Google ML Bootcamp/Convolutional Neural Networks
-
Face recognition & Neural Style TransferGoogle ML Bootcamp/Convolutional Neural Networks 2023. 9. 27. 17:14
※ One-shot Learning - Learning from one example to recognize the person again. - Learning a "similarity" function 을 이용한다. ※ Siamese network - Parameters of NN define an encoding f(xi) -> 신경망이 f(xi)를 인코딩하여 이 128차원을 출력한다. - same person인지 different person인지를 이렇게 판단한다. ※ Triplet Loss - 두 개 이상의 이미지를 비교해야한다. - Anchor image, Positive image, Negative image 이렇게 3개의 이미지를 비교하기 때문에 삼중항 Loss라고 불린다. - f(A) - ..
-
Detection AlgorithmsGoogle ML Bootcamp/Convolutional Neural Networks 2023. 9. 25. 21:59
※ Landmark detection - 얼굴 사진의 왼쪽 눈을 기준으로 할 경우 그 지점이 (x, y)가 된다. - 사진이 ConvNet을 통과할 때 특정 세트를 가지게 할 것이고, 64개의 landmark가 있으면 l1x, l1y, ... l64x, l64y, face 인지 아닌지 까지 총 129개의 출력 유닛을 가진다. - 얼굴 자체 뿐만 아니라 얼굴에서의 랜드마크들을 모두 가르쳐 줄 수 있다. - 얼굴에서 감정을 인식하는 기본 구성가 되고 snapchat 사진 같은 AR 증강현실 필터도 얼굴에 특수 효과를 가져 올 수 있음. - 포즈에 관심이 있다면 랜드 마크를 어깨, 팔, 다리 등으로 지정해서 ConvNet을 통과시키면 된다. ※ Object detection - sliding window ob..
-
Case Studies & ConvNet practical AdviceGoogle ML Bootcamp/Convolutional Neural Networks 2023. 9. 24. 19:45
※ Classic Networks 1. LeNet - 5 - 초창기 모델임(60,000개의 parameter) - LeNet-5가 풀링 이후 비선형성을 가진다.(풀링 이후 sigmoid를 가진다.) 2. AlexNet - 약 6천만 개의 parameter를 가진다. - 훨씬 많은 hidden layer를 가지고, 더 많은 데이터에 대해서 훈련을 받음. - ReLU - 두 개의 GPU에 대해 복잡한 방식으로 훈련 실시 -> 많은 계층이 실제로 두 개의 서로 다른 GPU로 분할되어 있으며 두 GPU가 서로 통신할 수 있는 시기를 고려하여 조정됨. 3. VGG - 16 ※ ResNets - short cut / skip connection : 칸을 뛰어 넘어서 다음 layer와 연결시키는 기법 - 5개로 구획..
-
Convolutional Neural NetworksGoogle ML Bootcamp/Convolutional Neural Networks 2023. 9. 23. 17:11
※ Edge Detection Example - 6*6 Matrix와 3*3 Matrix를 컨볼루션하여 4*4 Matrix로 output을 출력함. - 합성곱 연산으로 이미지에서 편리하게 vertical edge를 찾고 구체화 시킬 수 있게 한다. ※ Padding ■ 합성곱 신경망의 단점 1. Convolution을 진행하게 되면 합성곱 연산을 적용할 때마다 이미지가 축소됨 -> 엣지 검출 or 다른 기능 설정 시 이미지 축소 2. 모서리에 있는 픽셀의 경우 3*3이라도 작은 모서리 픽셀의 결과 중 Matrix 하나에서만 사용되는 것처럼 터치가 됨. -> 가운데 픽셀의 경우는 3*3 컨볼루션 시 중복되는 Matrix가 많음. but, 모서리나 엣지의 픽셀은 결과에서 훨씬 적게 사용되는 것처럼 보여 이미..