반응형 인공지능29 [EECS 498-007] lec4. Optimization *강의 영상*: https://www.youtube.com/watch?v=YnQJTfbwBM8&list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r 오늘은 손실 함수(Loss function)를 최소화하는 가중치 행렬 W를 찾는 것이 최적화 문제의 핵심이다. 최적화는 일반적으로 손실 함수의 값을 최소화하는 방향으로 가중치를 조정하는 과정이며, 이는 수학적으로 매우 일반적인 문제이다. Random Search, 랜덤 서치와 그 한계는 명확하다. 랜덤 서치는 최적화 문제를 해결하기 위해 랜덤으로 가중치 값을 생성하고, 해당 가중치에서의 손실 함수를 평가하여 최적의 가중치를 찾으려는 방법이다. 하지만 이 방법은 비효율적이며, 일반적으로 좋은 결과를 얻기 어렵다. 이 방.. 2024. 8. 5. [EECS 498-007] lec3. Linear Classifiers *강의 영상*: https://www.youtube.com/watch?v=qcSEP17uKKY&list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r 강의는 머신러닝에서 선형 분류기(linear classifiers)에 대해 다루고 있다. 이전 강의에서 이미지 분류 문제를 다루었으며, 이는 컴퓨터 비전의 기초적인 문제로 간주된다. 여기서 목표는 입력 이미지로부터 고정된 카테고리 중 하나를 예측하는 것이다. Recap 해보자 이미지 인식 시스템을 구축할 때, 시점 변화, 조명 변화, 변형 등의 여러 입력 데이터의 다양한 변화를 잘 처리할 수 있도록 하는 것이 중요하다.이러한 문제를 해결하기 위해, 명시적인 함수를 작성하는 대신 대규모 데이터셋을 수집하고 학습 알고리즘을 사용해 .. 2024. 8. 5. [EECS 498-007] lec2. Image Classification Deep Learning for Computer Vision에 관하여 공부를 시작하려 한다.*강의 영상*: https://youtu.be/dJYGatp4SvA 가장 첫 번째로 Artificial Intelligence, Machine Learning, Computer Vision의 관계에 대한 벤 다이어그램이다. Image Classificatoin 가장 먼저 다룰것은 의미론적 차이이다. Semactic Gap(의미론적 차이)는 사진을 보고 이것이 고양인지 강아지인지 구별하는 것은 인간에겐 쉬운 일이지만 비전에선 Core Task이다. 컴퓨터 입장에서 이미지는 모든 것을 0~255 사이의 pixel과 RGB의 3가지 채널로 이루어진 숫자 행렬로 인식 하기 때문이다. 이것이 인간과 컴퓨터가 가지는.. 2024. 8. 5. stable diffusion 모델과 어뎁터 다뤄보기 컴퓨터그래픽스 수업을 수강하고 마지막 과제인 stable diffusion 모델을 사용한 Text-to-Image + Adapter 실습해볼 수 있는 기회가 생겼다. 용어를 정리한 후 코드를 살펴 보도록 하자. Stable diffusion 이란 AI 기반의 이미지 생성 기술로, 주어진 텍스트 설명을 기반으로 이미지를 생성하는 기술이다. 이 기술은 주로 Generative Adversarial Networks (GANs)와 Variational Autoencoders (VAEs) 같은 딥러닝 모델을 사용한다. 최근에는 Denoising Diffusion Probabilistic Models (DDPMs)를 사용한 Diffusion Models가 주목받고 있다. Diffusion 모델은 이미지 생성 과정.. 2024. 6. 22. 이전 1 2 3 4 5 6 7 8 다음 반응형
