Convolution2

• 

  [CS131] Lecture 3 & 4 (Convolutions, Cross-Correlation, Seperable Filters) 본 게시글은 Standford University (Department of Computer Science)의 강의 자료를 바탕으로 공부한 내용입니다. Images that we deal in computer vision are digital. (discrete representations of the photographed scenes). Image is also treated as a function f : $R^2$ → $R^N$ eg) Part 1 : Convolutions Convolution : System that uses information from neighboring pixels to filter the target pixel Commutative Property (교환 법칙) Shi.. Computer Vision/CS131 2021. 7. 18.

• 

  [Chapter 7] 합성곱 신경망 (CNN) 본 글은 '밑바닥부터 시작하는 딥러닝' 책을 참조하여 정리한 요약본입니다. 혹여나 제가 잘못 이해하고 있다면 댓글로 알려주시면 감사하겠습니다. Fully-Connected (완전연결) 신경망은 인접하는 계층의 모든 뉴런과 결합된다. 문제점 : 데이터의 형상이 무시된다. 즉, 완전연결 계층에 입력할 때는 3차원 데이터를 평평한 1차원 데이터로 평탄화 해주어야 한다. (이미지의 경우 3차원 데이터 : 가로, 세로, 채널(색상)) 이미지는 3차원 형상이며, 이 형상에는 공간적 정보가 담겨 있지만, 완전연결 계층은 형상을 무시하고 모든 입력 데이터를 동등하게 같은 차원의 뉴런으로 취급하여 형상에 담긴 정보를 살릴 수 없다. 해결방법 : 합성곱 계층은 형상을 유지한다. 이미지도 3차원 데이터로 입력 받으며 다음 .. ML 관련 서적 개념요약/밑바닥부터 시작하는 딥러닝 2021. 5. 24.