개발차
![[논문읽기] 06. Faster R-CNN](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99F0CA335CFCD6AC05)
[논문읽기] 06. Faster R-CNN
‘RPN + Sharing Computation’Collabo0. Abstract이전에 SPPnet, Fast R-CNN등이 등장하면서 running time을 줄이는등 성과를 내고있었다. 위 논문에서는, 모든 이미지의 convolutional features를 공유하면서 region proposal을 구하는데에 cost-free에 가깝게하는 Region Proposal Networks (RPN)에 대해 설명할 것이다. RPN은 fully convolutional network로서 동시에 물체의 경계를 예측하고, 물체의 위치에 대한 점수를 예측한다. RPN은 ..
[핸즈온 머신러닝] 제 13장 연습문제 풀이
Exercise Part.13CNN1. 이미지 분류에서 완전 연결 DNN보다 CNN이 나은 점은 무엇인가요?CNN은 많은 가중치를 재사용하기 때문에 DNN보다 적은 파라미터를 가지기에 속도가 빠르다. 그리고 과대적합의 위험을 줄이며 더 적은 훈련 데이터를 필요로 한다. 그리고 CNN이 어떤 특성을 감지할 수 있는 커널을 학습하면 이미지의 어느 위치에 있는 특성이라도 감지할 수 있다. 반면 DNN은 특정 위치에 존재해야 인지를 한다. DNN은 픽셀이 어떻게 조직되어 있는지 모른다. 즉 주변의 픽셀이 비슷한지 알지 못한다, 하지만 CNN은 이 정보를 내포한다. 하위층은 작은 영역에 있는 특성을 구별하고, 상위층은 저수준 특성을 더 큰 특성으로 연결한다. 그래서 이미지에서는 CNN을 주로 사용한다.2. 3X3..
[핸즈온 머신러닝] 제 13장 정리
13강. 합성곱 신경망Convolutional Layer :합성곱층이라고 한다. 이는 한 함수가 다른 함수 위를 이동하면서 원소별 곱셈의 적분을 계산하는 수학 연산을 수행하는 층이다.Zero padding :이전 층의 높이와 너비를 같게 하기 위해 입력의 주위에 0을 추가하는 것이 일반적이다.Stride :연속된 두개의 receptive field 사이의 거리를 말한다. ( 필터가 S 칸씩 건너뛴다 )출력의 크기는 다음의 공식을 따른다(N−F)/S+1N : 입력의 크기 ( zero padding있을 경우 +z) / F : 필터의 크기 / S : stride의 크기Feature map :같은 필터들을 사용하여 전체 뉴런의 층은 필터와 유사한 이미지의 영역을 강조하는 맵을 만들게 되는데 ..
[KOCW 확률통계] 제 12강. 조건부 평균과 공분산
제 12강. 조건부 평균과 공분산Continuous case일 때,μY|X=E[Y|X=x]=∫∞−∞yfY|X(y|x)dy fX|Y(x|y)=fXY(x,y)fY(y) (Bayesian Theorem에 의한 것이다.) E[X|Y=y]=y=g(Y)E[g(x)]=∫g(x)fX(x)dxE[g(X,Y)]=∫∫g(x,y)fXY(x,y)dxdy 증명E[E[X|Y]]=E[∫∞−∞xfX|Y(x|y)dx]=∫∞−∞[∫∞−∞xfX|Y(x|y)dx]fY(y)dy=∫∞−∞[∫∞−∞xfX|Y(x|y)fY(y)dxdy]=∫∞−∞[∫∞−∞xfX|Y(x,y)fY(y)fY(y)dydx]=∫∞−∞xfX(x)dx=E[X]Covariance & Correlation Coefficient Cov(X,Y)=σXY=E[(X−μx)(Y−μY)]=E[..
![[논문읽기] 05. Fast R-CNN](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F99BD8C415CE4295F2A)
[논문읽기] 05. Fast R-CNN
“R-CNN ++”0. AbstractFast R-CNN은 이전의 과정들에 비해서 training / test 속도를 증진시켰고, detection accuracy도 증가시켰다. R-CNN보다 훈련 속도가 9배 빠르고, test는 213배 빠르고, mAP또한 높다.1. Introductionimage classification에 비해 object detection은 복잡한 방법을 요구한다는 데에서 더 도전적인 일이다. 그러한 복잡성 때문에, 많은 현재 접근 방법들이 multi-stage pipelines로 모델을 학습하기에 느리고, 세련되지 않았다. 복잡성은 detection이 객체에 대한 정확한 localization을 요구하는데서 발생하는데, 이는 두 가지 문제를 발생시킨다...
[KOCW 선형대수] 11강. 연합확률밀도함수와 조건부확률밀도함수
제 11강. 연합확률밀도함수와 조건부확률밀도함수(PMF = Probability mass function, 확률 질량 함수)(1) Joint PMF ?\mathbf{F_{XY}(x,y)}\begin{cases} \frac{1}{8} ....x=1,y=1\\ \frac{5}{8} ....x=1,y=2\\ \frac{1}{4} ....x=2,y=1\\ 1 ....x=2,y=2\\ \end{cases}FXY(x,y)⎩⎪⎪⎪⎨⎪⎪⎪⎧81....x=1,y=185....x=1,y=241....x=2,y=11....x=2,y=2discrete한 경우, P_{XY}(x,y)PXY(x,y)로 표현한다. 다음과 같다면P_{XY}(1,1) = \frac{1}{8}PXY(1,1)=81이다.Continuous한..