히비스서커스의 블로그

우리가 쓰는 어플리케이션에 있어서 사진의 얼굴을 인식하는 방법은 16X16 크기의 정사각형의 그래디언트를 활용한다. 하나의 픽셀도 아니고, 하나의 픽셀의 그래디언트도 아닌 복잡한 방법을 쓰는 이유는 무엇일까? 먼저 사진마다 픽셀의 값이 다르므로 픽셀값을 고려하는 방법은 좋지 않다. 따라서, 얼굴의 특징에 따른 픽셀의 특징을 이용해야 한다. 가장 좋은 방법이 그래디언트를 이용하는 것이다. 그래디언트란? 이미지에서 모든 단일 픽셀에 대해서 다른 방향과 비교해서 어두워지는 방향으로 화살표를 그려나가는데 이 화살표가 그래디언트이다. 얼굴의 이미지가 가지는 픽셀값이 어두워지는 방향으로 화살표를 그려나가면 얼굴의 특징을 인식할 수 있는 것이다! 이 방법이 어느 얼굴이든 인식할 수 있는 보편성을 가진다. 하지만, 단..

※ 이 내용들은 전적으로 stanford university의 CS231n 2017 3강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다. ※ 이전에 공부한 내용에서는 Linear classification의 모델의 구조를 살펴보았다. 2020/12/30 - [Programming/AIffel] - [Day 2] Terminal & 가상환경, Image Classification [Day 2] Terminal & 가상환경, Image Classification 1. Terminal & 가상환경 1-1. Terminal 운영체제 (OS; Operating System) : 컴퓨터 하드웨어를 관리하는 프로그램으로 작업 관리와 데이터 관리 및 감시하는 제어프로그램과 언어 번역과 서비스 및 문제 처리 biolo..

기초확률론 첫번째 포스팅으로 확률실험, 표본공간, 사건에 대해 알아보겠습니다. 확률에 대해서 배워야 하는 이유는 뭘까? 우리나라 사람들의 평균 키를 알고 싶다고 해봅시다. 정확하게 조사하려면 우리나라 사람들 전체의 키를 조사한 후 평균을 내야할 것입니다. 하지만, 이는 현실적으로 매우 어려운 일입니다. 좋은 방법이 있다면, 몇 명을 뽑아 그들의 키를 평균한 값으로 추측하는 것이 좋은 방법일 것입니다. 그렇다면 어떤 방법으로 몇 명을 뽑아낼 수 있을까요? 여기서 확률의 개념이 들어갑니다. 자세한 내용은 표본설계에 관한 내용이므로 생략하겠습니다. 확률실험 먼저 확률을 측정할 수 있는 확률실험을 정의하려면 다음과 같은 3가지 전제가 필요합니다. (주사위를 1번 던져 나오는 눈의 수를 확인하는 실험을 확률실험의..

scikit-learn datasets이란? 우리가 실제로 데이터 분석을 할 때 얻게 되는 실제 데이터에 대한 알고리즘을 구현하기 위해 머신러닝 커뮤티니에 일반적으로 사용하는 큰 데이셋들 데이터의 통계적 속성을 제어하면서 데이터 집합의 크기가 미치는 영향을 평가하기 위해 합성 데이터를 생성할 수 있음 일반적으로 Toy datasets과 Real world datasets 으로 크게 나누어진다. 일반적으로 데이터분석이나 머신러닝에 쓰이는 자료는 Toy Datasets이므로 Toy Datasets에 대해 한 번 살펴보자 Toy Datasets 1) Boston house prices dataset (Target - 연속형) Attributes: 13 numeric/categorical predictive, ..

※ 이 내용들은 전적으로 스탠포드 대학의 CS231 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다. ※ 2. Image Classification 이미지 분석의 문제 - 입력 이미지가 주어졌을 때 여러 가지 카테고리 중 어디로 분류할 것인가? - 컴퓨터는 이미지를 숫자들의 집합(행렬)로 인식하기 때문 * Segmatic Gap - 사람의 인식과 컴퓨터의 인식에서 발생하는 차이 - 여러 이미지가 동일한 대상을 나타내고 있어도 픽셀값이 다 다르기 때문에 인식하는 것은 매우 어려움 2-1. 첫번째 고전적 방식 - edge와 corner를 이용 * edge와 corner의 간략한 의미 - edge: 가장자리 - corner: 패인 부분 문제점 - 한 개체에 대해 여러 개(조명, 방향, 자세, 가려짐 등에 의해..