전체 글301 [2024-2] 황징아이 - 차원축소 : PCA, SVD, LSA, LDA, MF 1. 차원 축소란?차원의 저주 (Curse of Dimension)는 입력된 데이터의 수보다 데이터의 차원이 더 큰 경우 발생하는 문제입니다. 예를 들어 100개의 데이터 그리고 각 데이터의 차원은 500인 상황이 발생하게 되면 백터 공간의 차원이 무수히 커지고 데이터는 여기저기 흩뿌려지게 됩니다. 모델의 복잡도가 증가하고 예측 성능이 낮아지게 됩니다.차원 축소는 이러한 고차원 데이터를 저차원으로 변환하여 계산 효율을 높이고, 노이즈를 제거하며, 중요한 정보를 유지하면서도 이해하기 쉽게 만들어주는 중요한 기법입니다.Feature Selection : 특정 Feature에 종속성이 강한 불필요한 Feature 제거 우리 목적의 불필요한 Feature를 날림Feature Extraction : 기존 Feau.. 2024. 12. 21. [2024-2] 조환희 - YOLO, SSD YOLO (You Only Look Once)R-CNN과 같은 Object dectection 방법은 이미지 안에서 obejct가 존재할만한 region을 추출해내는 과정(region proposal)을 수행한 후에, 추출된 region proposal에서 classification을 수행한다. region proposal 과정을 수행한 뒤, classification을 수행하기 때문에 이런 방법들을 2 stage라고 부른다. 이런 2 stage방법은 구조가 복잡하여 느리고, 각 단계가 각각 학습되기 때문에 최적화가 어렵다는 단점이 있다. YOLO는 2단계를 순차적으로 진행하던 2 stage방법을 1 stage로 바꾼다.다시 말하면 YOLO는 region proposal을 수행한 뒤 classificat.. 2024. 12. 20. [2024-2] 박지원- SENet(Squeeze-and-Excitation Networks) #Squeeze-and-Excitation Networks (2017) Paper ) https://arxiv.org/abs/1709.01507 Squeeze-and-Excitation NetworksThe central building block of convolutional neural networks (CNNs) is the convolution operator, which enables networks to construct informative features by fusing both spatial and channel-wise information within local receptive fields at each layer. A broaarxiv.org1) SENet의 등장 계기- Squ.. 2024. 12. 19. [2024-2] 김수용 - Object Detection R-CNNR-CNN은 먼저 Selective Search 를 통해 이미지에서 물체가 있을 법한 약 2천 개의 영역을 제안합니다. 각 영역을 Crop한 후 고정된 사이즈로 변환하여 CNN에 입력할 수 있도록 준비하며, 이를 통해 고정된 길이의 Feature 벡터를 추출합니다. 이렇게 추출된 벡터를 기반으로 SVM을 사용해 Classification을 수행하고, Regression을 통해 박스 위치를 조정합니다. 하지만 제안된 모든 영역에 대해 CNN을 반복 수행해야 하므로 속도가 매우 느리며, 이러한 단점은 이후 Fast R-CNN에서 개선됩니다. Fast R-CNNFast R-CNN은 R-CNN의 단점인 느린 속도를 개선한 모델로, Selective Search로 영역을 제안하는 점은 동일하지만, 주.. 2024. 12. 16. 이전 1 ··· 51 52 53 54 55 56 57 ··· 76 다음
