narlo의 Devlog

13장. 인공지능의 현재와 미래 인공신경망은 빅데이터 환경, 병렬 컴퓨팅 인프라, 컴퓨터 비전 기술의 발전에 힘입어 비약적으로 발전하기 시작했다. 합성곱 신경망(CNN)이 기존의 성능을 능가한 이유는 특징 추출기와 분류기가 따로 있었던 기존 모델과 다르게 특징 추출기와 분류기가 합쳐져 Convolution Layer의 필터 계수를 분류기의 오류역전파를 이용해 조정할 수 있었다. 활용 객체위치파악, 객체탐지, 비디오와 텍스트 처리 순환신경망(RNN)은 타임 시리즈 데이터를 주로 다루며, 현재 입력과 과거 출력을 합해 출력을 만든다. 활용 시퀀스-투-시퀀스 학습 분야(번역) YOLO YOLO는 실시간 객체 탐지를 위한 모델로, 특정 이미지에서 경계상자(Bounding Box)로 영역을 설정하고, 영역내에 물..

9장. 신경망 부흥의 시작, 합성곱신경망 기존의 신경망은 특징추출기와 분류기가 따로 있는 형태였다. 합성곱 신경망(CNN)은 특징 추출기와 분류기가 합쳐져 있는 형태로, 분류기의 오류역전파를 이용해 특징 추출기의 filter 계수를 조정한다. 하나의 뉴런을 활성화시키는 데 영향을 미치는 시각 정보의 영역을 receptive field라고 한다. 즉, 모든 데이터가 아닌 일부 receptive field만 수용 영역에 mapping함으로써 fully connected에 비해 연결강도가 줄어든다. convolution layer에서는 convolution과 pooling이 일어나는데, pooling은 compact한 정보 추출에 이용된다. 합성곱신경망은 특징을 추출하는 방법도 함께 학습하므로 특징을 추출하는..