴 문장에서는 초기 정보를 잊어버리는 Vanishing Gradient 문제 존재 → LSTM(Long Short Term Memory) / GRU(Gated Recurrent Unit) : Gate를 사용하여 중요한 정보를 오래 기억 · 응용 분야 : 기계 번역, 음성 인식, 자연어 처리, 시계열 예측, 주가 예측 등 ▣ Attention-Based Framework · 입력 전체를 동일하게 보지 않고, Weight를 이용 하여 현재 필요한 정보를 선택적 으로 활용 ** Transformer : Self-Attention을 기반으로 하여 Recurrent 구조 없이...