AI study(22)
-
Semantic Segmentation
https://medium.com/hyunjulie/1%ED%8E%B8-semantic-segmentation-%EC%B2%AB%EA%B1%B8%EC%9D%8C-4180367ec9cb 1편: Semantic Segmentation 첫걸음! Semantic Segmentation이란? 기본적인 접근 방법은? medium.com
2022.11.01 -
부스팅 앙상블 (Boosting Ensemble) 2-1: Gradient Boosting for Regression
전체적인 내용은 StatQuest라는 유투버의 Gradient Boost Part 1: Regression Main Ideas과 Gradient Boost Part 2: Regression Details를 참고했습니다. Gradient Boosting에 대해 가장 정리가 잘 된 설명자료입니다 (영어이지만 시각자료도 많고, 화면에 자막도 있어서 알아듣기 쉽습니다) AdaBoost VS Gradient Boosting AdaBoost와 Gradient Boosting 두 모델의 공통점은 부스팅 앙상블 기반의 알고리즘이라는 것입니다. 부스팅 앙상블의 대표적인 특징은 모델 학습이 sequential합니다. 즉, 먼저 생성된 모델의 예측값이 다음 모델 생성에 영향을 줍니다. 하지만 이 외에 두 모델은 상당한 차이..
2022.08.21 -
Multi Objective Optimization with GA원리
*GA에서 최적화하고자 하는 function이 여러개 일때, 최적값을 찾는 원리를 설명하겠다 https://leedakyeong.tistory.com/entry/Multi-Objective-OptimizationGA-Objective-function%EC%9D%B4-%EC%97%AC%EB%9F%AC%EA%B0%9C-%EC%9D%BC-%EB%95%8C-Genetic-Algorithm
2022.08.17 -
ANN_Levenberg Marquardt Method
- 비선형 최소자승 Nonlinear Least Square 문제를 푸는 대표 방법 - Gauss-Newton method와 Gradient Descent 방법이 결합된 방법론 - 1944년 Levenberg Algorith이 1963년 Marquardt가 보완한 방법론으로 보통 generic curve fitting prblem을 풀기위해 사용되지만 local minimum을 주로 찾게되는 단점이 있음 - 수식적으론 다음과 같다 - 이 방법론을 사용하면 기존의 Hessian matrix로 표현하는 것을 Jacobian Matrix로 정의가 가능해지고 이를 통해 위와 같은 수식을 볼 수 있음 - 위 방법을 사용해 singular문제를 회피하면서도 효과적으로 해를 찾을 수 있음 - 다른 말로 Damped ..
2022.08.17 -
Object Detection
컴퓨터 비전 테스크는 Classification, Semantic Segmentaiton, Object Detection, Instance Segmentation등이 있다 그 중 Object Detection은 이미지 안에 있는 물체를 구분하여 1) 물체가 무엇인지 클레스를 분류하고, 2) 이미지에서 물체 좌표를 얻는다. 보통 좌상, 우하(x1, y1), (x2, y2) 좌표를 얻는다 즉, Object Detection은 Classification + Localization이다 또한 위 두 과업을 하기 위해 Multitask Loss가 필요하다 방법론 1. Two stage Model R-CNN(2015, Girshick) -> Fast R-CNN -> Faster R-CNN(Object Detectio..
2022.08.14 -
Contour features
이미지 모멘트(Image Moments) 이미지 모멘트는 객체의 무게중심 , 객체의 면적 등과 같은 특성을 계산할 때 유용하다 Contour에 대한 특징값을 뜻하며, openCV 에서는 cv2.moments 함수를 통해 이미지 모멘트를 계산하고 이를 딕셔너리 형태로 담아 리턴한다 반환하는 모멘트는 총 24개로 10개의 위치 모멘트, 7개의 중심모멘트, 7개의 정규화된 중심 모멘트로 이루어져 있다 - 공간 모멘트(Spatial Moments) : m00,m10, m20, m11, m02, m30, m21, m12, m03 - 중심 모멘트(Central Moments) : mu20, mu11, mu02, mu30, mu21, mu12, mu03 - 평준화된 중심 모멘트(Central Normalized Mo..
2022.08.13